跳到正文
虎嗅·· 5 小時前精選AI 評分84

AMD以82億美元收購李飛飛創辦的World Labs

曾在餐馆打工的她,创业不到3年,把公司卖了82亿美元

AI 導讀

AMD於11月16日完成對World Labs的收購,交易金額為82億美元,全部以股票支付。World Labs由李飛飛等人於2024年創立,交易完成後,李飛飛出任AMD執行副總裁兼首席科學家。團隊將繼續作為獨立前沿研究組織研發基礎模型,並與AMD硬件、軟件和系統工程師協作。

推薦理由

文章聚焦收購如何把世界模型研究與AMD計算平台連接,並分析模型負載提前進入芯片、軟件和系統設計的意義。

正文 · 繁體中文

從圖像、空間到仿真環境,她不斷拓展機器“看見世界”的方式。

在World Labs位於舊金山的總部,兩位華裔女性共同切下慶祝蛋糕。

當地時間11月16日,半導體巨頭AMD宣佈,完成對世界模型World Labs的收購,交易金額82億美元,全部採用股票支付。

來源:AMD官方截圖

World Labs成立於2024年,由斯坦福大學教授李飛飛和她昔日的博士生Justin Johnson,以及NeRF論文第一作者Ben Mildenhall等聯合創辦,目前約有70名員工。交易完成後,李飛飛出任AMD執行副總裁兼首席科學家,直接向AMD董事長兼CEO蘇姿豐彙報。

從9月28日簽約到11月13日交割,只有46天。這家商業化剛剛起步的公司,成為AMD歷史上規模第二大的收購標的。2022年,AMD曾以約490億美元收購賽靈思。

與慶祝的熱鬧場面相比,資本市場的反應較為冷靜。11月16日,AMD股價收跌5.58%至504.28美元,總市值約8270億美元。值得注意的是,半導體與AI基礎設施板塊當日同步回調。

過去十餘年,李飛飛幾次處在人工智能範式轉換的關鍵位置。她主導建設的大規模圖像數據庫ImageNet,為機器視覺研究提供了統一的數據和評測基礎;World Labs則將研究推進到三維空間。加入AMD後,她的工作進一步延伸至模型背後的計算系統。

World Labs官方賬號發佈的慶祝視頻末尾,AMD的標語“together we advance”變成了“together we advance_worlds”。多出來的“worlds”,既指向剛剛加入AMD的World Labs,也像一語雙關——

這一次,李飛飛與AMD希望共同推進的,不只是芯片和模型,還有機器理解世界、進入世界的能力。

46天,82億美元

成立僅兩年多的World Labs,並非只有一個前沿概念。2025年11月,首款商用產品Marble上線,用戶輸入一段文字、一張圖片,就能生成可進入、可編輯、可導出的三維場景。2026年9月,World Labs發佈多模態世界模型Atlas,嘗試用一個模型打通文本、圖像、視頻和三維內容。收購交割前一天,Atlas仍按計劃向公眾和開發者開放。

李飛飛想做的也不只是三維內容生成。2026年,World Labs收購機器人仿真公司SceniX,把機器人本體、工作台、傳感器等放進可重置、參數可調的虛擬環境,展示過雙臂裝箱、線纜操作等任務,並對部分仿真訓練成果進行了真機驗證。

隨着AI從數字空間拓展至物理世界,機器不只要知道世界“長什麼樣”,還要理解視角變化、物體移動和抓取操作會帶來什麼結果。

這也是AMD正在尋找的答案。

過去幾年,AMD不斷補齊計算版圖——收購ZT Systems,加強機架級系統能力;推出Helios,將GPU、CPU與ROCm軟件納入同一套方案。硬件、系統和軟件逐漸齊備之後,下一個問題浮現出來——客戶的下一代模型究竟會怎樣使用這些計算能力。

大語言模型的訓練和推理需求相對清晰,空間智能卻在快速變化。生成三維場景、保持不同視角下的一致性、模擬物體碰撞,再把機器人的訓練結果反饋給模型,這些任務會帶來怎樣的計算瓶頸,很難僅靠芯片工程師閉門推演。

在常見的合作模式,芯片公司往往站在產業鏈後方,等模型和需求逐漸成熟,再提供更強的算力。李飛飛進入AMD的價值之一,在於把這一順序倒過來:讓真實的模型負載更早進入芯片、軟件和系統的設計過程,在硬件路線尚未完全定型時,就告訴工程師,下一代AI究竟卡在哪裏。

通過收購,AMD獲得的不僅是模型和產品,也是一支能夠持續提出新計算問題的研究團隊。李飛飛進入核心管理層,則讓這種溝通有了更直接的組織通道。

對李飛飛而言,這同樣是一次主動選擇。

她在9月28日發佈的公開信《To Seek a Newer World》(《尋找新世界》)中解釋道,“如果沒有專門的硬件投入,AI的效率和規模將受限,規模也是;就我們的目標而言,還會困在數字世界裏。”

收購完成後,World Labs聯合創始人Justin Johnson、Ben Mildenhall等人留任,團隊仍作為獨立前沿研究組織繼續基礎模型研發,同時與AMD硬件、軟件和系統工程師協作。

AI下一步還缺什麼?

