AMD 收购 World Labs：它买的不是模型，而是下一代算力的定义权
9 月 28 日，AMD 宣布以约 82 亿美元全股票收购李飞飞创办的 World Labs。交易完成后，李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 AMD 董事长兼首席执行官苏姿丰汇报，原团队继续研究世界模型。
奇怪之处在于，World Labs 2024 年才成立，首款产品上线还不到两年，也没有经过验证的大规模收入。AMD 为什么愿意为一家年轻的研究公司支付仅次于赛灵思收购案的价格？
答案不在它今天能卖多少产品，而在它能不能帮助 AMD 看见下一代计算负载。
苏姿丰说，建设下一代 AI 计算平台，需要深入理解模型如何演进。李飞飞则说，下一代 AI 需要模型研究、系统与算力紧密协作。两句话指向同一件事：AMD 不想等新模型出现后再适配芯片，而是要让模型团队提前参与定义芯片、软件和整机。
沿着这条主线，本文回答三个问题：World Labs 的世界模型为什么会改变算力需求，AMD 现有 AI 栈缺的究竟是哪一环，以及 82 亿美元能否真正换来下一代算力的定义权。
一、82 亿美元买下的，首先是一支上游研究团队
先看交易结构，因为它决定了 World Labs 进入 AMD 后扮演什么角色。
第一，82 亿美元全部用 AMD 股票支付。全股票交易保存了现金，但会稀释现有股东，也把交易完成前的股价波动交给双方共同承担。
第二，李飞飞不是以顾问身份加入，而是成为执行副总裁兼首席科学家，直接向 CEO 汇报。联合创始人 Justin Johnson 和 Ben Mildenhall 将继续领导原团队。汇报线说明，World Labs 不只是被收进一个产品部门，而是被放到了公司技术方向的上游。
第三，双方并非临时撮合。World Labs 披露，去年已与 AMD 展开模型训练和推理优化合作；2026 年 2 月，AMD 还参与了 World Labs 的 10 亿美元融资。当时 NVIDIA 也在投资人名单里。七个月后，AMD 从投资者变成了唯一买家。
第四，价格里包含明显的战略溢价。World Labs 2024 年以约 10 亿美元估值融资 2.3 亿美元；2026 年初的新融资没有公开估值，市场传闻约为 50 亿美元。传闻不能拿来精确计算溢价，但 82 亿美元至少说明，AMD 付费的对象不是现有收入，而是团队、研究方向和进入窗口。
第五，公告反复强调的不是具体产品 Marble，而是未来模型如何改变计算需求。AMD 明确提出，要围绕新兴模型和应用设计硬件、软件与系统。
五条信息最后落在一个判断上：这不是用 82 亿美元购买一项现成业务，而是把一支能够提前发现新工作负载的研究团队，直接接到公司最高技术决策层。
二、世界模型为什么会改变计算需求
如果只把 World Labs 看成“文生 3D”工具，这笔交易会显得贵得离谱。它真正研究的是世界模型，这与视频生成和传统 3D 建模都有差别。
视频生成模型负责生成一段连续画面；传统 3D 工具负责建立几何、材质和光照；世界模型还要回答另一类问题：环境如何变化，一个动作会带来什么后果，离开后再返回时，原来的世界是否还在那里。
可以把它理解成从“画一段房间视频”变成“维护一间可以持续进入的房间”。前者只要每一帧看起来合理，后者还要记住门的位置、桌椅关系以及用户刚才做过什么。
World Labs 把这种能力称为空间智能。目标不是让模型更会描述房间，而是理解“我在哪里、物体之间是什么关系、移动之后会看到什么、一个动作会改变什么”。
Marble 是这套研究的首个产品化出口。它能从文字、图片、视频、全景图或粗略 3D 布局生成可导航的三维世界，并支持编辑、扩展、拼接与导出。World API 又把生成过程封装成异步接口，让这些世界可以进入创作工具、仿真管线和应用程序。
研究项目 RTFM 更能说明这条路线。它不先建立完整的三维网格，而是根据已有画面和目标相机位置实时生成新视角。每一帧都记录自己的三维位置与朝向，形成一种空间记忆；生成新画面时，系统只取回附近的相关帧，不必把全部历史重新计算一遍。World Labs 把这种机制称为“上下文调度”（context juggling）。
这套设计解决的是世界模型最难的三个问题：
- 实时性：用户移动时，下一帧必须在交互延迟内生成；
