4U3vtR025Y2 tech.huanqiu.comarticle科技先声|82亿美元买的不只是一支模型团队:AMD为何需要李飞飞的“空间智能”/e3pmh164r/e3pmtmdvg【环球网科技报道 记者 李文瑶】11月16日,AMD在社交平台X上放出苏姿丰与李飞飞的并肩合影,为持续数月的收购传闻画上句号。当天,AMD宣布已完成对空间智能公司World Labs的收购,李飞飞即日起出任AMD执行副总裁兼首席科学家,直接向苏姿丰汇报。这笔交易最早于9月28日官宣,采用全股票形式,估值约82亿美元,是AMD历史上规模第二大的收购,仅次于500亿美元收购赛灵思。World Labs原股东获得约1498万股AMD普通股,交割时间比原计划的“2026年底前”明显提前。在AI芯片竞争进入深水区的当下,这笔收购的分量很难用短期营收来衡量:苏姿丰买下的,是一条绕开英伟达CUDA生态、从应用层反向定义芯片的战略通道。李飞飞是谁,她为什么重要“AI教母”的称号或许能够简单概括李飞飞的贡献。李飞飞是美国国家工程院院士、美国国家医学院院士、美国艺术与科学院院士,斯坦福大学计算机科学系首位红杉讲席教授,也是斯坦福“以人为本”人工智能研究院(HAI)的创始联席主任。她曾任斯坦福人工智能实验室主任,是该实验室首位女性掌舵人;2017至2018年休假期间出任谷歌云AI/ML首席科学家,此后还担任过Twitter董事会独立董事。她最广为人知的成就是ImageNet。2000年代中后期,李飞飞主导创建了包含约1500万张图像、覆盖2.2万个类别的ImageNet大规模图像数据库,并发起ImageNet挑战赛。在深度学习尚未成为主流的年代,这一工作的价值不在于算法本身,而在于为整个领域提供了一套可规模化的“问题定义”:要让机器学会看,先得给机器一个足够大、足够有结构的数据世界。杰弗里·辛顿对此的评价是:“李飞飞是第一位真正理解大数据力量的计算机视觉研究人员,她的工作打开了深度学习的闸门。”2012年AlexNet在ImageNet上的突破,为此后十余年AI的爆发提供了关键的燃料和基准,而李飞飞正是那个提前把燃料摆到位的人。但AMD愿意支付82亿美元的理由,不在ImageNet的过去,而在李飞飞对AI下一站的前瞻判断。2024年,她联合创立World Labs,方向直指“空间智能”和“世界模型”。李飞飞的核心论点是:语言在生物演化史上只有约50万年,而视觉与触觉所代表的空间感知能力早在5亿年前的寒武纪就开启了神经系统的演化竞赛。如果AI只具备语言能力,它将被困在数字世界之中;只有补齐理解三维物理世界、具备物理直觉的能力,AI才能真正走向通用人工智能。基于这一判断,World Labs推出的Marble模型能够接收文本、图片、视频或3D布局,将其转化为可导航、可交互且具有永久物理一致性的三维环境;2026年发布的Atlas进一步统一了生成与重建,支持从真实场景快速构建机器人训练环境,打通“真实到仿真再到真实”的闭环。换言之,李飞飞带入AMD的,是一套关于“AI接下来需要什么算力”的模型层判断力。在AMD与英伟达的长期竞争中,这恰恰是最稀缺的东西。李飞飞加入之后,AMD得到了什么要理解这笔交易对AMD的意义,需要先看清AMD在竞争中真正卡在哪里。从硬件参数看,AMD并非没有反击之力。在MLPerf Training v6.1中,AMD基于MI355X和MI350X提交了迄今覆盖最完整的一轮结果,在多个基准上对英伟达Blackwell代系统实现了“击败B200、在可比提交中与B300相差数点”的训练时间表现;MI355X在部分测试中的每美元Token产出据称可达B200的2倍以上。微软Azure、Meta、OpenAI、Anthropic等头部客户也已将AMD纳入多吉瓦级的部署规划,三家客户的规划上限合计达到14 GW。从纯硅片性能的角度,AMD已经具备了在核心训练负载上被认真对待的资格。但英伟达的护城河从来不在硅片本身。瑞银分析师的数据显示,英伟达控制着数据中心AI加速硬件市场约80%的份额,AMD仅占5%至7%;而真正的壁垒是CUDA——一套经过近20年积累、拥有庞大且高度优化开发者生态的软件平台。