美国时间 9 月 28 日，AMD 宣布与 World Labs 签署最终协议，以全股票方式收购这家由李飞飞创办的 AI 公司，交易作价约 82 亿美元。交易预计在 2026 年底前完成，但仍需获得监管批准。交割后，World Labs 将作为研究部门并入 AMD，李飞飞出任执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报。
按金额算，这是 AMD 历史上仅次于 Xilinx 的第二大收购。Xilinx 是一家 FPGA 芯片设计公司，2022 年完成交割时作价约 500 亿美元。
World Labs 成立于 2024 年，估值涨得很快。2024 年 9 月，它带着 2.3 亿美元融资、10 亿美元估值结束隐身；2025 年 11 月推出第一款商业产品 Marble；2026 年 2 月完成 10 亿美元融资，估值 50 亿美元，投资方里有 a16z、Autodesk，也有英伟达和 AMD；今年 7 月，它又收购了机器人仿真公司 SceniX。从 50 亿美元到 82 亿美元，中间只隔了七个多月。
两家公司的合作早于这次收购。李飞飞在宣布消息的博客里写道，苏姿丰是 World Labs 的早期投资者，一直看好他们要做的事；从去年开始，双方就在 AMD GPU 上合作，做模型训练和推理优化。
不过，这笔交易让人有点疑惑：AMD 是芯片公司，World Labs 做的是模型，而且是离大规模商业化还比较远的世界模型。芯片和世界模型，看起来并不在一条线上。AMD 为什么要花这么多钱买一个模型实验室？
要回答这个问题，得先弄清楚世界模型到底是什么，World Labs 又处在什么位置。
“世界模型”不是一个东西
今年除了 Agent，世界模型是 AI 行业另一个热门方向。2 月，World Labs 融资 10 亿美元；3 月，杨立昆在巴黎创办的 AMI Labs 拿到 10.3 亿美元种子轮。
这些研究者的共同出发点是：大语言模型从文字里学到了大量知识，但文字不等于世界。李飞飞曾把今天的大语言模型形容为”黑暗中的文字高手”，能谈论现实，却没有真正在现实里生活的经验。她在这次的博客里说得更直接：”宇宙不是由文字组成的，而是由真实事物组成的。”一个模型可以解释杯子为什么会从桌上掉下来，但机器人真要伸手去拿杯子，就得知道杯子离桌边多远、手从哪个方向过去，以及碰到以后整个场景会怎么变化。
问题在于，”世界模型”这个词到现在也没有统一的定义。能生成流畅视频的叫世界模型，能生成可漫游 3D 场景的叫世界模型，能控制视角的也叫世界模型。各家用的是同一个词，做的却不是同一件事。
为了看清差别，可以问三个问题。第一，模型记住的是一串画面，还是一个独立于画面存在的世界？第二，这个世界有没有时间，会不会自己变化？第三，用户或机器人做了一个动作，世界会不会被改变，改变能不能留下来？带着这三个问题，再来看几条主要路线。
路线一：预测下一帧——Genie 和 Runway
第一条路线从视频生成出发。思路很直接：给模型当前的画面和一个动作，比如往前走、向左转，让它生成下一帧；再把这一帧和新的动作喂回去，生成再下一帧。一帧接一帧地接龙，就”模拟”出了一个可以交互的世界。
谷歌 DeepMind 的 Genie 是这条路线的代表。2025 年 8 月发布的 Genie 3 可以根据文字提示实时生成可交互的环境，分辨率 720p，每秒 24 帧，能保持大约一分钟的记忆，比 Genie 2 的 10 到 20 秒长了不少。它不依赖写好的物理引擎，世界怎么运转，全靠模型自己从训练数据里学。2026 年 1 月，谷歌以 Project Genie 的名义把它开放给美国的 AI Ultra 订阅用户；在 Google I/O 2026 上，Project Genie 又接入了街景数据，可以根据真实地点生成能在里面走动的模拟。
