AMD 82亿美元收购李飞飞World Labs

9月28日，AMD宣布以约82亿美元的全股票交易收购李飞飞创办的空间智能公司World Labs。交易完成后，李飞飞将加入AMD，出任执行副总裁兼首席科学家，直接向CEO苏姿丰汇报。从棋局的角度看，这不是一家芯片公司随手买下一家AI创业公司：一条线，是苏姿丰2014年接手一家濒临边缘化的芯片公司后，花了十多年重新爬回牌桌；另一条线，是李飞飞从2006年前后就开始为机器“准备图片”，一路走到空间智能。两条路在这个节点交汇，AMD真正想买下的，是观察下一代计算需求的一扇窗口。

苏姿丰的棋盘：从悬崖边到AI牌桌

2014年苏姿丰接任CEO时，AMD还看不出今天这副AI明星公司的模样：当年营收约55亿美元，净亏损4.03亿美元；2015年营收进一步跌至39.9亿美元，净亏损扩大到6.6亿美元。彼时公司手里资源有限，Intel在CPU市场占据绝对优势，GPU计算的增长机会又被Nvidia牢牢握住，甚至有人怀疑这家老牌芯片公司等不到下一轮机会。

苏姿丰没有把战线铺得更广，反而把有限的工程资源重新押注到高性能计算上。2017年，AMD发布基于Zen架构的Ryzen处理器，同时推出面向数据中心的EPYC处理器，当年营收回升至53.3亿美元并重新实现全年盈利；此后EPYC打入服务器市场，Instinct系列GPU开始承担AI与高性能计算任务，业务重心从个人电脑处理器逐渐延伸到数据中心。到2025年，AMD全年营收约346亿美元，其中数据中心业务约166亿美元、同比增长32%——用十多年时间，从悬崖边走到了AI基础设施竞争的核心位置。

但芯片公司有个天然难题：芯片需要提前很多年设计，等某类计算需求成为行业共识再动手，往往已经晚了。AMD必须知道，在共识形成之前，哪些新任务会先变得重要。这是它把目光投向World Labs的第一层原因。

李飞飞的笨功夫：1500万张图片铺的路

李飞飞和AI的关系，要从一堆照片讲起。2006年前后，她牵头启动ImageNet项目。当时计算机视觉研究的大部分精力，还集中在让机器识别图像里的物体——机器能认出照片里有没有猫，却很难处理更复杂的视觉信息。ImageNet最终积累了超过1500万张图片，覆盖约2.2万个类别：图片从互联网搜集，分类和标注则借助亚马逊的众包平台Amazon Mechanical Turk，把庞大的标注工作拆解给全球大量临时工完成。

这项工作极其琐碎，却为后来深度学习的突破奠定了不可或缺的基础。2012年，AlexNet在ImageNet图像识别挑战赛中取得突破性成绩，深度神经网络自此大规模走进计算机视觉研究的中心；人脸、物体、场景、文字，逐渐都成为算法可以处理的视觉信息。

但李飞飞没有停留在“机器能看见什么”。一张照片里有张桌子，视觉系统可以识别出“桌子”；真正进入现实世界，机器要处理的事远比识别复杂：桌子在哪里、桌面离机器人多远、杯子放在哪个位置、往前走两步会不会撞到桌角、把杯子拿起来之后桌面上的其他东西会不会受影响。这些问题都指向空间，也把她的研究推向了下一步——空间智能。

World Labs：把三维世界装进模型

2024年，李飞飞与Justin Johnson、Rob Fergus、Christoph Lassner等人共同创办World Labs，目标是让AI建立对三维世界的理解。其发布的模型不再只是根据文字生成一张二维图片，而是能根据文字或图像生成三维环境，并让这些环境具备可探索、可编辑的特征。模型处理的对象由此改变：文本模型处理词与词的关系，图像模型处理像素与像素的关系，空间智能模型则要把物体、距离、位置、时间和动作放进同一个系统里处理。

2026年7月，World Labs又收购空间智能公司SceniX，继续朝机器人和仿真方向深入，路线越来越清晰：让模型建立一个能够持续理解、预测和模拟现实世界的内部环境。这种能力对机器人尤其关键——面对一个杯子，识别“这是杯子”只是第一步，机器人还要知道杯子的空间位置、形状、重量、抓取方式，以及自己的动作可能带来的后果。

半年之间：从投资人变成买主

AMD与World Labs的关系并非突然升温。今年2月，World Labs完成10亿美元融资，估值达到约50亿美元，AMD参与其中；World Labs的空间智能模型就运行在AMD Instinct GPU上，双方团队还在共同优化模型的训练和运行。对AMD来说，这种合作能直接看到新型模型在真实计算环境里的表现——哪些环节最耗算力、哪里容易卡在内存，这些信息比单纯看一份商业计划书有价值得多。

AMD给出的收购理由十分明确：World Labs的研究能够帮助AMD理解新兴AI工作负载，并影响下一代硬件、软件和系统设计。

从2月参投到9月宣布全资收购，中间只隔了约半年。AMD等于把一支专门研究下一代计算需求的团队直接放进了公司内部，还顺势收获了李飞飞这位直接向苏姿丰汇报的首席科学家。

买下一个尚未被定义的市场

今天的AI产业，计算需求已经相当清楚：训练大模型要堆GPU，运行模型讲效率，云厂商持续建数据中心。这些需求都可以量化，也能直接写进芯片公司的产品路线图。世界模型则完全不同：它会先落在机器人、自动驾驶还是游戏？能不能形成规模收入？硬件该怎么配合？行业还在尝试，连“世界模型”本身的定义都仍在变化。但这恰恰给芯片公司留出了一扇窗口。

从计算的角度看，大语言模型的处理对象主要是Token，世界模型则要同时处理空间、时间、物体关系和环境变化，还要预测动作发生之后的结果，需要的数据更多、训练和运行都更重。它又天然连接着模拟环境、机器人训练、自动驾驶、游戏开发、数字孪生等领域——一旦模型能在虚拟世界中预测现实世界的变化，GPU要处理的数据、内存容量、训练和运行架构、软件栈设计都会随之调整。谁能提前看到下一种计算任务的形态，谁就有机会让硬件和软件从一开始就围绕它设计。

回到这盘棋：AMD此前靠Zen架构重新夺回CPU市场，又靠EPYC和Instinct打进数据中心与AI计算；World Labs对应的，是“下一轮计算增长究竟由什么任务驱动”这个更前置的问题。世界模型的市场规模、落地节奏以及与硬件的耦合方式目前都还是未知数，全股票交易后的团队整合与人才留任也有待观察。但正如钛媒体专栏“版面之外”所写：苏姿丰抬头，寻找下一座计算的山；李飞飞低头，看见山脚下那个真实的世界——山还没有形成，但已经有人开始为它修阶梯了。

过去，人类先定义问题，再让机器计算。当机器开始理解真实世界，顺序可能反过来——世界本身，正在成为一道计算题。