资料图：李飞飞。图：视觉中国
9月28日，AMD宣布将收购由AI“教母”李飞飞领导的AI模型及研究实验室World Labs。这项全股票交易的估值约为82亿美元，预计将在2026年底前完成，但仍须获得监管批准并满足其他惯常交割条件。
交易完成后，World Labs团队将继续专注于推进AI模型研究；李飞飞将以执行副总裁兼首席科学家的身份加入AMD，向苏姿丰汇报，共同推动下一代深度结合空间智能与计算架构的芯片与算法生态。
AMD称，此次收购将为AMD引入一支世界级研究人员和模型专家团队，增强AMD对新兴模型和应用需求开发AI硬件、软件和系统的能力。
但是这些官方的说法，并未平息这起AMD历史上第二大重磅收购在科技圈里激起的波澜。这笔交易真正耐人寻味的，是背后隐藏的世界模型的技术困局、芯片厂商的算力焦虑以及硅谷资本大厂之间的暗中兜底。
2024年，李飞飞带着“空间智能”（Spatial Intelligence）的愿景成立了World Labs，刚一发声就顺利拿到了2.3亿美元的启动资金；到了2026年2月，借着三维空间生成模型和具身智能的风口，又一口气融了10亿美元，估值直接推到了接近50亿美元，投资方包括AMD、Autodesk、Emerson Collective、Fidelity、NVIDIA及Sea等硅谷巨头。
对于世界模型，李飞飞多次指出，AI必须理解“世界”而不仅是“文字”，仅靠语言模型无法实现真正通用智能，必须加入空间与物理世界的理解与行动能力。她认为，空间智能是下一个关键维度——AI应理解3D世界结构、物理规律、因果关系，而不仅停留在文本token层面。“人类智能的本质是物理世界交互。婴儿先学会走、抓、看、空间导航，语言是后期抽象层。”
她和Yann LeCun（杨立昆）在“世界模型必须是物理世界”上高度一致。2025 年年底，Yann LeCun离开了工作 12 年的 Meta，转而创办了一家专注于世界模型的初创公司AMI Labs。
李飞飞提出，“真正具有空间智能的世界模型”须具备三个核心能力，包括生成（generative），能创造遵守物理定律、空间一致的世界；多模态（multimodal），能处理从图像、视频到动作的多模态输入；交互（interactive），能预测世界随时间演变或互动的状态。
2026年1月达沃斯论坛人工智能峰会上，杨立昆指出大型语言模型革命已结束，物理人工智能革命正快速来临。真正的智能核心是对物理与社会世界的理解，下一代AI的核心是构建能预测物理世界变化的世界模型。
3月10日，Yann LeCun在家乡法国创办的世界模型公司Advanced Machine Intelligence Labs宣布完成10.3亿美元种子轮融资，创下欧洲初创公司历史纪录。投资方阵容豪华：贝索斯、英伟达、淡马锡、丰田等。拿到钱的第二天，他接受了专访，标题只有五个字：“LLMs Are A Dead End”（大语言模型，是死路一条）。
他认为，光靠文字堆数据，永远到不了人类级别的智能。模型需要学会理解真实世界，而不仅仅是理解文字。他说，基于下一个Token预测的语言模型根本没有物理常识，充其量是统计学意义上的“文字裁缝”，根本通往不了通用人工智能。
物理AI的目标，是让机器人、自动驾驶车、智能设备等在真实物理世界中感知、推理并执行复杂动作。训练这些系统需要海量交互数据，但真实世界的数据采集成本高昂、耗时久，且通常需要专门的检测设备。
在罕见但对安全性至关重要的场景中，这些局限性尤为突出。像高速碰撞、硬件故障或在不可预测的人类环境中导航等事件，不仅难以复现，还会对设备和人员安全构成重大风险。
2026年3月17日的英伟达GTC2026大会上，最燃环节是物理AI演示，黄仁勋直言“这就是物理AI的ChatGPT时刻”。黄仁勋指出，物理AI将推动自动化从固定流程走向动态泛化。
黄仁勋在演讲中提到，物理AI的本质是让AI系统具备对现实世界物理规律的认知、推理与交互能力，填补了传统AI“懂数据却不懂现实”的短板。区别于仅处理文本、图像、语音的生成式AI，物理AI还需要掌握重力、摩擦、惯性等基础物理常识，从而能在真实或高保真虚拟环境中感知、决策、行动。