AMD的ROCm虽在快速追赶,半导体研究机构SemiAnalysis甚至在2026年将AMD缩小差距的概率从两年前的“0”上调至“很大的成功机会”,但CUDA的惯性是结构性的:十余年的教程、库和训练有素的工程师默认以CUDA为起点,主流AI框架对ROCm的支持通常滞后,小众自定义算子和专业加速库的覆盖仍存在明显缺口。如果AMD只在“造出更便宜的替代芯片”的框架内竞争,它永远只能做第二供应商。图:苏姿丰(左)与李飞飞(右)李飞飞的加入,改变的是竞争的维度。World Labs的空间智能模型是天然的“算力结构定义者”:三维环境的实时生成、物理一致性的维持、机器人从仿真到现实的迁移,对内存带宽、并行粒度和推理延迟的要求,与语言模型的工作负载存在显著差异。这意味着,World Labs团队在模型研究中日复一日遭遇的计算瓶颈,可以直接、及时地反馈到AMD的硬件架构、软件栈和系统设计之中。苏姿丰对此的表述是,AMD收购World Labs的核心逻辑在于“对端到端流程了解得越透彻,构建出的系统就越出色”;李飞飞则明确表示,加入AMD将“加速研究,并帮助定义AI新时代所需的基础设施”。AMD官方披露的安排也印证了这一方向:World Labs团队将继续推进基础模型研究,同时与AMD工程师合作,将模型能力研究成果应用于未来AI基础设施的开发,以支持开放AI生态中的客户和开发者。如果说英伟达的策略是用CUDA锁定当下的开发者,那么AMD通过这笔交易押注的是另一件事:在AI工作负载从语言对话向空间智能和具身智能迁移的过程中,下一代计算需求的定义权尚未固化。谁先读懂物理世界模型真正需要什么样的芯片,谁就有机会在CUDA的版图之外划出一块新的战场。82亿美元买的不是World Labs当下的营收,而是一张参与定义“下一个默认平台”的入场券。全球竞争格局会如何改变如何将这笔交易放入全球AI芯片竞争的棋盘,它的意义超出了AMD与英伟达的双边博弈。当前的市场结构正在从“一极主导”向“多极分化”松动。英伟达在数据中心AI硬件中的份额虽仍居绝对主导地位,但博通定制ASIC、谷歌TPU、AMD GPU和亚马逊Trainium合计份额已占据相当可观的比例,Anthropic等头部模型公司已能在四类芯片上训练和运行模型。这种分化背后是一个更深层的变化:AI计算的需求本身正在变得多元。训练万亿参数语言模型的需求与训练机器人世界模型的需求、云端批量推理与边缘实时交互的需求,正在将“一种芯片通吃”的假设推向极限。英伟达的应对是向上游和入口端同时延伸——2026年9月以129亿美元收购Hugging Face,将全球最大的开源模型分发平台纳入版图,把“芯片—开发者—模型分发”的闭环焊得更紧。这是典型的生态锁定策略:在算力需求结构发生位移之前,先把开发者和模型的入口守住。AMD收购World Labs,在战略逻辑上是对这一打法的回应。英伟达收的是模型分发的平台和开发者入口,AMD收的是模型研究的前沿团队和对下一代工作负载的定义能力。两条路线指向同一个判断:AI芯片竞争的胜负手,正在从“谁的硅片跑分更高”转向“谁的全栈系统更能理解模型真正想做什么”。苏姿丰在CoRL 2026上与李飞飞的首次同台对话中,将物理AI和机器人描述为数千亿美元量级的机会,认为其将大幅拉动云端及边缘端的算力需求。这一判断如果成立,那么芯片架构的优先级排序——内存带宽与容量、芯片间互联、仿真与推理的协同设计——都可能面临重估,而重估的依据只能来自对模型本身的一线理解。当然,82亿美元买一家营收尚微的公司,风险仍然巨大。World Labs的空间智能模型从技术演示到规模化产业部署之间的距离,ROCm生态能否在Helios量产窗口期跟上硬件节奏,以及AMD数据中心收入高度集中于少数超大客户的结构性脆弱,都是这笔交易无法自动解决的真问题。但放在更长的时间尺度上看,AMD的押注是清晰的:芯片竞争,不取决于在英伟达制定的规则下追赶得多快,而取决于谁能在规则被重写的那一刻,站在定义规则的位置上。李飞飞站到苏姿丰身边,至少意味着AMD已经把这个问题摆上了牌桌。1794895630457环球网版权作品,未经书面授权,严禁转载或镜像,违者将被追究法律责任。责编:秦耳环球网179489563045711[]//img.huanqiucdn.cn/dp/api/files/imageDir/1871bd80be12de117deed293ba1f4968u1.png{"email":"qiner@huanqiu.com","name":"秦耳"}
