82亿美元，AMD买下李飞飞世界模型公司：卖铲子的人，为什么自己下矿了？

本文来自微信公众号： 第一新声 ，作者：第一新声

“芯片女王”苏姿丰，把“AI教母”李飞飞，连同她的世界模型公司一起，买了下来。

当地时间周一，AMD正式宣布，以约82亿美元全股票交易收购李飞飞创办仅两年的World Labs。折合人民币约550亿元。这是AMD史上第二大收购，仅次于2022年约500亿美元拿下赛灵思。

交易完成后，李飞飞将出任AMD执行副总裁兼首席科学家，直接向苏姿丰汇报。World Labs约70人团队并入AMD，两位联合创始人Justin Johnson和Ben Mildenhall继续带队推进模型研究。

消息一出，最直接的问题是：一家卖芯片的公司，为什么要花82亿美元买一支研究团队？以及——当英伟达刚刚花130亿美元买下Hugging Face，AMD转身买下World Labs，这两笔交易放在一起看，到底在打什么算盘？

01

82亿美元，AMD到底买了什么？

先看交易本身。

买方AMD，卖方World Labs，价格约82亿美元，全部以AMD股票支付。协议于9月26日签署，9月28日正式公布，预计2026年底前完成交割，仍需监管批准。李飞飞出任AMD执行副总裁兼首席科学家，直接向苏姿丰汇报；联合创始人Justin Johnson和Ben Mildenhall继续领导World Labs团队，组建前沿AI研究组织。

这不是一次突兀的“闪婚”。双方的关系，早有伏笔。

资本层面，AMD从B轮就已入局。2024年9月，World Labs完成B轮融资，投后估值13亿美元，AMD旗下投资机构参与其中。同轮天使投资人还包括Geoffrey Hinton、Andrej Karpathy、Jeff Dean等AI圈顶级人物。2026年2月，World Labs完成10亿美元C轮融资，投后估值54亿美元，AMD Ventures继续跟投，英伟达、Autodesk也在同一轮出现。

技术层面，双方合作已持续一年半。2025年，AMD与World Labs启动深度技术合作，围绕AMD GPU上的模型训练和推理优化展开联合开发，涉及分布式训练、通信、混合精度、内存管理，以及视频处理、三维表示、相机控制等世界模型特有的复杂输入。2026年1月CES上，苏姿丰与李飞飞同台展示World Labs产品Marble，演示素材直接取自AMD硅谷办公室。3月19日，AMD公开宣布进一步扩大双方在AMD Instinct GPU上的空间智能与世界模型算力合作。

定价层面，82亿美元是对最后一轮估值的约1.5倍。World Labs累计融资约12亿美元，最后一轮投后估值54亿美元。82亿美元收购价，溢价约50%。A轮投资人a16z和Radical Ventures以约3亿美元估值进入，回报约19倍；B轮投资人回报约5倍；C轮投资人7个月回报约1.5倍。四位联合创始人及团队合计仍持有约56%股份，对应约46亿美元。

所以，AMD买下的不只是一家公司。它买下的是一支已经合作一年半、彼此知根知底的前沿模型团队，一个已经推出Marble和Atlas两款产品的空间智能公司，以及一张通往物理AI时代的入场券。

02

物理AI竞赛：

AMD和英伟达，打法完全不同

要理解这笔交易，得先理解一个词：物理AI。

过去几年，AI的主战场是文本。大语言模型读遍互联网，学会了写诗、写代码、写论文。但它始终活在二维屏幕里，不懂什么是遮挡，不懂重力，不懂一个杯子从桌上掉下去会碎。

物理AI，就是让AI走出屏幕，理解真实三维世界。机器人看到玻璃杯，知道怎么拿起来；自动驾驶看到前方路况，知道怎么预判；工业仿真看到一条产线，知道怎么优化。这些能力，靠文本模型给不了，必须靠世界模型——能感知、生成、重建和模拟三维空间的AI系统。

