AMD 82 亿美元买下 World Labs，李飞飞出任首席科学家并直接参与下一阶段 AI 技术路线

AMD 正在把自己的 AI 竞争从 GPU 和系统层，继续向前沿模型研究推进。

9 月 29 日，AMD 与 World Labs 宣布达成收购协议，交易金额为 82 亿美元。交易完成后，World Labs 创始人李飞飞将加入 AMD，担任执行副总裁兼首席科学家，并直接与 AMD CEO 苏姿丰及其团队合作。交易预计在今年年底前完成，仍需获得监管批准。

World Labs 给出的理由很直接：下一阶段 AI 的发展，需要模型研究、系统和计算之间更紧密的协作。AMD 也表示，理解 World Labs 这类前沿模型产生的新型 workload，将影响公司未来的芯片研发路线。

两家公司并不是突然走到一起。World Labs 成立初期，苏姿丰就是其早期投资人之一；去年，双方已经开始围绕 AMD GPU 进行模型训练、推理优化等技术合作。李飞飞在公布交易后表示，World Labs 已经证明了空间智能技术的可行性，下一步如果要扩大规模，就必须“更接近硬件”。

这也是这笔 82 亿美元收购最值得关注的部分。AMD 买下的不只是一个 World Model 团队。World Labs 正在把图像、视频、空间重建、机器人仿真和基础模型放进同一套技术体系，而 AMD 希望把这部分能力继续接入自己的计算平台。

▍从 ImageNet 到 World Labs

李飞飞把这次加入 AMD 描述为自己职业生涯的又一个节点。2000 年，她以研究生身份进入 AI 领域，当时主要研究机器视觉和人类视觉智能。此后，其实验室主导的 ImageNet 项目成为现代计算机视觉发展的重要基础之一。ImageNet 与神经网络算法以及 GPU 计算结合后，也成为后来深度学习快速发展的关键技术路径之一。

此后，她的研究范围逐渐从计算机视觉扩展到深度学习、机器人和医疗领域，也曾参与建立 Google Cloud 的 AI 部门，并担任斯坦福大学 Human-Centered AI Institute 创始主任。

生成式 AI 兴起之后，李飞飞观察到另一个变化：大规模前沿 AI 研究开始越来越多地从学术界转向产业界。2024 年初，她与 Ben Mildenhall、Justin Johnson 共同创办 World Labs，希望重新解决一个与 LLM 不同的问题——如何让模型真正理解三维空间和物理世界。

World Labs 从成立之初，就没有把重点放在语言模型。李飞飞在此次交易后的长文中再次强调，“世界并不只是由文字构成。”

World Labs 的基本判断是，只依赖语言并不足以建立能够处理真实世界问题的模型。科学、机器人、娱乐等场景面对是物体、空间、运动以及物理规律。

因此，公司从一开始就同时组织了数据、计算机视觉、大模型训练、系统和计算机图形学等不同背景的研究人员，希望训练一类新的基础模型，让 AI 能够理解空间结构以及物理世界中的变化。李飞飞也把这条路线称为 LLM 之外的基础模型。

▍Atlas 开始解决“下一个视角”

World Labs 成立两年多以来，核心技术逐渐落到空间重建、图像和视频模型，以及机器人仿真等方向。

此前公司还收购了 SceniX，希望继续补齐机器人模拟能力。按照 World Labs 的规划，这类系统可以把现实环境转换成机器人可以训练的模拟空间，再用于强化学习等任务。

最近发布的 Atlas，则进一步把这套技术路线集中到一个新的模型架构中。

LLM 的基础训练任务之一，是根据已经出现的文本预测下一个 Token。World Labs 给 Atlas 设计了一个类似但发生在空间中的任务：输入一组二维图片之后，模型需要预测从另一个摄像机位置看到的“下一个视角”。

