9月28日，AMD正式官宣，已签署最终协议，以82亿美元全股票交易收购AI初创实验室World Labs。这笔交易是AMD继收购赛灵思之后，公司史上第二大并购，标志着这家芯片厂商不再只聚焦算力硬件供给，而是将模型研究能力纳入自身技术体系，直面物理AI与空间智能带来的新一代计算负载变革。

World Labs由斯坦福大学计算机教授李飞飞于2024年在旧金山创立，核心研究方向为世界模型与物理AI，代表作Marble空间智能模型，可依托少量图像、文本输入，生成具备空间一致性、可交互的持久化三维场景。与当前主流大语言模型不同，World Labs的技术重心不是文本生成，而是让AI建立对三维空间、物体物理规则与因果关系的认知，为机器人、自主智能体、工业数字孪生、科学仿真等场景提供虚拟训练环境。

交割完成后，李飞飞将出任AMD执行副总裁兼首席科学家，直接向AMD CEO苏姿丰汇报。World Labs另外两位联合创始人Justin Johnson、Ben Mildenhall将继续留任，维持原有研究团队建制。交易预计2026年底完成，仍需要多国反垄断监管审批，交割前World Labs保持独立运营。

值得注意的是，AMD Ventures本身就是World Labs早期投资方，双方在此之前已经开展GPU训练与推理层面的联合优化，并非临时促成的并购。

本次收购的核心价值并非单纯“买入一套模型代码”，而是获取前沿模型团队，建立模型-硬件协同设计的正向循环。过去几年AI芯片竞争，大多围绕大语言模型训练、推理负载优化展开，GPU架构、内存带宽、互联技术的迭代，都服务于文本类大模型。但物理AI、机器人仿真这类新负载，计算特征完全不同——需要持续渲染三维场景、模拟物理动力学、高频空间推理，对芯片内存吞吐、实时渲染、异构并行算力提出全新要求。

苏姿丰在官方表态中强调，构建下一代人工智能的计算平台，需要对模型的演进方式有深刻的理解。飞飞和和World Labs团队拥有卓越的研究领导力和模型专业知识，“我们可以携手利用这些洞察力，开发出驱动下一代人工智能并加强开放式人工智能生态系统的硬件、软件和系统。”

李飞飞则认为，当前很多世界模型研究受限于算力基础设施与硬件适配瓶颈，仅停留在实验室阶段。“加入AMD将为我们的团队提供资源和工程实力，从而加速我们的研究，并帮助我们构建下一代人工智能所需的基础设施。”World Labs团队将保留研究独立性，同时深度参与AMD整体AI战略，推动模型、算力、系统软件三者协同。

从竞争格局看，这笔收购将是AMD在AI算力赛道针对英伟达的差异化布局。

英伟达近年持续加码机器人、数字孪生与物理仿真生态，凭借GPU底座+仿真软件栈占据先发优势。AMD此前优势集中在数据中心GPU硬件产品，上层模型与应用生态相对薄弱。通过收购World Labs，AMD切入物理AI这条未来高潜力赛道，补齐空间智能、虚拟仿真领域的模型能力，完善开放AI生态叙事，拓展机器人、工业仿真等非传统大模型市场。

不过，物理AI与世界模型赛道仍处于早期阶段，距离大规模商业化落地还有较长周期。短期之内，Marble这类空间模型不会立刻带来可观营收增量，这笔收购属于面向中长期算力需求的战略投资。

放到整个半导体行业大背景下，AMD收购World Labs也折射出一个行业新趋势：AI算力竞争，已经从单纯比拼芯片峰值性能，转向硬件、软件栈、模型能力、行业场景的全栈竞争。未来的芯片设计，不再是硬件工程师单方面定义芯片规格，模型研究者的反馈，会成为芯片架构定义的重要输入。当AI从处理文字信息走向理解真实物理世界，底层算力芯片的设计逻辑，也将迎来一轮底层重构。

李飞飞随即也通过社交平台发布了一封公开信，并以《尤利西斯》中的名句开篇——"来吧，我的朋友们，现在去寻找一个更新的世界，还为时未晚。"

李飞飞在信中回溯了自己的学术脉络。2000年刚成为研究生时，她带着"如何让机器和大脑拥有视觉智能"的好奇入行，实验室早期的ImageNet工作与神经网络算法及其GPU实现一道，推动了现代AI时代的到来。此后她历经计算机视觉、深度学习、机器人与医疗健康研究，参与创建并出任Google Cloud AI部门首席科学家，又成为斯坦福HAI创始院长，2024年初与Ben Mildenhall、Justin Johnson共同创立World Labs。

这条个人线索，也自然引出了信中的核心主张：世界并不只是由文字构成。她认为仅靠语言不足以支撑模型进一步发展，"宇宙并不是由文字组成的，而是由真实存在的事物组成的"，科学、娱乐、机器人等领域的关键问题都要求模型理解并推理物理世界的结构与行为。

技术层面，她提到通过收购SceniX，公司正在构建行业领先的机器人仿真能力；近期发布的Atlas是一种首创的全模态模型架构，解决了空间智能中长期存在的"新视角预测"问题——类似大语言模型根据文本预测下一个token，Atlas从零开始训练，可根据输入的二维图像预测下一个视角，表现甚至优于专门针对该任务训练的模型；结合生成式模型与多视图几何，它实际上处理了计算机视觉中"稀疏重建"这一长期难题。

而之所以选择走向AMD，她解释需要扩大投入、拓展影响范围并更接近硬件，否则AI在效率与规模上都会受限。双方的合作也并非临时起意，World Labs成立初期即与AMD往来，苏姿丰很早就是其投资者和使命支持者，也是她的朋友。去年起，双方开始深入技术合作，重点围绕AMD GPU上的模型训练与推理优化。