- 持久性：离开一个房间再回来，物体不能凭空消失或换位置；
- 可扩展性：世界越来越大时，计算量不能随着全部历史无限增长。
这些要求和大语言模型不同。LLM 主要处理一维 token 序列，世界模型同时处理视频、深度、相机位姿、三维表示和动作轨迹。除了训练吞吐，推理侧还要关注显存容量与带宽、多模态数据搬运、低延迟调度、长期状态管理，以及训练、渲染与仿真的混合负载。
这正是 AMD 真正想买到的东西：不是一个固定模型，而是一类新工作负载最早期、最真实的反馈。
三、AMD 为什么不能只把 GPU 做得更快
过去，芯片厂商可以先做通用硬件，再让软件团队围绕芯片优化。生成式 AI 改变了这个顺序。模型架构、训练方法和部署形态变化太快，等工作负载稳定后再适配，往往已经落后一轮。
这也是 NVIDIA 最难复制的优势。CUDA 很重要，但它的护城河早已不只是编程接口。GPU、网络、整机、编译工具、训练框架、仿真平台和模型都在同一套体系里。模型训练暴露瓶颈，瓶颈反馈到编译器、互连、显存和下一代芯片，新硬件再反过来支撑新的模型。这是一个持续转动的共同设计闭环。
AMD 过去几年的收购，其实一直在补这条链：
| 收购对象 | 补上的能力 | 对 AI 栈的作用 |
|---|---|---|
| Pensando | DPU、网络与安全 | 连接计算节点和数据中心基础设施 |
| Nod.ai | 编译器与开源软件 | 让模型更容易落到 AMD 硬件 |
| Silo AI | 企业模型与解决方案 | 帮客户训练、适配和部署模型 |
| ZT Systems | 机架级系统设计 | 从芯片扩展到整柜交付 |
| World Labs | 前沿模型与空间智能 | 用未来工作负载反向定义系统 |
前四笔交易主要解决“如何把现有 AI 跑好”。World Labs 补的是另一层：下一代 AI 到底会怎么跑。
区别在于需求出现的时间。编译、机架和企业部署团队面对的大多是已经出现的需求；World Labs 则处在需求形成之前。新的模型架构、空间记忆、实时生成和机器人仿真，可能直接改变芯片需要什么样的计算单元、内存层级、互连方式和软件抽象。
所以这笔交易并不是 AMD 突然想做一款 3D 应用，而是它承认了一件事：在 AI 时代，只掌握执行层，就只能跟着别人定义的工作负载优化。想决定路线图，就必须靠近模型研究。
四、真正对标的，是物理 AI 整套平台
大语言模型阶段主要比训练集群与推理成本，世界模型则把竞争扩展到机器人、自动驾驶、工业仿真、游戏和空间计算。这些市场有一个共同困难：真实世界的数据太贵。
训练语言模型可以从互联网收集海量文本，训练机器人却不能让真实机械臂摔几百万次来学习抓取；自动驾驶也不能靠制造真实事故来覆盖长尾场景。世界模型的价值，就是生成可控、可重复、可扩展的环境，让 agent 在虚拟世界里训练、测试和失败，再把策略迁移到现实设备。
NVIDIA 已经把这套逻辑做成产品体系。Cosmos 提供世界基础模型、视频 tokenizer 和数据处理管线；Omniverse 提供仿真与数字孪生；Isaac 和 GR00T 面向机器人；底层再连接自家的加速器、网络和软件栈。它们共同组成从合成数据到策略训练、再到边缘部署的闭环。
AMD 的缺口恰好在这里。它有 GPU、CPU、DPU、机架和 ROCm，却缺少能够聚集开发者、生成负载并牵引硬件设计的上层平台。World Labs 可以补上“世界生成与空间理解”这一层，让 AMD 有机会把训练、推理、仿真和机器人学习串起来。
但“有机会”不等于已经追平。World Labs 当前最成熟的产品仍偏向可编辑三维环境与创作流程，距离工业级物理仿真、机器人策略闭环和广泛的开发者生态还有距离。NVIDIA 的优势也不只是 Cosmos 模型本身，而是它与 CUDA、Omniverse、Isaac、Jetson 以及客户项目之间已经形成连接。
因此，82 亿美元买到的是入场券，不是现成优势。交易完成后，真正要观察三件事：
- Marble 和 World API 能否从内容创作走向机器人与仿真；
- 世界模型能否优先在 AMD GPU 上训练和推理，并形成可公开复用的优化；
- AMD 能否把研究成果下沉到 ROCm、机架设计和边缘芯片，而不是让实验室停留在独立研究状态。
五、模型开始反向定义芯片
