AMD 82亿美元全股票收购 World Labs

撰文：小饼

2026 年 9 月 28 日，AMD 的 CEO 苏姿丰和 World Labs 创始人李飞飞坐在一起，签下了一份价值 82 亿美元的全股票收购协议。

这是 AMD 历史上第二大收购案，仅次于 2022 年以约 500 亿美元拿下 Xilinx。但如果按"每一美元买到了什么"来衡量，这笔交易可能比 Xilinx 更值得被反复咀嚼。

因为 AMD 买的不是一条产品线，不是一套软件栈，甚至不是一个有营收的商业实体。World Labs 至今没有公开披露过任何收入数据，团队不到 100 人。

AMD 花 82 亿美元买到的，是一群正在定义“下一代 AI 到底需要什么算力”的人。

李飞飞：一个不需要介绍的名字

在 AI 领域，李飞飞的地位有多特殊？

2007 年，她在斯坦福启动了 ImageNet 项目，手工标注了超过 1400 万张图片，构建出当时最大的视觉数据集。

2012 年，多伦多大学团队在 ImageNet 挑战赛上用深度神经网络碾压了所有传统方法，直接引爆了这一轮 AI 革命的导火索。可以说，如果没有 ImageNet，深度学习的爆发至少要推迟三到五年。

她后来去谷歌云担任 AI 研究负责人，再回到斯坦福。

2024 年，她创办了 World Labs，带着一个在当时听起来相当激进的判断：大语言模型只解决了"语言智能"，真正的通用智能必须建立在对物理世界的三维理解之上。

这个判断，在 2024 年还有不少人觉得太超前。但到了 2026 年，当英伟达把"物理 AI"写进每一场发布会的标题，当特斯拉和 Figure 的人形机器人开始需要海量仿真数据来训练，李飞飞两年前的押注开始显得越来越像一个精准的提前布局。

交易完成后，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。这是芯片行业有史以来"吸纳"的最重量级 AI 研究者。

空间智能：不是又一个视频生成器

World Labs 做的事情，用一句话概括：教 AI"看懂"三维空间，并在其中进行仿真推演。

2025 年 11 月，World Labs 发布了第一款商业产品 Marble，能从图片或文本生成可编辑的 3D 环境。索尼影业用它做虚拟制片，据报道效率比传统工作流快了 40 倍。2026 年 1 月推出 World API，开放开发者接口。7 月收购了机器人相关的 SceniX 公司。

9 月 1 日，也就是被收购消息公布前不到一个月，World Labs 刚刚发布了 Atlas，一个能从几张照片就生成、重建和仿真 3D 世界的全模态世界模型。Atlas 并不只是一个视频生成器。它能输出真正的 3D 数据，包括点云和 3D 高斯散射，每一帧图像都锚定在三维空间的精确坐标上。

理解 Atlas 和普通视频模型的区别，可以用一个比喻：普通视频模型像是在"画"一部关于房间的动画，而 Atlas 是在真正地"建造"这个房间，你可以从任意角度走进去，摆放物品，测试物理碰撞。

这种能力的应用场景远远超出内容创作。机器人可以在 Atlas 构建的仿真环境中反复练习操作，自动驾驶系统可以在虚拟城市中遭遇各种极端工况，建筑师可以在交付前就看到整栋楼在不同光线下的真实效果。

用李飞飞自己的话说：“智能体，无论是机器人还是车辆甚至工具，都可以先在物理感知的数字世界中学习，然后才需要部署到真实世界，这让它们安全得多。”

82 亿美元的真正逻辑：AMD 在买一架"望远镜"

为什么一家芯片公司要花 82 亿美元买一个没有营收的 AI 实验室？

AMD 给出的官方说法是：随着 AI 向推理、机器人、仿真和物理 AI 扩展，对计算基础设施的需求正在变得更加多样化。World Labs 的专长能让 AMD 更深入地理解负载演变的方向，并据此塑造未来的技术路线图。

翻译成更直白的话：过去是先造好芯片，再等模型公司来适配；现在 AMD 要把造模型的人拉进来，让模型的未来直接指导芯片的设计。

用一个分析师的说法：这是一笔“洞见收购”。

分析师 Patrick Moorhead 的原话是：“这是一笔人才和模型洞察力的收购，不是营收交易。AMD 得到了那些正在构建其未来芯片必须运行的模型的人。”

Rosenblatt 证券的分析师 Hans Mosesmann 也指出，这让 AMD 获得了对 AI 模型演进方向的更深层可见性，而这恰恰是与英伟达竞争中最稀缺的资源。

为什么“可见性”如此重要？

英伟达之所以能在 AI 芯片市场占据 70%到 80%的份额，并不仅仅是因为 GPU 硬件领先。更关键的是，英伟达通过 CUDA 生态和自研的世界模型（如 Cosmos 系列），对前沿 AI 负载的理解远超竞争对手。它知道模型下一步需要什么样的计算特性，所以总能提前把对应的硬件能力设计好。

AMD 在芯片设计能力上并不弱。Instinct MI350X 系列在某些指标上已经能与英伟达 B200 相匹敌，Helios 机架系统甚至以高于英伟达 Rubin 40%的价格拿下了微软的全栈采购。但在"预判下一代模型需要什么"这件事上，AMD 一直处于追赶状态。

