世界模型遭GPT-6碾压？AMD 82亿美元收购李飞飞团队

今天一觉醒来，发现李飞飞把World Labs卖给AMD了，82亿美元。

挺巧的。我本来还想聊聊GPT-6出来以后，世界模型这条路会不会越来越难走，标题甚至都想好了：“GPT-6发布，李飞飞要哭晕在厕所。”

结果文章还没写，人家公司先卖了。

我第一反应是：情理之中，意料之外。

意外的是，没想到这么快。World Labs成立才两年左右，今年刚融了10亿美元。

但前段时间我在硅谷跟不少做AI和投资的人聊，大家早就有一个判断：像World Labs这种独立做世界模型的公司，最后大概率会卖给大公司。

主要有三个原因。

世界模型首先是一场资本战

第一点，我觉得也是最现实的一点：做一个顶级的世界模型，对资本的要求非常高。

模型突破无非三样东西：算法、算力、数据。

算法当然重要，但到了最前沿，真正拉开投入差距的，是算力和数据，而这两样最后都要靠钱。

所以问题来了：82亿美元，贵不贵？

很多人会觉得，World Labs才创业两年左右，就卖了82亿美元，当然很贵。

但如果放到今天硅谷最前沿的大模型竞争里看，我觉得82亿不算贵，甚至可还有点便宜。

李飞飞是AI领域最顶级的科学家之一，World Labs在2024年融了2.3亿美元，今年又融了10亿美元。

这个数字放在普通创业公司里不少了，但我之前在硅谷跟一线基金聊，大家的共识是：如果想训练出一个比现有大语言模型更理解真实世界的顶级世界模型，这点钱还是不够。

看看硅谷现在其他前沿AI公司就知道了。

像做机器人大脑的Skild AI，短短半年估值就从45亿美元做到140亿；还有一些顶级教授出来做AI for Science，公司刚起步估值就已经非常高。

为什么这些公司动不动就是几十亿、上百亿美元估值？

最核心的原因，是你必须先融到足够多的钱，才有资格买足够多的卡、拿到足够多的数据、做足够多次训练和试错。

所以模型竞争已经越来越像一场军备竞赛。融不到足够多的钱，就很难在这场军备竞赛里一直打下去，更难独立做出全球最顶级的世界模型。

从这个角度看，卖给AMD，其实是一个非常现实的选择。

GPT-6把世界模型的边界打穿了

第二个原因，是最近GPT-6对世界模型赛道是一次降维打击。

我这段时间一直在使劲用GPT-6。前几天刚说它操作微信已经有点“成精”了，但我最近更明显的感受是：它对空间和物理世界的理解，也开始成精了。

前段时间我在香港机场随手拍了张照，直接丢给GPT-6，让它根据这张图恢复一个3D空间，最后出来的效果大家看看。

我们自己的机械臂公司xArm也在测试GPT-6做视觉理解和抓取。

在一些任务上，效果已经超过过去很多专用模型。我之前跟OpenAI的人交流，他们也提到，GPT-6的训练里加入了大量真实物理世界的数据。

以前这些能力基本是分开做的：语言有大模型，视觉有视觉模型，空间和物理世界有世界模型，机器人还有自己的VLA。

但GPT-6出来以后，这种边界正在被打穿。

当一个大模型已经拥有非常强的推理能力，再加入足够多的视频、3D、空间和物理世界数据，它完全可能同时获得越来越强的空间感知和行动能力。

那问题就来了：

我们还需不需要一套完全独立的世界模型？

我一直不太认同一种说法：文字很简单，空间和物理规律很难，所以真正的AGI一定得靠世界模型。这其实非常容易掉进人的直觉陷阱。

对人来说简单的事情，对机器未必简单；对人来说特别复杂的事情，对机器也未必真的更难。

前两年Sora刚出来的时候，国内有个很知名的网红说，Sora意味着AGI可能从10年直接缩短到1年，因为它已经能生成飞盘、物体运动，感觉像“懂了物理规律”。

我当时就说，这个逻辑不成立。

你家狗也会去叼飞盘，而且叼得可能比你还准，但你不能因此说它理解了牛顿力学。

所以现在我反而觉得GPT-6提供了另一种可能：所谓世界模型，最后未必会独立存在，它可能直接长进一个更大的通用模型里。

如果这个方向成立，对World Labs这种专门押注世界模型的公司来说，当然会形成巨大的压力。

一笔双赢的交易

第三点，我觉得李飞飞在这个时间点把World Labs卖给AMD，是一个双赢的决定。

对AMD来说，它买到的不只是现成的模型，更重要的是李飞飞和这支顶级团队。

AMD正处在AI算力芯片竞争最关键的时候，而做芯片不能只看今天的模型需要什么，还得提前判断下一代模型怎么训练、需要什么样的算力和芯片架构。

李飞飞团队长期就在研究空间智能、世界模型和下一代AI怎么理解真实世界。对AMD来说，这相当于多了一个观察下一代模型往哪里走的窗口。

交易完成后，李飞飞也会成为AMD首席科学家和高级执行副总裁，直接向CEO苏姿丰汇报。这个位置本身，就说明AMD有多看重这支团队。

而对World Labs来说，加入AMD以后，前面讲的算力和资本问题也一下解决了。有了AMD的芯片、资金和工程体系，它反而可能更有条件把世界模型继续做下去。

硅谷真正厉害的是创新生态

最后我其实挺感慨的一点，是硅谷愿意给人才和创新足够高的回报。

一个教授带着一群人出来创业，做出有价值的东西，资本愿意投，大公司也愿意花大价钱买。正因为这套机制，才会有一批又一批优秀的人愿意承担风险出来创业。

反过来，如果大家想的都是怎么更便宜地把核心员工挖走，再自己抄一遍，短期可能省钱，但长期伤害的是整个创新生态。

没有这些创业公司不断往外冒，大公司以后又去哪里找新的技术、新的团队？

所以我觉得，硅谷最难复制的，从来不只是人才和资本，而是大家对创新和人才价值的尊重，以及共同维护这片创新土壤的默契。

企业做AI转型其实也一样。

光喊“拥抱AI”没有用，真正难的是怎么让一把手亲自下场，怎么把AI放进业务，怎么改组织、改流程，最后真的跑起来。

10月16日深圳、10月30日上海，我们会办两场「猎豹AI实战派」线下课，把猎豹这几年AI转型踩过的坑、跑通的方法，以及我们对组织、管理和实操的理解，系统讲一遍。

感兴趣的朋友欢迎扫码报名，带着实际问题来交流。