【环球网科技报道 记者 李文瑶】11月16日,AMD在社交平台X上放出苏姿丰与李飞飞的并肩合影,为持续数月的收购传闻画上句号。当天,AMD宣布已完成对空间智能公司World Labs的收购,李飞飞即日起出任AMD执行副总裁兼首席科学家,直接向苏姿丰汇报。这笔交易最早于9月28日官宣,采用全股票形式,估值约82亿美元,是AMD历史上规模第二大的收购,仅次于500亿美元收购赛灵思。World Labs原股东获得约1498万股AMD普通股,交割时间比原计划的“2026年底前”明显提前。在AI芯片竞争进入深水区的当下,这笔收购的分量很难用短期营收来衡量:苏姿丰买下的,是一条绕开英伟达CUDA生态、从应用层反向定义芯片的战略通道。李飞飞是谁,她为什么重要“AI教母”的称号或许能够简单概括李飞飞的贡献。李飞飞是美国国家工程院院士、美国国家医学院院士、美国艺术与科学院院士,斯坦福大学计算机科学系首位红杉讲席教授,也是斯坦福“以人为本”人工智能研究院(HAI)的创始联席主任。她曾任斯坦福人工智能实验室主任,是该实验室首位女性掌舵人;2017至2018年休假期间出任谷歌云AI/ML首席科学家,此后还担任过Twitter董事会独立董事。她最广为人知的成就是ImageNet。2000年代中后期,李飞飞主导创建了包含约1500万张图像、覆盖2.2万个类别的ImageNet大规模图像数据库,并发起ImageNet挑战赛。在深度学习尚未成为主流的年代,这一工作的价值不在于算法本身,而在于为整个领域提供了一套可规模化的“问题定义”:要让机器学会看,先得给机器一个足够大、足够有结构的数据世界。杰弗里·辛顿对此的评价是:“李飞飞是第一位真正理解大数据力量的计算机视觉研究人员,她的工作打开了深度学习的闸门。”2012年AlexNet在ImageNet上的突破,为此后十余年AI的爆发提供了关键的燃料和基准,而李飞飞正是那个提前把燃料摆到位的人。但AMD愿意支付82亿美元的理由,不在ImageNet的过去,而在李飞飞对AI下一站的前瞻判断。2024年,她联合创立World Labs,方向直指“空间智能”和“世界模型”。李飞飞的核心论点是:语言在生物演化史上只有约50万年,而视觉与触觉所代表的空间感知能力早在5亿年前的寒武纪就开启了神经系统的演化竞赛。如果AI只具备语言能力,它将被困在数字世界之中;只有补齐理解三维物理世界、具备物理直觉的能力,AI才能真正走向通用人工智能。基于这一判断,World Labs推出的Marble模型能够接收文本、图片、视频或3D布局,将其转化为可导航、可交互且具有永久物理一致性的三维环境;2026年发布的Atlas进一步统一了生成与重建,支持从真实场景快速构建机器人训练环境,打通“真实到仿真再到真实”的闭环。换言之,李飞飞带入AMD的,是一套关于“AI接下来需要什么算力”的模型层判断力。在AMD与英伟达的长期竞争中,这恰恰是最稀缺的东西。李飞飞加入之后,AMD得到了什么要理解这笔交易对AMD的意义,需要先看清AMD在竞争中真正卡在哪里。从硬件参数看,AMD并非没有反击之力。在MLPerf Training v6.1中,AMD基于MI355X和MI350X提交了迄今覆盖最完整的一轮结果,在多个基准上对英伟达Blackwell代系统实现了“击败B200、在可比提交中与B300相差数点”的训练时间表现;MI355X在部分测试中的每美元Token产出据称可达B200的2倍以上。微软Azure、Meta、OpenAI、Anthropic等头部客户也已将AMD纳入多吉瓦级的部署规划,三家客户的规划上限合计达到14 GW。从纯硅片性能的角度,AMD已经具备了在核心训练负载上被认真对待的资格。但英伟达的护城河从来不在硅片本身。