AMD 完成收购 World Labs:李飞飞出任执行副总裁兼首席科学家,直接向苏姿丰汇报
一家做芯片的公司,为什么要买一支研究「世界模型」的团队?AMD 给出的答案很直接:如果下一代人工…
文章目录
一家做芯片的公司,为什么要买一支研究「世界模型」的团队?AMD 给出的答案很直接:如果下一代人工智能要在物理世界里行动,芯片就不能等模型定型之后再开始设计。

11 月 16 日,AMD 宣布已完成对 World Labs 的收购。这笔交易在今年 9 月官宣,金额约 82 亿美元。收购完成后,World Labs 创始人李飞飞加入 AMD,担任执行副总裁兼首席科学家,直接向董事长兼 CEO 苏姿丰汇报。
一分钟速览
- 交易落地:AMD 完成对 World Labs 的收购,后者专注可交互 3D 环境、机器人学习与仿真。
- 人事安排:李飞飞任执行副总裁兼首席科学家,直接向苏姿丰汇报。
- 官方口径:收购引入一支世界级 AI 模型研发团队,补强 AMD 在 AI 全技术栈的实力。
- 团队去向:World Labs 继续推进基础模型研究,同时与 AMD 工程师合作,把新模型能力落到下一代 AI 基础设施上。
- 交易节奏:9 月官宣、11 月完成,从签约到交割约两个月。
买的不是一款产品,是「提前量」
World Labs 做的不是聊天机器人,而是能够创建和模拟交互式 3D 环境的模型,同时涉及机器人学习与仿真。这类技术的用途很具体:让机器在动手之前,先在虚拟环境里推演「这么做会发生什么」。对要做机器人和智能体的公司来说,这是把模型从「会说」推向「会做」的关键一环。
问题在于,硬件设计的周期远比模型迭代慢。一颗芯片从架构定义到量产,往往要几年;而模型能力几个月就会换一代。等需求完全定型再流片,做出来的芯片很可能已经对不上最新的负载。AMD 选择把模型团队直接买进来,等于把「猜未来要算什么」这件事,变成了公司内部每天都能对话的日常工作。
苏姿丰在声明里的表述也印证了这一点:要打造支撑下一代超级智能的基础设施,就必须把计算平台和模型放在一起协同优化。这句话翻译成工程语言就是——不能再只卖通用算力,然后指望软件层自己适配。
李飞飞的角色,比「首席科学家」更具体
李飞飞长期研究计算机视觉与空间智能,近年反复强调一个观点:如果没有专门的硬件投入,AI 的效率和规模都会受到束缚。她在加入 AMD 后直接向苏姿丰汇报,这个汇报关系本身就说明,模型研究不是挂在研究院里的装饰,而是要进入产品与架构决策链路。
按照双方公布的分工,World Labs 团队不会解散,而是继续做基础模型研究,同时与 AMD 工程师协作,把新兴模型能力应用到下一代 AI 基础设施开发中,服务开放 AI 生态里的客户和开发者。换句话说,研究成果要往芯片、软件和系统里落,而不是停在论文上。
芯片厂商为什么都在往模型层伸手
这不是 AMD 一家的动作。过去两年,做算力的公司越来越清楚:真正的性能差距,往往不在峰值算力,而在「软硬件是否一起设计」。英伟达靠 CUDA 生态把开发者锁在自己的栈里,谷歌用 TPU 加自家模型做垂直整合,AMD 若要在这场竞争里拿到位置,就必须补上模型理解这一课。
从商业上看,82 亿美元不是小数目,但它买到的是一支能参与架构定义的团队,以及一条与前沿模型同步演进的通道。对 AMD 来说,这比单纯增加一款加速卡更有战略价值——客户买的不只是芯片,而是「这颗芯片能不能跑好我明年的模型」。
趋势洞察
AI 基础设施的竞争正在从「堆算力」转向「共同设计」。当模型开始处理视频、3D 环境、机器人动作,计算模式会变得更碎、更依赖数据搬运和调度,通用 GPU 的边际效率会下降。谁能更早理解这些新负载,谁就更有机会在架构上做出差异化。
接下来值得观察三件事:World Labs 的研究会不会转化为 AMD 芯片里的专用单元;AMD 的软件栈能否借这支团队补齐开发者体验;以及客户是否愿意为「模型与芯片一起优化」买单。收购完成只是起点,真正的答案要等到下一代产品流片之后才会揭晓。
本文地址:https://www.163264.com/21474

