AMD以82亿美元收购World Labs，李飞飞的三次技术下注

AMD 宣布以约 82 亿美元全股票收购李飞飞创立仅两年的 World Labs。这是 AMD 历史上仅次于 2022 年约 500 亿美元收购赛灵思（Xilinx）的第二大并购案。

业内普遍认为，AMD 首席执行官苏姿丰此举意在对标 NVIDIA 的 Cosmos 与机器人平台，通过吸纳顶级人才与前沿模型能力，锁定物理 AI 时代的入场券。而在这笔交易中，李飞飞同样押上了自己的下一个二十年——过去二十年，她反复在每一个技术拐点先一步定义“什么是下一件值得做的事”；而这一次，她不再只是出题人，而是亲自坐到了答题席上。

三次关键出题，角色彻底转变

回看李飞飞的学术与工业生涯，她挖过的三个关键“坑”代表了三次战略判断，但她所扮演的角色截然不同：

1. 第一个“坑”：ImageNet——提出标准，社区交卷

2007 年前后，计算机视觉面临严重的泛化瓶颈：算法在实验室跑得通，离开特定场景就失效。彼时绝大多数学者执着于改良算法，在普林斯顿任教的李飞飞却选择了一条“重数据”的冷门路径。顶着学术前途受阻、经费屡被拒绝的压力，她带领团队构建了庞大的图像数据集 ImageNet。

2009 年发布初期，它未在算法界激起太大波澜。直到 2012 年，Hinton 团队的 AlexNet 夺冠，才彻底点燃深度学习浪潮。李飞飞在此次历程中是标准的“命题人”，而交出高分答卷的则是整个学术与产业社区。

2. 第二个“坑”：AI 民主化——受制于商业与伦理博弈

2016 年底，李飞飞以学术休假形式出任 Google Cloud 首席科学家，提出“AI 民主化”目标，希望将前沿技术推广至传统产业。她推动了对 Kaggle 的收购、AutoML 的上线以及谷歌 AI 中国中心的成立。

然而，科学家的影响力很难直接左右庞大商业实体的运行逻辑。随着军方合作项目 Project Maven 引发内部伦理风波，李飞飞被推至舆论风口浪尖，最终选择离开。这段经历表明，定义一个方向与让方向在工业体系中落地，存在巨大的现实鸿沟。

3. 第三个“坑”：空间智能——下海创业，亲自答题

2024 年 4 月，李飞飞联合斯坦福大学 Justin Johnson、NeRF 核心作者 Ben Mildenhall 与 Christoph Lassner 共同创立 World Labs，聚焦“空间智能”（Spatial Intelligence）。

李飞飞曾多次强调，大语言模型（LLM）始终局限于二维文本与屏幕，无法真正理解遮挡、重力及物理运动。空间智能正是通往物理世界不可或缺的一环。World Labs 展现了惊人的研发推进节奏：

• 2024 年 12 月发布首款大型世界模型（LWM），实现从单图生成交互式 3D 世界；
• 2025 年 11 月上线首个商用产品 Marble，支持多模态输入生成可探索的 3D 场景；
• 2026 年 7 月收购仿真公司 SceniX，切入机器人强化学习闭环；
• 2026 年 9 月发布多模态世界模型 Atlas，具备相机控制与稀疏视角三维重建能力。

突破算力瓶颈：切入底层硬件话语权

伴随模型复杂度的提升，世界模型逐渐暴露出对硬件架构的严苛要求。多视角几何计算与实时物理渲染需要大内存容量、极高的内存带宽与低延迟并行计算能力，传统通用 GPU 在此类负载下的执行效率往往不及预期。

在与芯片厂商合作的过程中，作为纯软件算法方的初创公司始终处于“提需求”的被动位置，需求极易在漫长的跨公司协作中被稀释。要让空间智能真正落地，就必须打破模型层与算力层之间的阻隔。

此次被 AMD 收购后，World Labs 团队将作为独立研究单元并入，李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报。在公开信中，李飞飞明确指出：“如果缺少专门的硬件研发投入，AI 的效率和规模都将受限。”这意味着 World Labs 从单纯的算力采购方，转变为直接参与下一代芯片架构定义的决策方。

未来的衡量标准：不再仅看论文引用量

这次跨界融合的成败，将面临更苛刻的工程与生态考验：

• 软硬件技术闭环：基于 CDNA 5 架构的 AMD MI450 配备 432GB HBM4 显存，带宽达 19.6 TB/s。Atlas 等复杂模型能否借助专属架构优化实现性能飞跃，将直接检验“模型反向定义硬件”的可行性。

• 开放生态号召力：NVIDIA 凭借多年积累建立了坚固的开发者生态。World Labs 承诺维持开放模型策略，未来唯有吸引更多具身智能和空间模型团队主动采用 AMD 软硬件平台，82 亿美元的投入才算真正构筑起生态护城河。