Runway 也在这条路上，不过它把世界模型用在了软件界面上。8 月底，Runway 发布了 Solaris，称之为”界面世界模型”：它逐帧生成的是网页和应用界面。用户点击、拖动，模型就生成界面接下来的反应，中间不经过代码。Solaris 基于 Runway 的 Gen-4.5 视频模型，延续的是它此前通用世界模型 GWM-1 的思路。
这条路线的问题也出在”接龙”上。模型对世界的全部理解，都压缩在最近的一段画面里。一个物体离开镜头，就没有任何地方保存它；镜头转回来，模型只能根据上下文重新猜一遍。结果是物体会漂移、消失，或者凭空出现。爱范儿在一篇介绍 VAST 的文章里有个概括：它记住的不是世界，是几帧画面。
另一个问题是贵。每一帧都要实时生成，每个用户看到的画面又都不一样。Project Genie 把单次生成限制在 60 秒。DeepMind 研究总监 Shlomi Fruchter 在接受 TechCrunch 采访时解释：”你在用它的时候，某个地方有一块芯片只属于你，专门服务你的这次会话。”限制在 60 秒，是为了让更多用户用得上。Runway 也承认，逐帧生成界面的成本虽然已经比标准视频扩散模型低了几个数量级，但仍然比直接提供一个做好的页面要贵。
这个细节，后面谈芯片时还会用到。
路线二：先把空间建起来——World Labs 从 Marble 到 Atlas
李飞飞的 World Labs 走的是另一条路，她称之为”空间智能”：先让 AI 把三维空间建出来，理解几何关系，再谈其他。腾讯的 HY World 也被归入这一派。
World Labs 的第一款产品 Marble 在 2025 年 11 月推出，可以根据文字或图片生成一个能在里面自由走动的 3D 世界。因为生成的是 3D 场景，转身再回来，东西还在原地，视角一致性的问题解决了。代价是这个世界是静态的：场景停在生成的那一刻，灯不会熄，天不会亮，人能走进去，却改变不了什么。
今年 9 月，World Labs 发布了新一代模型 Atlas。按官方说法，它是一个从零预训练的”全能”世界模型，能原生处理文字、图像、视频、相机位姿和三维深度，在同一个模型里完成世界生成、空间重建和时空模拟。Atlas 目前只向部分合作伙伴开放早期访问，未来会成为 Marble 等产品的底层模型。
Atlas 最直观的变化，是把相机位姿变成了模型的原生输入。普通视频模型控制运镜要靠文字，写一句”镜头缓慢向左拉升”，模型能理解大致意思，但轨迹、速度和角度并不精确。Atlas 则可以直接接收相机在三维空间里的位置、朝向和运动轨迹，就像在 3D 软件里排布机位一样。官方演示中，用 1 到 6 张参考图，配合手工设计的相机路径，可以生成最长 1 分钟、1440p 的视频。
这背后的关键概念是”空间上下文”。大语言模型根据前文预测下一个词；Atlas 则把每一张图、每一张深度图都和一个明确的相机位姿绑定，放进同一个三维空间里，再去预测：相机移到另一个位置，应该看到什么？
有了空间上下文，Atlas 的第二项能力是稀疏重建，也就是只用少量照片，推断出照片没有拍到的空间。官方演示了斯坦福大学主广场的例子：用 2 到 25 张地面视角的照片，就能重建出草坪、拱廊和教堂外墙，镜头还能升到空中航拍。在 World Labs 公布的测试里，Atlas 在多个公开数据集上的平均重建误差是 25.3，低于 Pi3X 的 28.7、Depth Anything 3 的 39.3 和 MapAnything 的 47.7，数值越低越好。重建结果可以导出成点云和 3D 高斯泼溅（Gaussian Splatting），在设备上实时渲染。