World Labs做的，正是这件事。Atlas模型给定一张二维图像，能预测出从另一个角度观察时应该看到什么；Marble工具能把文字、图片、视频变成可漫游、可编辑的三维世界。简单说，它让AI从“会说话”变成“懂空间”。

这个赛道，英伟达已经布局多年。Cosmos世界基础模型、Isaac Sim仿真平台、GR00T机器人模型，构成了从生成训练数据到机器人部署的完整链条。加上Omniverse工业数字孪生平台，英伟达在物理AI上的护城河，早已不只是GPU，而是“芯片+平台+模型+工具”的全栈闭环。

AMD此前在这一领域几乎是空白。向公众开放的只有文本和视频模型，缺少面向物理世界理解的世界模型产品。所以这笔收购，本质上是AMD用82亿美元，直接买了一张物理AI的入场券，拿到了对抗英伟达Omniverse体系的核心算法引擎。

两家芯片巨头的打法，也因此截然不同。

英伟达买Hugging Face，买的是“入口”。Hugging Face是全球最大的AI模型托管平台，开发者在这里找模型、比效果、测成本、决定部署。英伟达把它买下来，等于把开发者选择模型的起点也握在手里。加上CUDA生态，英伟达的逻辑是：不管你用谁的模型，最后都跑在我的芯片上。

AMD买World Labs，买的是“源头”。AMD从来不靠卖模型赚钱，它卖的是CPU、GPU和数据中心系统。但芯片设计周期以年计，今天定下的架构，两三年后才会在数据中心跑起来。如果等模型公司把新需求摆到面前再适配，芯片公司永远慢半拍。把一支前沿模型团队放进自己家里，等于在研发链条最上游装了一个传感器。苏姿丰说得直白：“你对端到端流程了解得越深，就越能构建出更好的系统。”

一个守“现在”，一个抢“未来”。一个加固生态入口，一个直插研发源头。这才是AMD这一刀真正的含义，它捅向的是英伟达在物理AI时代最核心的护城河：对下一代算力需求的定义权。

03

矿脉变了，铲子的图纸也得跟着变

但“定义权”三个字，说起来抽象。它到底藏在哪里？

答案，就在世界模型对算力的特殊需求里。

首先，世界模型吃算力的方式，和大语言模型完全不同。李飞飞在与苏姿丰的对谈中讲得很具体：空间智能需要非常大的内存、大量并行计算和快速推理。这三条与LLM的诉求并不重合。

内存方面，世界模型要维持一个可交互、前后一致的三维状态，这个状态必须常驻显存，而不是算完即弃。并行方面，不是批处理意义上的并行，而是仿真意义上的：同一个场景要在成千上万个平行副本里反复推演、试错、回归。快速推理方面，输出要可交互，延迟直接等于体验，也等于产品的可卖性。

更关键的是数据。机器人训练数据稀缺，真实世界采集慢、贵、有物理上限。世界模型的解法，是把数据稀缺问题转化为算力问题：用合成数据让机器人先在物理规律足够真实的数字世界里试错，验证后再回到真实世界部署。这条闭环叫Real-to-Sim-to-Real，正是世界模型商业价值的核心。

这意味着，矿的形状变了。

AI产业过去十年的分工是“淘金的人买铲子”。模型公司向芯片公司买算力，芯片公司只需把矩阵乘法做得更快更便宜。这套逻辑在LLM时代成立，因为几乎所有模型都长得像Transformer，硬件需求可以沿着“更大、更宽、更长”外推。

但到了世界模型，负载特征开始分叉。LLM是文本进文本出，矩阵乘为主，可大规模批处理；世界模型是图像、视频、文本进，可交互三维环境和状态预测出，需要超大内存常驻、海量并行仿真、快速推理。当矿的形状不再统一，铲子就无法用一套参数来定义。

