AMD 82 亿美元收购李飞飞的World Labs：世界模型为何成了下一代算力入口？

点击产业数字化时代> 点击右上角“···” > 设为星标

82 亿美元。

AMD 把这个数字摆在了李飞飞创办的 World Labs 面前：一笔全股票收购。

消息传出，很多人的第一反应是：一家做芯片的公司，为什么要花这么大的代价，买一家研究“世界模型”的 AI 公司？

我的判断是，AMD 看中的，是 AI 下一轮竞争可能发生的位置。

过去两年，大家习惯了让 AI 写文章、生成图片、回答问题。

现在，行业开始追问另一个问题：如果 AI 要开车、操控机器人、设计一间能走进去的房子，它怎样理解自己身处的世界？

世界模型、空间智能、物理 AI、具身智能，这些热词背后，藏着同一道题：让 AI 从处理屏幕里的信息，走向理解空间与行动。

这也是 AMD 愿意下注的地方。

世界模型，到底给 AI 增加了什么能力？

01

PARTY

想象你给 AI 一张厨房照片。

普通图像模型能告诉你：这里有桌子、杯子和一把椅子。生成模型还能画出一张更漂亮的厨房图。但如果你往左走两步，原本被桌子挡住的部分是什么？把椅子挪开后，空间会怎样变化？机器人伸手碰到杯子，杯子又会往哪儿动？

这些问题要求 AI 对空间有持续的理解，并对变化作出预测。这就是“世界模型”要解决的问题。

它的能力可以分成三层：

● 先生成一个能从不同角度观看的三维场景；

● 再让场景随着人的操作持续变化；

● 最后让其中的物体运动和交互足够接近真实世界，可以用来训练、测试机器人。

一张好看的图，是内容。一个能反复进入、操作和检验结果的世界，才可能成为 AI 的训练场。

World Labs 已经推出 Marble：用户可以用文字、图片或视频生成可探索、可编辑的三维世界。

来源：Marble平台三维世界

它还在研发更通用的 Atlas 模型，并推进机器人训练仿真。三维场景生成已有产品；让仿真可靠预测现实中的复杂物理交互，仍是需要持续验证的难题。

AMD 为什么愿意押上 82 亿美元？

02

PARTY

一旦 AI 开始在三维世界中学习和行动，计算任务就会发生变化。

它要处理来自摄像头、视频、深度信息和动作的数据；生成大量不同的场景；让机器人在场景中反复试错；还要在真实设备上及时作出反应。

每一步都要计算，但对速度、显存、数据传输和软件的要求并不一样。

AMD 的生意，正是提供支撑这些任务的 GPU、CPU、网络和软件。对它而言，World Labs 的价值有三层。

第一层，是模型和人才

李飞飞及其团队长期研究视觉与空间智能，可以让 AMD 更早看见前沿模型遇到的计算瓶颈。

第二层，是共同设计

知道模型究竟慢在哪里，芯片和软件才有机会针对真实任务优化。AMD 此前已经投资 World Labs，双方也在 AMD Instinct GPU 上开展模型运行优化。收购把这种合作推进到同一家公司内部。

第三层，是生态入口

如果未来的三维创作、机器人和自动驾驶大量依赖世界模型，开发者会围绕能高效运行这些模型的平台搭建产品。AMD 争取的，是下一代应用形成时的算力位置。

这笔交易的价格确实惊人。

AMD 的商业判断也有清晰的风险：世界模型能否形成足够大的市场，World Labs 的技术能否持续领先，相关应用能否带来可观的芯片与系统需求，现在都没有最终答案。

82 亿美元体现的是对未来的定价，需要由未来的客户和收入来验证。

世界模型最先在哪里产生价值？

03

PARTY

近期最容易看见的是内容生产。影视团队可以更快搭场景、找机位；游戏开发者可以制作可探索的环境；建筑师可以让客户提前“走进”设计方案。这些用途已经有具体产品承接。

游戏制作场景

再往前一步，是智能驾驶。现实道路上危险、罕见的情况很难主动采集。世界模型如果能生成足够真实、可控的雨天、遮挡和突发场景，就能帮助训练和测试驾驶系统。

智能驾驶场景

最难、也最有想象力的是机器人。一台机器人学会收拾桌面，靠现实中的少量示范远远不够。它需要在不同桌子、杯子、光线和摆放方式下反复练习。可靠的仿真环境，有机会把昂贵的现实试错转移一部分到虚拟世界。

机器人训练场景

但请记住一个判断标准：虚拟世界里表现好，最终要靠真实世界的成功率来证明。这条从仿真到现实的路，决定了世界模型能走多远。

中国企业正在从不同入口进入这场竞争

04

PARTY

国内同样有几条值得关注的路线。

1

华为把昇腾算力、云服务和盘古世界模型放在一起推进，重点指向智能驾驶、机器人等行业场景。阿里一边布局自有 AI 芯片和云平台，一边推出包括机器人世界模型在内的 Qwen-Robot 系列，相关产品已进入客户试点。

它们在尝试打通“计算平台—模型—行业应用”。

2

腾讯混元持续研究可漫游的三维世界生成与重建；字节跳动 Seed 则探索生成能进入仿真器的三维物体和场景。

这条路线着力降低三维环境的制作门槛，为游戏、设计和机器人仿真提供素材与工具。

3

车企和车载芯片企业握有另一种资源：真实场景。小米汽车发表了驾驶世界模型研究，小鹏把视觉语言动作模型逐步用于驾驶辅助，地平线则持续推进车载芯片与驾驶模型的协同。

车辆每天在复杂道路上运行，给模型验证、发现失败场景和再次改进提供了机会。

这些布局各有侧重，也指向中国企业必须完成的一次连接：让真实数据进入模型，让模型构建可用的训练环境，让算力平台高效运行模型，再让现实应用检验结果。

下一轮竞争，最终要看这条闭环能不能转起来

05

PARTY

今天发布一个世界模型，或展示一段机器人视频，都只是起点。

真正可落地的路径是：从真实车辆、机器人和生产现场采集数据；用世界模型重建并扩展场景；在仿真中训练和测试；回到现实检验；再把失败案例送回模型。

这个循环越快、越便宜、越可靠，企业的优势才越难被复制。

AMD 用 82 亿美元押注 World Labs，让“世界模型”从研究话题变成了产业问题。

对中国企业而言，机会已经出现在芯片、云、三维生成、汽车和机器人等多个环节。

接下来的关键，是让这些能力在同一条链上工作，并拿出经得起真实场景检验的结果。

未来的 AI，也许会先在无数个虚拟世界里练习，才走进我们的现实生活。

、、、 、、、、、、、

版权声明：【本公众号尊重原创。所使用的文字、图片素材版权均归原作者所有。若文章内容不慎侵犯了您的权益，请您与我们联系，我们将第一时间进行处理。感谢您的理解与支持。】

求喜欢

AI时代已来啦！

你还没关注“产业数字化时代” ？

快快关注

产业最新动向

即刻获取