第三项能力是时空模拟：不光知道空间长什么样，还知道里面的东西怎么随时间变化。最能说明这件事的是”子弹时间”。1999 年《黑客帝国》拍基努·里维斯仰身躲子弹那一幕时，剧组沿弧线布置了 120 台静态相机，按时间差依次曝光，再通过后期把离散的视角接成连续镜头。去年的 VOGUE 盛典要复刻这种效果，用的是一圈 60 台 iPhone 17 Pro，再配上同步设备。而在 Atlas 的演示里，研究人员只在几个角度架了 3 到 5 台普通手机和运动相机。拍完之后，模型可以生成现场根本没有相机的视角，甚至是俯视全场的高空机位。
时空模拟的另一个用途是机器人。World Labs 把这叫作 Real-to-Sim：用手机拍两段大型场景的视频，各取 24 帧，Atlas 就能把场景重建成 3D；模拟的机器人在里面移动时，Atlas 还会生成机器人身上的摄像头应该看到的 RGB 图像和深度图。在操作任务上，还可以改变物体、摆放位置、机器人动作、光照和背景，派生出不同的训练场景。World Labs 7 月收购 SceniX，也是为了补上机器人仿真这一块。
World Labs 的技术博客有一句话，概括了 Atlas 的工作方式：”它看见的越多，需要想象的就越少。”反过来说，没被拍到的地方，Atlas 仍然在想象。物体背面、遮挡区域，靠的是模型从训练数据里学到的常识，补出一个合理的答案。视角跨度越大，局部几何变形、纹理闪烁就越容易出现。它生成的是一个视觉上合理的三维世界，未必是原来那个世界的精确复刻。
还有两点需要说明。第一，上面的测试结果都是 World Labs 自己公布的，目前没有独立复现，也没有公开成本和延迟。第二，Real-to-Sim 展示的是生成环境和传感器数据，官方没有给出用这些数据训练出来的机器人，在真实环境里表现提升了多少。能生成仿真环境，和能训练出更好的机器人，是两件需要分别验证的事。
另外，World Labs 反复强调 Atlas 的可扩展性。开发过程中，他们训练了一系列规模递增的模型，发现每增加一级算力，模型就会解锁新的能力。这是 World Labs 自己的观察，但和后面要谈的芯片问题直接相关。
路线三和四：拆开状态与画面，或者干脆不画画面
视频路线有时间，但没有持久的世界；空间路线有持久的世界，但缺少时间。VAST 想两者兼得。
VAST 旗下有 3D 生成产品 Tripo。今年年中，它发布了研究预览 Project Eden，核心思路是把”世界的状态”和”画面的渲染”拆开。底层单独维护一个世界状态，记录场景几何、物体身份和发生过的事件，这份状态不依赖任何一个镜头；中间一层根据”谁在看、从哪个角度看”，把状态转换成渲染条件；最上层才由生成模型把画面画出来，补上光照、材质和细节。
这和大型多人游戏的做法很像：服务器维护一份世界状态，记着谁在哪里、哪个宝箱被打开了；每个玩家屏幕上的画面，只是基于这份状态做的一次渲染。
拆开之后，几件对视频路线来说很难的事就变得自然了。物体离开镜头不会消失，因为它一直在状态里；用户灭了火，状态里就记下火已经灭了；两个玩家在同一条赛道上比赛，各自看到不同的视角，底下却是同一个世界。在打靶的演示里，系统可以根据水枪的朝向和靶子的相对位置判断有没有击中，再把得分记进状态。视频模型能生成一段”水柱击中靶子”的画面，却没办法可靠地把这个结果存下来。
训练数据也随之改变。VAST 用 Tripo 积累的 3D 能力，从大量互联网视频里反推出深度、相机位姿和几何轨迹；再从游戏引擎里拿到带有精确状态标注的合成数据。VAST 首席科学家曹炎培说，如果没有这套 3D 理解和生成能力，”我们可能都没法开始做世界模型”。Project Eden 目前还是研究预览，曹炎培也预计，真正的商业化是一件中长期的事。
第四条路线走得更远：干脆不生成画面。杨立昆提出的 JEPA（联合嵌入预测架构）不去预测下一个像素，而是把世界压缩成抽象的表征，预测这个表征在一个动作之后会怎样变化。它的理由是，像素里有大量和决策无关的细节，没必要花力气去生成。杨立昆今年 3 月在巴黎创办的 AMI Labs 以 JEPA 为核心，拿到 10.3 亿美元种子轮，这是欧洲历史上最大的一笔种子轮。不过这条路线还处在研究阶段，AMI Labs 目前没有发布产品。