因此，要构建物理 AI，需要基于物理的强大模拟，为训练自主机器提供安全的受控环境。这不仅提高了机器人在执行复杂任务时的效率和准确性，而且有利于人类与机器之间进行更自然的交互，从而提高现实世界应用的可访问性和功能性。
理想确实很宏大，但落到实际经营上，现实却很骨感。世界模型要算3D空间、做物理引擎演算和实时渲染，消耗的算力比LLM高出几个数量级。可它能落地的场景，大部分却挤在机器人研发、影视特效和工业数字孪生这种周期长、门槛高的细分领域，根本没办法像ChatGPT那样靠卖订阅来快速盈利。
高昂的算力成本加上缓慢的变现速度，让纯算法创业变成了无底洞。
从这个角度看，李飞飞的World Labs虽然现金充沛，但想作为一家独立的软件公司靠世界模型单打独斗，这条商业路线确实很难走通。选择被AMD收购，反倒给它指了一条活路——与其在高处曲高和寡，不如降维融入底层芯片，变成软硬一体的基础设施。这不仅给世界模型找到了能持续供血的算力大户，AMD也拿到了最前沿的模型场景，算是一个务实的结局。
当然，也有不少质疑声音觉得AMD这次买贵了，甚至怀疑李飞飞更像是一尊被请进门、用来撑场面和拉拢人脉的“大神吉祥物”。
但客观来看，团队的技术底子对AMD来说绝非摆设。如果考虑到“物理AI”对AI产业未来的决定性价值，再看看World Labs最新推出的Atlas世界模型，就会发现这项收购给AMD带来的技术提升并非空穴来风。
假设物理AI是走向通用人工智能和具身智能的下一阶段，那么，算力芯片的竞争战场就已经从纯粹的“文本矩阵乘法”转移到了“物理时空模拟”。World Labs的Atlas模型，其核心突破在于将视频生成、3D几何重建与“真实到仿真”（Real-to-Sim）的时空模拟融为一体，能直接通过手机拍摄的几张照片重构出物理可交互的三维数字空间。
对于AMD而言，买下Atlas模型的团队，相当于获得了直接定义下一代“物理AI芯片”的能力。现在的AI芯片主要是为大语言模型的自回归计算设计的，遇到Atlas这种兼具多模态扩散 Transformer、高频物理引擎演算和3D实时渲染的复杂负载时，现有的芯片架构和内存带宽极易崩溃。
李飞飞团队作为最顶尖模型的缔造者，能够充当AMD硬件部门的“指路明灯”，直接指导下一代芯片在3D渲染管线、高带宽内存分配和片上互连架构上的设计。
根据AMD的说法，随着AI向推理、机器人、仿真和物理AI等领域拓展，计算基础设施的需求也日益多元。World Labs在开发先进模型方面的专长，将使AMD更深入了解工作负载的演变，并帮助塑造未来技术路线。
更深层来看，英伟达之所以能掌控AI时代，除了硬件好，更因为它拥有Cosmos世界模型平台和Omniverse工业数字孪生生态。AMD收购Atlas，直接补齐了在物理AI基础设施和具身智能仿真平台上的最大短板，让AMD具备了从单纯卖算力卡到提供“物理AI软硬一体解决方案”的基础。再结合李飞飞作为计算机视觉与AI领域旗手的号召力，这还能帮他们在软件生态和吸引全球顶尖人才上增加不少分量。
如果把视线再拉高一点，这笔交易更像是资本和巨头之间一次默契的“防守型抱团”。在World Labs的早期投资人列表里，微软、高通、英伟达和AMD本来就挤在同一张桌子上。面对这种高估值、高消耗的前沿实验室，大家一开始都怕落后，硬着头皮跟投，但谁也不希望泡沫真的吹破、引爆一场撕裂整个AI产业链的黑天鹅风暴。
而且，AMD这次选择全用股票做支付手段、不动用账面现金，手法相当老道：它用自己不断增长的市值和半导体行业未来的想象力当杠杆，稀释并消化掉了World Labs的高估值溢价。既让前期的VC大佬和创业团队体面收场，又把资产转化为内部的长期研发管线，做成了一场行业互相兜底的资本闭环。
当然，对于AI教母李飞飞来说，作为一位习惯了站在无人区探索的学者，她大概率不会也不想长期留在一家上市公司里扮演保卫股价的高管。回顾她过去在斯坦福与谷歌云之间的往返履历就能看出，商业公司的工程和资源支持，向来只是她验证学术假设的一个试验场。
在未来几年帮助AMD把World Labs的技术积累与芯片架构磨合完毕之后，随着空间智能的基础设施逐渐成型，她大概率还是会卸下商业职务，重返斯坦福的实验室，去寻找下一个还没被资本疯狂涌入的学术新前沿。