走到这里，这笔收购的主线已经清楚：半导体公司的产品定义方式正在改变。
传统流程大致是：芯片团队根据市场预测制定路线图，硬件发布后，软件和客户再做适配。AI 共同设计把它改成一个循环：
模型研究发现瓶颈 → 系统团队重构数据流与调度 → 编译器暴露可优化路径 → 芯片团队改变内存、互连和计算单元 → 新硬件支持新的模型结构。
这个循环转得越快，单个芯片峰值参数就越不能代表全部竞争力。客户购买的不再只是一块 GPU，而是一条能否持续接住新模型的演进路径。
苏姿丰所说的“越理解端到端，就越能做出更好的系统”，指的就是这个变化。AMD 过去擅长在既定市场里做出有竞争力的 CPU 和 GPU；收购 World Labs，是在尝试获得定义未来负载的能力。
对 World Labs 来说，交易同样有现实意义。世界模型极度消耗算力，又需要大量系统优化。独立实验室可以选择多个云和芯片供应商，却很难影响底层路线图。进入 AMD 后，它能直接调用芯片、编译器、网络和机架团队，把研究原型变成针对新硬件的设计输入。
代价也很明显。一旦成为芯片厂商的内部团队，World Labs 原有的硬件中立性会受到质疑。它的投资人名单里曾同时有 AMD 和 NVIDIA，产品也依赖不同硬件生态。今后所谓“开放 AI 生态”，究竟是继续支持多种硬件，还是主要服务 AMD 平台，将直接影响开发者是否愿意长期采用。
六、82 亿美元能否收回，要过四道关
战略方向讲得通，不等于 82 亿美元天然合理。
第一，技术路线风险。 “世界模型”目前仍是一个边界模糊的类别。可导航的三维生成、视频预测、物理仿真和机器人策略模型都在使用这个名称，但它们的目标、数据和评测并不相同。Marble 已经能生成持久、可编辑的空间，却还不能证明它拥有足够可靠的物理因果理解。生成一个看起来合理的房间，和预测机器人推门后会发生什么，是两件事。
第二，产品化风险。 创意工具、仿真平台和机器人训练的客户需求差异很大。World Labs 可以同时讲这三个故事，但资源最终必须聚焦。若产品停在视觉效果出色的 3D 生成，它对 AMD 数据中心和物理 AI 战略的牵引会低于预期。
第三，整合风险。 前沿研究团队需要较高独立性，半导体公司的路线图却按多年周期和明确交付节点运转。研究的不确定性与硬件的确定性天然冲突。李飞飞直接向苏姿丰汇报，可以减少组织层级，却不能自动消除节奏差异。
第四，生态风险。 AMD 一直强调开放生态，但收购会让外部合作伙伴重新判断利益边界。Autodesk 曾向 World Labs 投资 2 亿美元并开展合作，NVIDIA 也是股东。World Labs 加入 AMD 后，能否继续作为中立的空间智能平台，而不是变成 AMD 硬件的展示窗口，会影响这笔交易的外溢价值。
所以判断交易成败，不能只看未来 Marble 有多少用户，更要看 World Labs 是否真正改变 AMD 的产品。若两三年后，新的显存架构、推理调度、ROCm 能力或机架方案能明确追溯到世界模型负载，这 82 亿美元才买到了共同设计能力；如果只是多了一支明星研究团队，价格就会显得昂贵。
七、对国内产业的启示：先建立反馈闭环
这笔交易给国内企业的启示，不是跟着收购一家世界模型公司，而是重新理解“全栈”。
过去讲全栈，往往是芯片、框架、模型和应用都做一点。真正有效的全栈不是产品目录齐全，而是上下层之间存在高频反馈：模型团队遇到的瓶颈能进入编译器和芯片路线图，硬件的新能力又能催生原来做不到的模型。
对国产算力厂商，最缺的未必只是更好的模型适配，而是足够前沿、足够长期的内部工作负载。如果始终等客户把成熟模型迁移过来，优化目标就永远由外部生态定义。与机器人、自动驾驶和工业仿真团队建立深度共同设计，比单纯兼容更多模型更有战略价值。
对机器人公司，世界模型也不应被当成视频生成的换皮。真正有价值的指标是空间一致性、动作条件预测、长时持久性、可控场景覆盖和从仿真到现实的迁移效果。画面更逼真，不等于物理规律更正确；能生成场景，也不等于能训练策略。
对软件和数据团队，则需要提前准备新的数据基础设施。世界模型吃的不只是图片和视频，还包括相机位姿、深度、三维几何、动作轨迹、传感器时间同步和仿真元数据。未来物理 AI 的竞争，很可能同时是一场多模态数据治理和合成数据质量竞争。
小结