把四条路线放在一起看：
| 路线 | 代表 | 记住的是什么 | 有没有时间 | 动作能否改变世界 | 现状 |
|—|—|—|—|—|—|
| 预测下一帧 | Genie 3、Runway | 最近一段画面 | 有 | 能，但难以保存 | 已向用户开放，成本高 |
| 空间智能 | World Labs、腾讯 HY World | 三维空间 | Marble 没有，Atlas 开始加入 | 有限 | Marble 已商用，Atlas 早期访问 |
| 状态与渲染解耦 | VAST Project Eden | 独立的世界状态 | 有 | 能，而且能保存 | 研究预览 |
| 抽象表征预测 | AMI Labs（JEPA） | 抽象表征 | 有 | 预测动作后果，不生成画面 | 研究阶段 |
这几条路线并不是完全对立的。Atlas 已经在空间之外加入了时间维度，VAST 的渲染层本身也是一个生成模型。但它们对”世界存放在哪里”给出了不同的答案，这决定了各自擅长和不擅长的事。
世界模型给谁用：机器人
这么多公司在做世界模型，最重要的用户之一是机器人。
7 月底，谷歌 DeepMind 发布了 Gemini Robotics 2，包括三个模型。Gemini Robotics 2 是视觉-语言-动作模型（VLA），把看到的画面和听到的指令直接转成电机控制；Gemini Robotics ER 2 是具身推理模型，负责理解环境、和人沟通、规划持续几分钟的多步任务；On-Device 2 是能在机器人本地运行的轻量版本。简单说，ER 2 负责想，VLA 负责做。这一代第一次能控制完整的人形机器人，从脚到手指：机器人可以走到桌边拿起洒水壶，再走几步，把它放进架子上的绿色箱子。换一种新的双臂机器人，用少于 200 个示例、几个小时就能完成适配。不过谷歌也承认，多指灵巧操作仍然很难，动作速度也有待提高。
英伟达则把世界模型和机器人的大脑放进了同一个模型。6 月 1 日发布的 Cosmos 3 是一个开放模型，同时做视觉推理、世界生成和动作预测，面向机器人和自动驾驶的训练与评测。
除了合进同一个模型，世界模型和机器人更普遍的联系在训练环境上：机器人要学会做事，需要大量试错；而在真实世界里试错，要占用硬件、人力和场地，很多罕见情况也没法反复复现。世界模型可以提供一个能反复试错的环境。Atlas 的 Real-to-Sim，VAST 说的”具身智能仿真基座”，都是在补这一块。
芯片和世界模型，到底正不正相关
回到开头的疑问：芯片公司为什么要买一个世界模型实验室？可以分三层来看。需要说明的是，这三层拆分是本期的解读框架，不是 AMD 的官方说法。
第一层是算力需求量。这一层是正相关的，而且很明显。前面说过，Genie 3 的每个会话都要独占一块芯片，所以只能限制在 60 秒；Runway 承认逐帧生成比静态页面贵；World Labs 说 Atlas 每多一级算力就能解锁新能力。如果世界模型真的普及，不管是给人玩的交互世界，还是给机器人用的仿真环境，都会消耗大量算力。Futurum 的分析师估计，物理 AI 市场到 2035 年约有 2000 亿美元规模，当然这只是一个预测。
但这一层的正相关有个限定：它利好所有卖算力的公司，不专属 AMD。世界模型火了，英伟达一样受益，甚至受益更多。只从需求量看，AMD 没必要自己买一家模型公司。
第二层是负载形态，AMD 的官方理由主要落在这一层。苏姿丰在收购公告里说：”为下一代 AI 构建计算平台，需要深刻理解模型如何演进。”AMD 在公告中提到，随着 AI 扩展到推理、机器人、仿真和物理 AI，对计算基础设施的需求也在变得更加多样。Moor Insights & Strategy 的分析师 Matt Kimball 说得更直接：”这不是 AMD 在买一家模型公司，而是为了理解下一代 AI 对计算和内存的需求，以及两者之间的关系。”
