刚刚，AMD 宣布已与李飞飞创办的 World Labs 达成最终收购协议。这笔交易全额以股票支付，总额约 82 亿美元，预计于 2026 年底前完成。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 CEO 苏姿丰汇报。
一家芯片巨头，为何要掏出 82 亿美元买下一家成立仅两年的模型公司？
AMD 的答案很直接：它必须赶在市场成型之前，预判下一代 AI 究竟如何消耗算力。苏姿丰在公告中坦言，打造下一代计算平台的前提，是深入理解模型的演进路径。World Labs 的研究团队，正是为了帮 AMD 定义未来的芯片、软件栈与系统架构而来。
过去，芯片厂商的研发逻辑相对被动，等待客户明确需求，再跟进改良产品。但今天的格局变了，前沿模型形态正经历剧烈震荡。在语言模型之外，多模态视音频、空间重建乃至具身机器人仿真，都在提出截然不同的计算与显存诉求。硬件架构迭代漫长，如果等到某种新型模型形成庞大生态才着手调校芯片，往往已经错失窗口期。
AMD 收购 World Labs，本质上是把模型研究的前沿触角直接焊死在自己的硬件路线图上。
World Labs 的价值，不只是生成一个三维世界
李飞飞于 2024 年创办 World Labs，研究方向是「空间智能」：让 AI 理解空间结构，以及物体和环境如何随时间变化。其首款产品 Marble 可以根据文字、图片、视频生成可探索、可编辑的三维环境。今年 9 月发布的 Atlas，则把世界生成、空间重建和时空模拟结合在一个模型中。
这些能力看起来都与“生成画面”有关，但商业价值并不相同。为游戏制作场景，需要的是可编辑、可复用的三维资产；让机器人在虚拟环境里练习抓取，环境还必须对动作作出可信的反应。
World Labs 自己将世界模型区分为渲染、模拟和规划三类，并强调模拟的重要性。漂亮的画面可以供人观看，可信的模拟环境才能让机器反复行动、试错和接受评估。
World Labs 在今年 7 月收购机器人仿真公司 SceniX。后者尝试把真实机器人、物体及其交互转化成可重复使用的模拟任务，让机器人先在虚拟环境中训练和测试，再回到现实世界验证。World Labs 指出，机器人学习的一大瓶颈是现实试验昂贵、缓慢，而且难以系统性覆盖各种失败情况。
因此，AMD 买下的并非单一的三维生成应用。它获得了一支同时研究基础模型、空间重建和机器人模拟的团队。如果机器人需要大量虚拟环境训练，世界模型本身就可能成为新的大规模算力客户。如果三维内容创作继续发展，它也可能催生另一类持续运行的生成与渲染负载。
为什么合作和投资还不够？
事实上，双方早有渊源。World Labs 从去年起便在 AMD GPU 上进行模型训练与推理优化。今年 2 月其完成的 10 亿美元融资中，AMD 与英伟达双双在列。
既然已经能跑通合作，为何非买不可？
答案在于响应周期与深度。外部合作大多停留在“让芯片适配已有模型”，却很难让芯片架构师在模型最底层的设计初期就参与博弈。以 Atlas 为例，它需要同时吞吐文字、图像、视频与 3D 空间数据，并依托相机轨迹组织输入。其架构虽借鉴了 LLM 与视频生成模型，却必须为多源异构输入和精确的空间控制设计统一基座。这类模型在训练吞吐、显存带宽以及推理调度上带来的压力，是传统网络难以复现的。
将这批顶尖研究者收编麾下，核心在于缩短算法与芯片之间的反馈闭环。研究员最清楚算力瓶颈卡在何处，芯片与系统团队就能提前数年决定下一代架构该优化什么。当然，“软硬件协同设计”目前仍停留在战略预期层面，AMD 仍需证明，这种内部协同最终能在性能、综合成本或开发者体验上，转化为外部客户可感知的护城河。
如果结合 AMD 近期的动作，这盘棋的逻辑愈发清晰：7 月发布机架级 AI 系统 Helios 与面向机器人的 Kria 边缘计算平台；8 月宣布拟收购专用推理芯片公司 Taalas。前者主打大规模集群基础设施与边缘机器人计算，后者押注特定场景的极限推理效率，而 World Labs 则守在最源头——定义未来五年会有哪些全新模型出现、它们会带来什么样的工作负载。
拼图拼齐之后，AMD 的闭环清晰显现：以顶尖模型研究洞察新负载，以芯片与系统深度定制算力，再通过工具链与开源生态撬动更广泛的开发者。
李飞飞在解释加入 AMD 时曾提到，缺乏针对性的硬件支撑，AI 的效率与扩张规模必将遭遇瓶颈。反过来看，这一逻辑对 AMD 同样致命，当模型范式骤然转型，仅懂硅片而不懂模型，硬件研发同样会走进死胡同。
这笔 82 亿美元的交易，能否真正变为 AMD 的护城河，取决于这些实验室里的前沿探索，究竟能在多大程度上被写进芯片代码，并交付到千千万万开发者手中。