瑞银分析师的数据显示,英伟达控制着数据中心AI加速硬件市场约80%的份额,AMD仅占5%至7%;而真正的壁垒是CUDA——一套经过近20年积累、拥有庞大且高度优化开发者生态的软件平台。AMD的ROCm虽在快速追赶,半导体研究机构SemiAnalysis甚至在2026年将AMD缩小差距的概率从两年前的“0”上调至“很大的成功机会”,但CUDA的惯性是结构性的:十余年的教程、库和训练有素的工程师默认以CUDA为起点,主流AI框架对ROCm的支持通常滞后,小众自定义算子和专业加速库的覆盖仍存在明显缺口。如果AMD只在“造出更便宜的替代芯片”的框架内竞争,它永远只能做第二供应商。图:苏姿丰(左)与李飞飞(右)李飞飞的加入,改变的是竞争的维度。World Labs的空间智能模型是天然的“算力结构定义者”:三维环境的实时生成、物理一致性的维持、机器人从仿真到现实的迁移,对内存带宽、并行粒度和推理延迟的要求,与语言模型的工作负载存在显著差异。这意味着,World Labs团队在模型研究中日复一日遭遇的计算瓶颈,可以直接、及时地反馈到AMD的硬件架构、软件栈和系统设计之中。苏姿丰对此的表述是,AMD收购World Labs的核心逻辑在于“对端到端流程了解得越透彻,构建出的系统就越出色”;李飞飞则明确表示,加入AMD将“加速研究,并帮助定义AI新时代所需的基础设施”。AMD官方披露的安排也印证了这一方向:World Labs团队将继续推进基础模型研究,同时与AMD工程师合作,将模型能力研究成果应用于未来AI基础设施的开发,以支持开放AI生态中的客户和开发者。如果说英伟达的策略是用CUDA锁定当下的开发者,那么AMD通过这笔交易押注的是另一件事:在AI工作负载从语言对话向空间智能和具身智能迁移的过程中,下一代计算需求的定义权尚未固化。谁先读懂物理世界模型真正需要什么样的芯片,谁就有机会在CUDA的版图之外划出一块新的战场。82亿美元买的不是World Labs当下的营收,而是一张参与定义“下一个默认平台”的入场券。全球竞争格局会如何改变如何将这笔交易放入全球AI芯片竞争的棋盘,它的意义超出了AMD与英伟达的双边博弈。当前的市场结构正在从“一极主导”向“多极分化”松动。英伟达在数据中心AI硬件中的份额虽仍居绝对主导地位,但博通定制ASIC、谷歌TPU、AMD GPU和亚马逊Trainium合计份额已占据相当可观的比例,Anthropic等头部模型公司已能在四类芯片上训练和运行模型。这种分化背后是一个更深层的变化:AI计算的需求本身正在变得多元。训练万亿参数语言模型的需求与训练机器人世界模型的需求、云端批量推理与边缘实时交互的需求,正在将“一种芯片通吃”的假设推向极限。英伟达的应对是向上游和入口端同时延伸——2026年9月以129亿美元收购Hugging Face,将全球最大的开源模型分发平台纳入版图,把“芯片—开发者—模型分发”的闭环焊得更紧。这是典型的生态锁定策略:在算力需求结构发生位移之前,先把开发者和模型的入口守住。AMD收购World Labs,在战略逻辑上是对这一打法的回应。英伟达收的是模型分发的平台和开发者入口,AMD收的是模型研究的前沿团队和对下一代工作负载的定义能力。两条路线指向同一个判断:AI芯片竞争的胜负手,正在从“谁的硅片跑分更高”转向“谁的全栈系统更能理解模型真正想做什么”。苏姿丰在CoRL 2026上与李飞飞的首次同台对话中,将物理AI和机器人描述为数千亿美元量级的机会,认为其将大幅拉动云端及边缘端的算力需求。这一判断如果成立,那么芯片架构的优先级排序——内存带宽与容量、芯片间互联、仿真与推理的协同设计——都可能面临重估,而重估的依据只能来自对模型本身的一线理解。当然,82亿美元买一家营收尚微的公司,风险仍然巨大。World Labs的空间智能模型从技术演示到规模化产业部署之间的距离,ROCm生态能否在Helios量产窗口期跟上硬件节奏,以及AMD数据中心收入高度集中于少数超大客户的结构性脆弱,都是这笔交易无法自动解决的真问题。但放在更长的时间尺度上看,AMD的押注是清晰的:芯片竞争,不取决于在英伟达制定的规则下追赶得多快,而取决于谁能在规则被重写的那一刻,站在定义规则的位置上。李飞飞站到苏姿丰身边,至少意味着AMD已经把这个问题摆上了牌桌。