李飛飛常被稱作“AI教母”。

1976年,她出生於北京,在成都長大。她在《我看見的世界:李飛飛自傳》中回憶,1992年,15歲的她隨母親赴美,一家人定居新澤西。因為語言不通,父母起初在乾洗店打工,後來才盤下自己的店。讀高中時,李飛飛放學看店,週末去中餐館打工;獲得獎學金進入普林斯頓大學物理系後,她仍會在週末坐長途車回家幫忙。

2007年,31歲的李飛飛已是普林斯頓大學助理教授。當時,計算機視覺研究者普遍把精力放在改進算法上,她卻越來越關注數據的作用。

她在自傳中寫道:“如果訓練算法的數據不能很好地反映現實世界,那麼即使是最好的算法也無法很好地完成工作。”

因此她決定建立一個足夠大的圖像數據庫。這項工作耗費人力,也難以帶來論文上的即時回報,一度被視為吃力不討好。藉助亞馬遜眾包平台,李飛飛團隊組織了167個國家近5萬名標註者,最終標出約1400萬張圖片、2.2萬多個類別。

2009年,ImageNet在CVPR大會上只獲得一個角落裏的海報位置,沒有口頭報告,駐足者寥寥。此後兩年,相關比賽也未引起太大關注。

轉折發生在2012年。Geoffrey Hinton團隊基於GPU訓練的AlexNet,在ImageNet競賽中將識別錯誤率降至15.3%,比第二名低10.8個百分點。

當年那份沒人願意做的“體力活”,成了整個AI行業的地基——此後十年,幾乎所有圖像識別模型都依靠這套數據。到了大模型時代,數據規模與質量依然是模型能力的基礎條件之一,只是數據形態已經從圖片擴展到文本、視頻和三維環境。

李飛飛對AI的期待,並未停留在技術指標上。

ImageNet最耗費心力的那幾年,李飛飛的母親重病住院。她一邊陪護,一邊修改論文。母親曾問她:“飛飛,你做這一切,是為了什麼?”

這個問題沒有隨着ImageNet的成功而消失。2017年,李飛飛在學術休假期間加入谷歌,任谷歌雲AI首席科學家,把研究推進到產業一線;2019年,她推動成立斯坦福以人為本人工智能研究院(HAI),繼續研究AI與人、社會之間的關係。

對她來説,技術除了能做什麼之外,始終還有另一個問題:它應該為誰而做,又會怎樣影響人?AI的能力越強大,這個問題就越無法迴避。

彼時,大語言模型正吸引大量關注,李飛飛則先一步把研究方向指向空間智能。她在TED2024演講中提出,空間智能連接感知與行動:機器不僅要處理視覺信息、理解三維空間中的關係,還要據此作出預測和行動。

2024年4月,李飛飛再次創業,創辦World Labs。

同年9月,World Labs完成2.3億美元首輪融資,2025年11月推出首款產品Marble,可通過文字或圖片生成可探索、可編輯的三維場景。2026年2月,完成約10億美元融資,英偉達和AMD均參與投資。

從ImageNet到World Labs,她始終在追問同一個問題:AI下一步還缺什麼?

收購只是開始

進入AMD,李飛飛面對的問題變得更具體,也更難。

她要做的不只是讓Atlas在某款芯片上運行得更快,而是把模型訓練、場景生成、物理仿真和真機反饋中的瓶頸,提前轉化為計算平台的設計需求。11月11日,蘇姿豐在CoRL 2026現場對談中透露,AMD已有物理AI和機器人研究團隊,但整體佈局仍處早期。雙方接下來需要連接的,是模型、仿真工具、芯片和機器人系統。

其中最難補上的,仍然是數據。

World Labs在官方研究文章中提到,機器人進入真實世界,需要大量數據採集和反覆測試,人工投入和硬件試錯成本都很高。視頻可以呈現杯子如何移動、碰撞,卻通常不包含機器人可直接使用的動作指令、接觸力和觸覺反饋。讓真實機器人在現實中反覆試錯,又昂貴、緩慢,有時還伴隨着安全風險。

仿真提供了一條可能的路徑:讓機器人在虛擬環境中反覆練習,再回到真機驗證。它既能降低部分訓練成本,也有機會讓一些問題在機器人進入真實環境前提前暴露。

但場景看起來真實,不等於機器人能夠在其中有效學習。摩擦、材料變形和接觸反饋的偏差,都可能讓訓練結果在真機上失效。李飛飛需要推動World Labs跨過的,正是從“世界看起來真實”到“世界在物理上足夠可信”的距離。

這也讓她長期強調的“以人為本”有了更具體的要求。機器一旦進入物理世界,錯誤帶來的就不只是識別率的波動,還可能包括真實的成本和安全風險。技術越接近人的日常生活,可靠與可控就越重要。

技術之外,另一項挑戰來自開發者。

英偉達在空間AI和物理仿真領域仍佔據明顯優勢,也已積累起成熟的工具和開發者生態。李飛飛的加入,可以幫助AMD更好地理解模型需求,卻不能直接改變開發者的既有選擇。收購之後,AMD仍需要用產品證明,這套方案值得開發者嘗試和持續使用。

AMD在交割公告中強調開放AI生態。對李飛飛而言,開放不僅關係到AMD的生態競爭,也關係到外部團隊能否繼續使用、檢驗和改進這些工具。ImageNet當年的影響力,離不開開放使用和廣泛參與;空間智能未必會複製ImageNet的發展路徑,但同樣需要在真實任務和外部合作中證明價值。

收購只是開始。當AI走出屏幕、走進三維真實世界後,李飛飛仍要回答她長期追問的問題:

技術最終將怎樣影響人?

來源:虎嗅 · huxiu.com