所以AMD真正买的，不是模型，是下一代芯片的定义权。

芯片研发周期长，模型架构、训练方式和应用场景的变化，会直接影响计算、存储、互联、软件栈的设计。提前介入模型研究，才能更早捕捉下一代AI的算力需求。World Labs的模型团队进入AMD后，可以直接告诉硬件团队：世界模型训练和推理时，需要什么样的显存带宽、什么样的互联架构、什么样的算子优化。

这才是82亿美元最核心的价值。不是买一个现成的产品，而是买一个路线图预判权。提前几年知道算力将被用来做什么，从而定义下一代芯片该长什么样。苏姿丰说“定义AI计算的未来”，指的就是这件事。

04

分水岭已至：

物理AI时代的三个信号

这笔交易的意义，不止于AMD和World Labs本身。它像一道分水岭，把AI竞争划成了两段。

第一个信号：AI竞争的主战场，正在从“语言”转向“物理”。文本大模型处理符号信息，世界模型模拟真实三维空间、物体运动、物理规则，是机器人、自动驾驶、工业数字孪生、具身智能的前置技术。据CB Insights统计，世界模型领域投资额从2024年的14亿美元跃升至2025年的69亿美元。世界经济论坛首次将世界模型列入年度十大新兴技术榜单。英伟达有Cosmos，Google DeepMind有Genie 3，Meta有V-JEPA，World Labs有Marble和Atlas，国内腾讯混元、极佳视界等也在跟进。路线尚未收敛，但方向已经清晰。

第二个信号：芯片厂商的竞争边界，正在向模型层延伸。过去芯片公司只需懂“算力换算”，现在必须懂“模型怎么演进”。英伟达买Hugging Face，AMD买World Labs，都是同一个逻辑：模型架构、训练方式、应用场景的变化，会直接影响计算、存储、互联、软件栈的设计。提前介入模型研究，才能更早捕捉下一代AI的算力需求。未来的AI芯片竞争，比的不是谁的算力更大，而是谁更早、更准确地知道算力将被用来做什么。

第三个信号：产业分工的分界线，正在被重画。过去的分界是“硬件公司与软件公司”。在物理AI时代，真正的分界更可能是“能不能定义负载”：能定义负载的公司，决定芯片怎么设计；不能定义负载的公司，只能排队等芯片。这也是为什么“研究能力”会突然变成芯片公司的估值变量——它不再是成本中心，而是路线图的上游。

但挑战同样刺眼。世界模型仍处于早期，物理规则理解不足、因果推理薄弱、长时一致性有限，训练成本极高，商业化尚需时间。全股票交易意味着收购成败绑定AMD股价。研究团队进入大公司后能否保持前沿锐度，开源节奏和论文发表自由度是否受限，都是产业史上反复出现的难题。市场的即时反应也耐人寻味：消息公布后，AMD盘后股价几乎持平，至少华尔街暂时没把它当成一笔改变格局的交易。

05

写在最后

十年前，AI产业的分工是“淘金的人买铲子”。今天，AMD用82亿美元告诉市场：当矿藏的类型开始变化，卖铲子的人最好的选择，是自己下去看看矿脉长什么样。

从ImageNet点燃深度学习浪潮，到创办World Labs攻坚空间智能，再到加盟AMD携手芯片巨头，李飞飞的职业轨迹，某种程度上就是现代AI发展的缩影。而苏姿丰治下的AMD，从CPU逆袭到GPU追赶，再到如今买下世界模型团队，走的是一条从“卖算力”到“定义算力”的路。

两位华裔女性领袖的联手，让这场关于“真实物理世界智能”的角逐进入新阶段。但真正值得记住的不是82亿美元的价格，而是它给出的一个判断标准——在AI硬件的下一轮竞争里，比的不是谁的算力更大，而是谁更早、更准确地知道算力将被用来做什么。

免费的狂欢终会落幕，付费的智能才是船票。而算力的下一站，不在参数里，在真实世界里。