82亿美元！AMD收购李飞飞：物理 AI 叫板英伟达

9月28日，AMD宣布以约82亿美元全股票交易收购李飞飞创办的AI实验室World Labs。交易预计2026年底前后交割，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。

这笔钱买下的不是一家“做AI的创业公司”，而是李飞飞团队过去两年在空间智能/世界模型上攒下的整套技术栈：从单图生成可进入的3D世界（Marble），到原生融合文本、图像、视频、3D的新视角预测与仿真引擎（Atlas），再到把真实场景搬进仿真器训机器人再迁回真机的R2S2R闭环。

但如果你只把它当成一笔普通的“芯片厂买AI团队”，那就小看苏姿丰了。

为什么AMD要自己养一个世界模型团队？因为英伟达的护城河不在芯片上。

要理解这笔收购的技术分量，得先看清英伟达为什么在AI时代几乎不可撼动。

很多人以为英伟达强在GPU硬件——H100的浮点性能、HBM带宽、NVLink互连确实领先。但真正让AMD追了五年还没完全追上的，是另一套东西：模型→仿真→芯片→软件栈的全闭环

英伟达手里有一张完整的牌桌：

Cosmos：

世界模型，吃文本/视频/激光雷达，吐仿真可消费的场景

Isaac Sim / Isaac Lab：

机器人仿真器，直接读Cosmos输出的3D资产

Jetson / DRIVE / DGX：

从边缘到数据中心的统一硬件

CUDA + cuDNN + TensorRT：

软件层锁死开发者

Omniverse：

数字孪生平台，把工厂、仓库、城市变成可训练环境

这个闭环的恐怖之处在于：英伟达自己定义“下一代AI工作负载长什么样”，然后自己造芯片去加速它。等竞争对手看懂了，架构已经锁死，生态已经绑定。

AMD过去五年的策略是“你定义好负载，我做更快的卡”——MI200、MI300在HPC和LLM推理上确实追近了，但到了物理AI这一层，问题变了：

机器人要仿真，自动驾驶要时空推理，数字孪生要几何一致。这些负载跟“Transformer吃token”根本不是一回事。

它们需要同时处理视频、深度、点云、3D布局，要算相机几何、碰撞、刚体/柔体动力学，要在仿真里跑几百万步再迁移到真机。这不是堆HBM带宽就能解决的——你得知道未来5年模型会怎么折磨芯片的每一层。

这就是AMD买World Labs的真正逻辑：把最懂“世界模型”的人，塞进芯片路线图会议室。

World Labs到底做了什么？不是视频生成，是“世界编译器”

World Labs的技术主轴是Spatial Intelligence——让AI从“会说话”进化到“懂世界”。

1. Atlas：原生世界模型，不是LLM外挂3D头

Atlas被官方定义为omni world model，从零预训练，原生消费文本、图像、视频、3D数据。它的核心设计决策是：

相机位姿是一等输入：

不是“描述镜头运动”，而是给定内外参后预测像素。这把传统video diffusion的“镜头漂移”问题变成了几何约束问题

Spatial context：

token序列里同时编码image tokens、depth tokens、pose tokens、action tokens、future-frame tokens，形成带3D位姿的联合表示

