AMD斥资82亿美元押注世界模型的野心：争夺下一代AI算力入口

来源：市场资讯

（来源：澎湃新闻）

芯片巨头AMD（超微半导体）正在把竞争边界从AI（人工智能）芯片层进一步延伸至模型层。

当地时间9月28日，AMD宣布以约82亿美元收购“AI教母”李飞飞的AI初创公司World Labs。双方已经签署最终收购协议，这笔交易将全部以AMD股票支付，预计于2026年底前完成。

交易完成后，World Labs联合创始人李飞飞将加入AMD，担任执行副总裁兼首席科学家，直接向AMD董事长兼CEO苏姿丰（Lisa Su）汇报。World Labs团队则将继续从事AI模型研究。

对于AMD而言，这并不是一次单纯的人才收购。AMD在公告中表示，World Labs的研究将帮助公司获得对新兴AI工作负载更深入的理解，并指导未来硬件、软件和系统的技术路线图。

9月29日美股盘前，AMD涨0.4%。

为什么是World Labs？

公开资料显示，World Labs由李飞飞等人于2024年创办，总部位于美国旧金山，主要研究空间智能和世界模型。

与主要处理文本信息的大语言模型不同，世界模型试图让AI理解和模拟真实世界中的三维环境以及物体之间的关系，被认为是机器人、自动驾驶、仿真等物理AI应用的重要技术方向。

World Labs已经推出了生成式世界模型Marble，并于今年9月发布了新的世界模型Atlas。公司还与AMD建立了技术合作关系，并获得AMD投资。

事实上，这种合作关系也成为此次收购的重要基础。李飞飞表示，World Labs此前已经与AMD展开深度技术合作，双方从模型训练和推理优化开始合作。随着合作深入，双方逐渐认识到，将软件、硬件、基础模型和应用结合起来，是进一步推动空间智能发展的自然路径。

那么，为什么AMD愿意在此时斥资82亿美元收购一家成立仅两年的AI公司？

苏姿丰解释道，构建下一代AI计算平台，需要深入理解模型本身如何演进。AMD希望借助李飞飞和World Labs团队的模型研究能力，更好地判断未来AI工作负载的变化，并据此塑造公司的技术路线图。

英国《金融时报》认为，此次收购将进一步推动AMD从传统芯片设计向下一代AI模型开发延伸。World Labs所研究的世界模型不仅有望应用于机器人、游戏等领域，也可能进一步催生新的计算需求。

对World Labs而言，硬件同样是其选择AMD的重要原因。

李飞飞在解释此次交易时表示，World Labs已经看到了空间智能和世界模型的潜力，但如果要进一步扩大规模，就需要“更加靠近硬件”。她认为，没有专门的硬件投入，AI的发展会受到效率和规模的限制。

AMD买到的不只是一个模型团队

分析指出，这笔收购交易的核心价值并不在于World Labs短期能够为AMD贡献多少收入，而在于其对未来AI工作负载的研究能力。

研究机构Moor Insights & Strategy首席分析师Patrick Moorhead直言，这是一次“人才和模型洞察”的收购，而不是“收入型收购”。他认为，AMD获得的是开发未来芯片需要运行的模型的人才，以及对模型发展方向的洞察。

花旗分析师Atif Malik也认为，吸收李飞飞及其团队后，AMD能够更深入地了解AI模型的演进，并进一步强化AI平台战略。他将AMD此次交易的动机概括为三点：获取更多顶尖AI工程师、加强AMD在物理AI领域的布局，以及构建更好的端到端AI系统。

图形和计算行业研究机构Jon Peddie Research在报告中写道，World Labs的加入能够把前沿模型研究进一步带入AMD的芯片和系统设计体系。当World Labs研究人员开发新的AI工作负载时，这些经验可以帮助AMD架构师更早理解未来模型对计算能力、内存、芯片间互联以及软件的需求。

这也是AMD近年来AI战略发生变化的一个缩影。随着AI模型从大语言模型进一步向推理、机器人、空间智能和物理AI扩展，模型本身正在越来越直接地影响芯片架构和系统设计。

这笔交易背后的竞争背景同样不容忽视。近年来，AI芯片龙头英伟达已经从GPU向软件、基础模型和机器人等领域延伸，并持续布局物理AI。

AMD此次收购World Labs，则进一步补强了其在空间智能和世界模型领域的能力。《财富》杂志分析认为，World Labs所处的物理AI领域可能推动新一代机器人、自动驾驶等机器智能应用，而这些新应用也将反过来影响AMD未来的产品设计。

研究机构Constellation Research分析师Larry Dignan则指出，World Labs的加入将增强AMD在机器人和物理AI领域的模型能力。AMD正在进一步构建从硬件、软件到模型的完整AI技术栈，这与英伟达近年来的发展路径存在相似之处。

这也意味着，AI芯片公司的竞争，正在从“谁能提供更多算力”，进一步走向“谁能更早理解下一代AI需要什么样的算力”。