AMD完成对WorldLabs收购,李飞飞出任首席科学家,强化AI模型与硬件协同研发
AMD 于2026年11月16日正式完成对AI研究公司World Labs的收购。创始人李飞飞将担任AMD执行副总裁兼首席科学家,直接向CEO苏姿丰汇报。此次整合旨在推动模型与计算平台的联合优化,聚焦...
AMD已于2026年11月16日宣布完成对人工智能研究公司World Labs的收购。这是继2023年收购Xilinx、2024年深化AI芯片布局后,AMD在AI生态构建上的又一关键落子。不同于以往侧重硬件与系统集成的策略,本次收购首次将一支顶尖的AI基础模型研发团队纳入体系,标志着AMD正式从“算力提供者”向“模型-硬件协同定义者”角色延伸。
World Labs由斯坦福大学教授、前谷歌云首席科学家李飞飞(Fei-Fei Li)于2023年创立,核心方向为开发可创建与模拟交互式3D环境的生成式AI模型,并拓展至具身智能与机器人仿真领域。其技术路径区别于主流大语言模型(LLM)路线,更强调空间理解、物理建模与多模态感知的融合——例如通过单张图像或视频生成高保真3D场景,或为机器人训练提供逼真的虚拟环境。这类能力被视为通向通用人工智能(AGI)的关键基础设施之一,尤其在自动驾驶仿真、工业数字孪生、元宇宙内容生成等场景中具备落地潜力。
收购完成后,李飞飞将加入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。这一人事安排凸显了AMD对模型研发战略地位的提升:不再仅将模型视为“软件层负载”,而是作为驱动下一代硬件架构设计的核心输入。苏姿丰在声明中明确指出:“要打造支撑下一代超级智能的基础设施,就必须将计算平台与模型结合起来进行协同优化。”这一定位与英伟达近年推动“模型即服务”(Model as a Service)、谷歌强化Gemini与TPU协同的思路趋同,反映出行业共识正在从“算力军备竞赛”转向“软硬一体深度耦合”。
值得注意的是,World Labs团队在成立初期便展现出较强的技术原创性。公开资料显示,其早期工作聚焦于NeRF(神经辐射场)的轻量化与动态扩展,后续推出支持实时交互的3D生成框架,并探索将视觉-语言-动作信号统一建模的具身智能架构。尽管尚未发布大规模开源模型,但其研究方向高度契合AMD当前在MI300系列加速器上推进的“AI推理+生成”混合负载优化目标。例如,MI300X已支持高达192GB HBM3显存,专为长上下文与高分辨率生成任务设计;而World Labs的3D生成模型往往需要处理密集几何数据与高维纹理,对带宽与片上缓存提出特殊要求——双方技术互补性显著。
从产业格局看,此次收购进一步加剧了AI芯片厂商向模型层渗透的趋势。过去两年,英伟达通过收购Runway、投资Hugging Face生态,以及自研NIM微服务框架,持续强化模型侧控制力;英特尔则依托Gaudi加速器与合作方共同开发专用模型。AMD此前在模型端依赖第三方生态(如与Meta合作优化Llama系列),缺乏自有研究团队支撑定制化需求。World Labs的并入填补了这一空白,使其能在客户定制化模型部署、行业垂直模型联合开发等场景中提供端到端方案。
行业分析师指出,该交易隐含的战略意图在于争夺“开放AI生态”的主导权。苏姿丰特别强调“为开放AI生态系统中的研究人员和开发者提供支持”,暗示AMD有意避免重蹈闭源生态覆辙,转而以开源模型+开放硬件组合吸引开发者。World Labs过往研究多以论文与代码形式公开,与AMD一贯倡导的开放计算理念一致。未来,双方或将在PyTorch生态内共建3D生成工具链,或推出面向具身智能的参考模型套件,降低中小企业接入门槛。
在组织架构上,World Labs团队将保持相对独立运作,继续推进基础模型研究,同时与AMD的CDNA架构团队、ROCm软件栈部门及AI解决方案工程组建立常态化协作机制首批联合项目已启动,聚焦于优化3D生成模型在MI300系列上的推理延迟与能效比,目标是在2027年Q2前推出首个联合验证版本。
需指出的是,尽管李飞飞的学术声望与技术视野为AMD带来显著溢价,但模型研发的长期投入与回报周期仍具不确定性。World Labs尚未实现商业化收入,其技术能否快速转化为可量产的产品功能,尚待观察。此外,在LLM主导的当前市场中,3D生成与具身智能仍属细分赛道,短期内难以为AMD贡献显著营收增量。
不过,从技术演进角度看,空间智能(Spatial Intelligence)正成为AI下一阶段竞争焦点。OpenAI、Google DeepMind、Meta等均已加大在3D重建、物理仿真与机器人控制方面的投入。AMD此番布局,既是对长期技术趋势的押注,也是在英伟达“CUDA+模型”闭环压力下构建差异化路径的必要举措。
可以预见,随着World Labs团队深度融入,AMD未来的AI芯片路线图或将出现结构性调整:例如在下一代CDNA4架构中预留专用3D张量单元,或在ROCm 7.0中集成针对NeRF类模型的编译器优化模块。这些变化不会立即改变市场格局,但可能在未来2–3年内重塑AI基础设施的底层标准。
收购尘埃落定,真正的挑战才刚刚开始。如何让一支以学术探索见长的研究团队,与一家以产品交付为导向的半导体企业高效协同,将是苏姿丰面临的新课题。而李飞飞的角色,也将从实验室领导者转变为技术战略制定者——她的选择,或将影响整个开放AI生态的发展走向。