收购 World Labs，就是在补这块最关键的拼图。

AMD 的并购拼图：从芯片供应商到 AI 全栈玩家

把时间线拉长看，这笔交易是 AMD 三年 AI 并购战略的关键一步。

2022 年，以约 500 亿美元收购 Xilinx，获得 FPGA（现场可编程门阵列）能力，补齐了自适应计算这块版图。

2024 年 8 月，6.65 亿美元收购芬兰 AI 实验室 Silo AI，获得了一整支能在 AMD 硬件上优化和部署 AI 模型的软件团队。

2024 年 8 月，49 亿美元收购 ZT Systems，拿下了为超大规模数据中心设计和制造 AI 服务器的能力。Lisa Su 说这笔收购让 AMD 能"在大规模部署中真正加速"。

2026 年 9 月，82 亿美元收购 World Labs。

逻辑链条清晰得像一道数学证明：Xilinx 给了灵活的芯片架构，ZT Systems 给了系统级的交付能力，Silo AI 给了软件和模型优化能力，World Labs 给了对前沿 AI 负载的"第一视角"。

四步走完，AMD 从一个"卖芯片的"变成了一个能从模型研究到芯片设计到系统交付全链条覆盖的 AI 平台公司。这和英伟达从 GPU 供应商进化为"AI 全栈"平台的路径，惊人地相似。

英伟达的阴影，和一个微妙的细节

这笔交易有一个不容忽视的背景：英伟达在物理 AI 领域已经走得很远。

2026 年 6 月，英伟达在 GTC 台北发布了 Cosmos 3，一个开源的物理 AI 基础模型，同时整合了视觉推理、世界生成和动作预测能力。黄仁勋宣布成立 Cosmos 联盟，拉入了 Agile Robots、Black Forest Labs、Runway 等一众 AI 和机器人公司。

同一个月里，英伟达也以约 129 亿美元收购了开源 AI 平台 Hugging Face。两家芯片巨头各自砸下数十亿美元做 AI 并购，这个时间上的重叠本身就说明了问题：AI 芯片的竞争，正在从硬件规格的比拼，转向"谁更懂模型演进方向"的认知竞赛。

而这里有一个微妙的细节：在 World Labs 今年 2 月的 10 亿美元融资中，英伟达也是投资方之一。也就是说，英伟达投了钱，然后眼看着 AMD 把整家公司买走了。

这笔交易完成后，英伟达作为 World Labs 的现有股东将获得 AMD 的股票。但对英伟达来说，真正的损失不在财务回报，而在于一支顶尖的空间智能研究团队，从此将为竞争对手的芯片路线图服务。

市场的第一反应：疑虑

华尔街对这笔交易的第一反应并不热情。消息公布当天，AMD 股价下跌约 3.5%至 608 美元附近，市值约 1 万亿美元。

投资者的顾虑不难理解。82 亿美元全部以 AMD 股票支付，这意味着对现有股东的稀释。而被收购的对象没有已知的营收，不到 100 名员工，最后一轮融资估值也才 50 亿美元，七个月后 AMD 就以 64%的溢价买下了它。

另一个疑问是时间线。交易预计年底完成，在此之前 World Labs 将独立于 AMD 的芯片制造业务运营。模型研究能力向芯片设计的转化，注定是一个以年为单位的长期过程。对于习惯看季度财报的投资者来说，这笔交易在短期内看不到任何收入贡献。

但如果把视角拉到三到五年，逻辑就完全不同了。据 Bloomberg Intelligence 预测，AI 加速器市场到 2033 年将超过 6000 亿美元。当前英伟达的份额已从 2024 年的 87%高点开始回落至 70%-75%。在一个总量还在翻倍增长的市场里，"更懂模型"的那家公司，大概率能吃到最大的增量蛋糕。

物理 AI：下一个十年的主战场

跳出 AMD 和英伟达的双雄叙事，这笔交易指向的是一个更大的趋势转折。

过去三年，AI 行业的主旋律是大语言模型的军备竞赛：更大的参数、更多的文本数据、更强的对话能力。但这条路线的边际回报正在递减。行业正在从"训练大模型"的基建期，切换到"大规模部署和商业化"的收割期。

而在部署端，真正有爆发力的场景不再是聊天机器人，而是物理世界的智能化：工厂里的机器人需要在仿真环境中学会抓取零件，自动驾驶需要在虚拟城市中遇到一万种意外，建筑和娱乐行业需要用 AI 一键生成逼真的 3D 场景。

这些场景对算力的需求，和训练 GPT 完全不同。它需要海量的 3D 渲染和物理仿真能力，需要对空间关系和时间演进的精确建模，需要芯片层面专门的架构优化。

谁先搞清楚这些新型负载的计算特征，谁就能设计出最适配的芯片。AMD 花 82 亿美元，赌的就是这个"谁先看清楚"的时间差。

至于这个赌注最终能否兑现，答案不在 AMD 的季度财报里，而在全球各地的仓库、工厂和道路上，当真正的通用机器人开始接管重复性劳动的那一天。