82亿美元，AMD买下一家成立两年的公司

82亿美元，全股票形式。AMD把一家成立仅两年的世界模型公司World Labs收入囊中。

收购公告里，AMD给出的理由是：“World Labs 的模型经验，将帮助AMD更深入地理解工作负载如何演变，进而塑造未来的技术路线图。”

这句话的落点不在模型本身，而在“工作负载如何演变”。一家芯片公司愿意为一家模型公司开出这个价格，看中的是提前判断算力需求往哪走的能力。

一个词，两种出身

世界模型这个词，最早不是计算机科学提出来的。1943年，英国心理学家Kenneth Craik在《The Nature of Explanation（解释的本质）》里写到：人的大脑会在内部建立一个关于外部的“小规模世界模型”，并利用这个模型预测未来可能发生的事情、比较不同的行动方案。

2018年，Google Brain的David Ha与人工智能先驱Jürgen Schmidhuber共同发表论文《World Models》，正式在人工智能领域提出这一概念，并给出一个框架：世界模型=观察世界（V）+预测世界（M）+在内部世界中学习行动（C）。

这条线索指向的问题一直没变：AI需要的可能不只是生成内容，而是形成一个关于世界如何运转的内部模型。

李飞飞和杨立昆，分歧在哪

今年6月，李飞飞发表长文，认为世界模型是当今AI最重要、也最被过度使用的术语之一。她按功能把世界模型分成三类：

• 渲染器：输出观测，以人眼观看的像素形式呈现，文生视频是代表产品；
• 规划器：回答智能体下一步该做什么，还处于萌芽状态；
• 模拟器：负责输出世界状态，是连接二者的桥梁，最重要也最容易被忽视。

李飞飞认为，模拟器提供的是世界模型的结构骨架，既能从中导出视觉外观供渲染器使用，也能从中导出行动后果供规划器使用。

杨立昆的看法不同。他认为生成视频不等同于理解世界，你根本不可能预测视频里发生的一切，合理的可能情况有无穷多种。他给出的方案是联合嵌入预测架构（JEPA）。

杨立昆对JEPA的解释是：为了能够做预测，你需要找到一种抽象。在他看来，世界模型不应该是模拟器，它们应该在抽象空间中工作；世界模型不应该是生成式模型，也不应该是视频生成系统。

两条路线最终指向相似的问题——AI能否形成对现实世界的认识，并据此预测环境如何变化、行动会产生什么后果。

巨头的取舍

世界模型不是新概念，但新一轮产业热度大约从2024年前后开始，并在2025年至2026年随着视频生成、机器人和Physical AI的快速发展进一步升温。

2025年11月，Meta首席AI科学家杨立昆宣布离职。他在接受采访时表示，2024年前后，Meta逐渐将更多资源转向大语言模型和超级智能方向，FAIR等偏探索性的研究因此受到影响。在他离开之前，Meta已经削减了包括FAIR团队成员在内的部分AI岗位。

离开Meta后，杨立昆个人成立了新公司AMI Labs，延续JEPA方向的探索。他曾多次表示大语言模型不是通往人类级别、类人智能的正确技术路径。今年9月，在纽约的演讲中，杨立昆重申：“如果你关心人类水平的AI，就不要研究LLM。”他把这句话用红色字体放在结尾的PPT中。

李飞飞也把世界模型视为通往更高级机器智能的重要技术路径。她曾在社交平台表示：大语言模型仍然是黑暗中的文字匠人：能言善辩，却缺乏经验；知识渊博，却脱离现实。

但大语言模型仍是当下科技巨头押注的重点。世界模型仍处于技术探索期，商业化路径远未成熟。杨立昆离职Meta、创立AMI Labs，是这种资源取舍的一个结果。

谷歌在世界模型方向倾注了更多资源。2025年8月，Google DeepMind发布Genie 3，DeepMind表示：“Genie 3是我们突破性的世界模型，可以通过单个文本提示词创建交互式、可玩的环境。从照片般逼真的风景到奇幻的境界，可能性无穷无尽。”

芯片公司的动作更早。2016年，黄仁勋亲自向OpenAI交付了第一台DGX-1 AI超级计算机；英伟达在2025年1月发布了Cosmos世界基础模型平台。现在，AMD收购了一家世界模型公司。

从生成镜头，到生成一个世界

AMD宣布收购World Labs的同时，李飞飞发长文回顾了一路走来的历程。她写道：宇宙并非由文字构成，而是由真实存在的事物组成。从科学、娱乐到机器人，人工智能需要解决的诸多重要问题，都需要模型来推理物理世界的结构和行为。

她重点提到近期发布的Atlas。李飞飞称，Atlas解决的是空间智能领域一个长期存在的关键问题：如何仅凭少量2D图像，重建真实空间，并预测此前没有观察到的新视角。它能够用于机器人、娱乐场景生成、房地产、设计、建造等领域。

机器人是这套能力最直接的去处。当下的机器人泛化程度仍然有限，往往只能做一些固定的动作，在面对突发场景时经常失灵，这正是世界模型所努力解决的问题之一。

内容产业是另一个方向。World Labs联合创始人Ben Mildenhall曾表示，World Labs一直拥有不少来自创意行业的用户，他们使用相关模型维持2D图像、电影、3D和游戏之间的空间一致性。

谷歌Genie 3最大的变化之一，是从“生成一段视频”走向“生成一个可以实时进入的世界”：它可以根据文字提示生成动态环境，以24fps运行，维持数分钟的世界一致性。

如果说文生视频是在“生成一个镜头”，那么Genie 3开始尝试的是“生成一个可以进入、互动的世界”。未来的内容生产对象，可能不再只是“一部电影”“一集电视剧”或者“一条短视频”，而可能变成一个可以持续运行、不断变化、允许用户进入的数字世界。

不久前，彭博社报道称，字节跳动正在基于Seedance开发实时空间视频生成模型。该项目涉及跨部门及算力资源协调，目标并不只是一段生成好的视频，而是一个能够根据用户声音和动作实时变化的虚拟环境，潜在应用包括直播、短剧和游戏，并计划服务Pico头显。

AMD的82亿美元，买的是这家公司今天的模型能力，也是世界模型这类前沿模型可能给芯片硬件研发带来的前瞻性。当模型开始生成可以进入的世界，算力需求会变成什么样，芯片公司想比其他人先知道答案。