- AMD 买的不是一款 3D 产品，而是定义未来工作负载的能力。 World Labs 被放在首席科学家和前沿研究的位置，说明其任务是影响硬件、软件与系统路线图，而不只是贡献收入。
- 这笔交易补上了 AMD AI 栈最上游的一环。 Pensando、Nod.ai、Silo AI 和 ZT Systems 分别补网络、编译、模型落地与机架设计；World Labs 让模型研究进入共同设计闭环。
- 竞争正在从大模型算力转向物理 AI 平台。 NVIDIA 已经把世界模型、仿真、机器人框架和硬件连成体系。AMD 用 82 亿美元买到了入场券，但生态、产品化和系统整合仍需重新建立。
- 真正的检验不是 Marble 卖得多好，而是 AMD 的下一代系统是否因此发生变化。 如果世界模型的需求能进入显存、互连、编译器和机架设计，这笔收购就会产生长期价值；否则，它只是一笔昂贵的人才并购。
半导体行业过去相信，谁做出更好的芯片，谁就能赢得工作负载。AMD 这次押注的是反过来的逻辑：谁更早掌握下一代工作负载，谁才知道该做什么样的芯片。
当模型开始反向定义硬件，未来的芯片公司究竟还是芯片公司，还是必须同时成为一家前沿 AI 研究机构？
本文部分内容由 AI 辅助生成，经人工审校和补充后发布。
参考资料
- AMD, "AMD to Acquire World Labs to Advance the Future of AI Compute", 2026-09-28，https://ir.amd.com/news-events/press-releases/detail/1299/amd-to-acquire-world-labs-to-advance-the-future-of-ai-compute
- World Labs, "World Labs is Joining AMD", 2026-09-28，https://www.worldlabs.ai/blog/amd-announcement
- World Labs, "World Labs Announces New Funding", 2026-02-18，https://www.worldlabs.ai/blog/funding-2026
- World Labs, "From Words to Worlds: Spatial Intelligence is AI's Next Frontier"，https://www.worldlabs.ai/blog/from-words-to-worlds
- World Labs, "Marble: A Multimodal World Model"，https://www.worldlabs.ai/blog/marble-world-model
- World Labs, "RTFM: A Real-Time Frame Model"，https://www.worldlabs.ai/blog/rtfm
- World Labs, "Announcing the World API", 2026-01-21，https://www.worldlabs.ai/blog/announcing-the-world-api
- AMD, "AMD Completes Acquisition of Silo AI", 2024-08-12，https://www.amd.com/en/newsroom/press-releases/2024-8-12-amd-completes-acquisition-of-silo-ai-to-accelerate.html
- AMD, "AMD Completes Acquisition of ZT Systems", 2025-03-31，https://ir.amd.com/news-events/press-releases/detail/1240/amd-completes-acquisition-of-zt-systems
- NVIDIA Research, "Cosmos World Foundation Model Platform for Physical AI", 2025-01-06，https://research.nvidia.com/publication/2025-01_cosmos-world-foundation-model-platform-physical-ai/