训练目标：

rectified flow做去噪，相机几何编进attention context，新视角合成误差和深度误差直接进loss。

Atlas 世界模型和Sora类模型的根本区别：

2. Marble：从单图到可进入的3D世界

Marble做的事是从文字、图片、视频、360°全景生成可进入、可编辑、持久化的3D场景。输出不是一段视频，而是：

- 3D Gaussian Splats（3DGS）

- textured mesh

- collision mesh

- 直接导出Blender/Unity/Unreal/Isaac Sim可用资产

这意味着Marble输出的每一个场景，都是机器人仿真器的即插即用训练场。

3. R2S2R：Real-to-Sim-to-Real，机器人训练的“数字驾校”

这是整套技术里商业价值最高的一层：

- 手机/机器人/工厂视频 → Atlas重建3D场景

- 生成深度、RGB、法线、碰撞、光照变化

- 进MuJoCo/Isaac/RoboSuite类仿真器

- 训机器人策略（ALOHA、RB-Y1、YAM等架构）

- 零样本/少样本迁移回真机

公开演示中，策略完全在仿真中训练、真机运行，部分任务连续运行1小时无失败。这一步把机器人真机数据成本从“每次摔倒都贵”压缩到“仿真里摔一亿次不要钱”。

世界模型会怎么“折磨”下一代芯片？

理解了World Labs在做什么，就能看懂AMD为什么必须自己养这个团队。因为世界模型引入了一整类非Transformer原生的计算负载：

1. 几何与渲染：不是GEMM，是不规则内存访问

3DGS rasterization、mesh optimization、depth fusion、ray casting——这些算子的特点是：

- 小算子密集，不是大矩阵乘

- 不规则内存访问模式

- 需要混合精度光栅化管线

传统GPU的SIMT架构在这里效率会掉，需要专门的调度优化或硬件加速路径。

2. 多模态时空上下文：显存里的“三维attention”

Atlas的spatial context把image/depth/pose/action tokens塞进同一序列。结果就是：

- 序列结构不规则（不同模态token长度差异大）

- 帧间依赖强，不能简单分chunk

- 显存里要常驻几何状态（点云、深度图、相机参数）

- attention的bias不再是纯位置编码，而是3D空间关系

这对KV cache管理、显存层次、互联带宽的要求，和纯LLM推理完全不同。

3. 仿真+推理混合循环：GPU身兼数职

R2S2R闭环里，同一块GPU要同时跑：

- 前向生成场景（generative model）

- 物理引擎读几何、算碰撞

- 策略网络采样action

- 渲染器出RGB-D

- 再喂回世界模型做下一帧预测

这是生成模型 × 物理引擎 × 策略网络的实时闭环，对PCIe/NVLink/UALink的延迟、CPU侧调度、显存容量都有极端要求。

4. 边缘侧Physical AI：机器人本体的算力饥渴

机器人不需要跑700B参数的LLM，但需要：

- 实时3D重建（深度估计、SLAM）

- 点云处理前端

- 低延迟action采样

- 端侧3D缓存

- 功耗预算在15-60W

这直接影响AMD的APU路线、Ryzen AI NPU、以及和Xilinx（赛灵思）FPGA/自适应SoC的协同设计。

对ROCm的冲击，比对GPU架构来得更早

短期看，World Labs不会让AMD明天多出一款“世界模型专用GPU”。但会先发生三件事：

1、3DGS/depth/pose内核进ROCm一等公民 

类似AMD已经做的Matrix3D on MI250/MI300的工作会被加速——Triton renderer替代nvdiffrast、gsplat后端移植到HIP、depth fusion上ROCm。

2、世界模型训练脚本成为ROCm官方路径 

以后Atlas类模型的多相机视频预处理、pose-conditioned attention、rectified flow训练循环，在ROCm上有原生支持，而不是“能跑但慢”的兼容层。

3、机器人栈不再只绑Isaac

World Labs已对接Isaac Sim/MuJoCo/RoboSuite，进AMD后会催生ROCm + ROS 2 + Physical AI SDK + Instinct边缘卡的非NVIDIA机器人训练栈。 

和英伟达Cosmos的正面交锋

AMD没想复制英伟达的闭源全栈，而是走开放模型 + AMD GPU + ROCm + UALink + 机器人伙伴网络的路线。

如果未来Marble/Atlas放出开放权重，那将是Cosmos之外第一个能跑在非NVIDIA卡上的前台世界模型栈——这个杠杆比82亿美元本身大得多。

苏姿丰在买一张“架构级保险”

LLM时代，模型公司定义负载，英伟达先吃到红利。Physical AI时代，世界模型、仿真、机器人策略、3D上下文会重写AI集群的每一个层级。

AMD花82亿美元买World Labs，技术上的翻译只有一句话：算力定义，由外询变自研

当李飞飞坐在AMD核心管理层里，下一代模型在显存中同时放文本、深度、点云、相机位姿和机器人动作时，AMD的芯片架构师已经知道该多留多少带宽、该给attention加什么空间偏置、该让ROCm预编译哪些kernel。

英伟达用Cosmos+Isaac+CUDA筑起的护城河，第一次出现了一个带着空间智能原生基因的挑战者。82亿美元贵不贵？如果这笔交易能让MI400在物理AI负载上比B200快哪怕15%，苏姿丰这步棋就值了。