这背后对应的是计算机视觉领域长期存在的稀疏重建问题。当只有少量照片时，系统需要推断没有被直接拍摄到的空间信息，并重新生成其他观察位置下的画面。

Atlas 将生成模型和多视图几何结合起来。World Labs 称，Atlas 在新视角预测任务上的表现已经超过部分专门针对单一任务训练的模型。

这种能力并不只面向内容生成。World Labs 已经看到 Atlas 被用于机器人 RL 环境、治疗和娱乐场景生成，以及房地产、设计和建筑领域的真实空间重建。对机器人而言，同一套空间模型还可以用于创建训练环境，让机器人在模拟场景里获得大量现实世界难以采集的数据。

World Labs 的另一款产品 Marble，也采用类似思路。它既可以生成娱乐内容，也可以创建机器人训练需要的模拟环境。

现实数据不足一直是通用机器人训练中的限制之一。相比互联网文本，机器人需要处理物体位置、三维空间、碰撞、运动以及连续动作，仅靠真实世界采集很难迅速扩大训练数据规模。World Model 因此也开始被用于生成模拟环境和合成数据。

▍为什么是 AMD

World Labs 此前仍然是一家以模型和研究为核心的公司，但随着模型复杂度提升，李飞飞开始把问题进一步指向硬件。

她在公布交易时写道，World Labs 已经获得了一些“有形的证明”，接下来想做的是扩大投入、覆盖更多场景，并加速技术进入实际应用。

要继续往前走，需要“更接近硬件”。“如果没有专门的硬件投入，AI 的效率和规模都会受到限制，对我们来说，它也会继续被困在数字世界里。”

这也解释了 World Labs 为什么最终选择加入 AMD。双方从 World Labs 创立早期就保持联系。苏姿丰是公司的早期投资人之一，去年，两家公司进一步开始技术合作，首先解决的就是 World Labs 模型在 AMD GPU 上的训练和推理优化问题。

合作过程中，两支团队开始把原本分开的几层技术放到一起讨论：最底层是计算硬件，往上是系统和软件，再往上是基础模型和应用。

World Labs 认为，这种组合与公司下一阶段的方向高度吻合。李飞飞写道，她当初成立 World Labs，是因为认为 AI 需要推动 LLM 之外的新一类基础模型。现在，她认为继续把这项工作放进 AMD，是下一步更合适的路径。

AMD 的表述也透露出类似方向。公司表示，理解 World Labs 这样的前沿 AI workload，将帮助 AMD 制定未来芯片路线图。

这里更准确的变化，并不是 World Model 已经开始“定义芯片”，更多的是 AMD 希望更早接触前沿模型产生的计算需求，再把这些需求带回硬件和系统研发。

▍从硬件走向完整 AI 栈

这笔交易完成后，World Labs 不会只成为 AMD 内部的一支应用团队。李飞飞希望继续建设一个长期运行的前沿研究机构，同时维持对社区和生态系统开放的方式，并继续提供开放模型和平台。

更大的变化在于技术栈。李飞飞提出的目标是，把硬件、软件、模型以及模型所需的数据平台连接起来，让 AI 能够以端到端方式运行。原本 World Labs 主要负责这条技术链中的模型和空间智能部分，进入 AMD 后，底层计算和系统能力也被放到了同一家公司内部。

这也补上了 AMD 当前 AI 生态中相对薄弱的一层。NVIDIA 已经推出 Cosmos 等开放 World Model，并将其用于机器人、自动驾驶和 Physical AI 等方向。相比之下，AMD 此前公开提供的模型更多集中在文本和视频领域。World Labs 加入后，AMD 将直接拥有一支专门研究空间智能、World Model、机器人仿真和前沿视觉模型的团队。

李飞飞本人也将进入 AMD 的核心技术管理层。交易完成后，她将担任 AMD 执行副总裁兼首席科学家，继续负责前沿研究团队，并直接与苏姿丰合作。

World Labs 原来希望解决的是“语言之外”的 AI 问题：让模型理解空间、物体和现实世界。加入 AMD 后，这条路线第一次同时获得模型、系统和硬件三层资源。

李飞飞在公布交易时给出的方向也没有发生变化。World Labs 接下来仍会继续推进空间智能，以及药物研发、创意工具、教育和机器人等真实世界应用。不同的是，下一阶段这些模型的训练、推理和部署，将与 AMD 的硬件体系结合得更紧。

✦精选内容✦