世界模型的负载和聊天模型确实不一样。它要实时生成，一帧接一帧，按 Runway 的说法，延迟超过半秒左右，交互感就没了；它处理的是高维的图像和三维数据；如果要用在机器人上，还得跑在机器人本地，不能依赖网络。Gemini Robotics 2 专门做了一个本地版本，英伟达也在准备面向边缘设备的 Cosmos 3 Edge。芯片从设计到量产需要很长周期，如果能提前知道这些负载长什么样，就能更早调整硬件路线。李飞飞在博客里也写道：”没有专注的硬件投入，AI 在效率和规模上都会受限。对我们来说，还会被困在数字世界里。”
不过这一层也有反面证据。Atlas 用的是 Transformer 底座，这让它可以复用大语言模型推理中成熟的工程方法，比如 KV cache 和分离式推理。至少从 Atlas 看，世界模型在向大模型的基础设施靠拢，而不是要求一种全新的芯片。负载形态有差别，但差别未必大到需要专用芯片的程度。从这个角度说，”芯片和世界模型不一定正相关”的直觉并非没有道理。
第三层是生态，这一层要放在英伟达的对照下看。英伟达不只卖芯片：它有自己的世界模型 Cosmos，还联合 Runway 等公司成立了 Cosmos 联盟；9 月 2 日，它又宣布收购开源模型平台 Hugging Face，收购款约 119 亿美元，加上最多约 10 亿美元的员工留任激励，合计约 130 亿美元。另外，英伟达也是 World Labs 今年 2 月那轮融资的投资方之一。
芯片公司之间的竞争，已经不只是比芯片，还要比跑在芯片上的软件和模型。客户买加速器，同时也需要能运行模型的软件、便于部署的平台和合适的模型。AMD 和 World Labs 去年开始在 AMD GPU 上做训练和推理优化，收购之后，一个前沿模型团队会长期在 AMD 的软硬件上做开发。李飞飞在博客里说，他们会继续致力于提供从硬件到软件、端到端运行 AI 的最好的开放模型和平台。从这个角度看，这笔收购可以理解为 AMD 对英伟达”芯片 + 模型 + 生态”打法的一种回应。
这一层同样存在疑问。World Labs 没有披露收入，Atlas 还在早期访问阶段，演示效果不等于大规模商业部署。养着一个顶级研究团队，也不能保证开发者会因此转用 AMD 的硬件。还有一个微妙之处：AMD 的客户里有很多模型公司，自己做模型，就可能和客户竞争。据分析师 Patrick Moorhead 转述，AMD 的 AI 高级副总裁 Vamsi Boppana 对此的回应是，与前沿模型公司竞争”完全不是本意”，他把这次收购定位为一种”横向的模型能力”。资本市场的反应也比较平淡，消息公布后，AMD 股价在盘后交易中基本持平。
所以，芯片和世界模型是什么关系，取决于看哪一层。看算力需求，是正相关，但不是 AMD 独有的；看负载形态，确实有差异，但差异未必大到需要专用芯片；看生态，这才是 AMD 最需要、也最不确定的部分。
结语
这笔收购还在等监管批准，预计年底前完成。世界模型本身也还在早期：视频路线在和成本、记忆较劲，空间路线在补时间维度，状态解耦和 JEPA 还在研究阶段。各家比拼的重点，正在从谁的画面更真实，转向谁的世界能持续运转、能被改变、能给机器人当训练场。
李飞飞在博客开头引用了丁尼生《尤利西斯》里的诗句：”来吧，朋友们，去寻找一个更新的世界，现在还不算太晚。”对 AMD 来说，这笔 82 亿美元的交易能带来多少回报，现在还很难说。英伟达有了 Cosmos，AMD 要买下 World Labs，芯片公司自己养一支模型团队，会不会成为新常态？目前还看不出答案。
- AMD 官方公告：https://newsroom.amd.com/news/amd-acquire-world-labs/
- 李飞飞博客《To Seek a Newer World》：https://drfeifei.substack.com/p/worldlabs-joining-amd