82 亿美元买下李飞飞团队,AMD 不想再只靠卖芯片挑战英伟达了
今天,AMD 宣布正式完成了对 World Labs 的收购。AI 科学家李飞飞正式加入 AMD,出任执行副总裁兼首席科学家,直接向 CEO 苏姿丰汇报。 “芯片女王”和“AI 教母”同框的画面,在全网刷屏了。 AMD 买下 World Labs “芯片女王”也是扩张女王 按照此前披露的交易协议,这是一笔价值约 82

今天,AMD 宣布正式完成了对 World Labs 的收购。AI 科学家李飞飞正式加入 AMD,出任执行副总裁兼首席科学家,直接向 CEO 苏姿丰汇报。
“芯片女王”和“AI 教母”同框的画面,在全网刷屏了。
AMD 买下 World Labs “芯片女王”也是扩张女王
按照此前披露的交易协议,这是一笔价值约 82 亿美元的全股票收购。根据 AMD 向美国证券交易委员会(SEC)提交的文件,交易实际于 11 月 13 日完成,AMD 向 World Labs 原股东发行了约 1498 万股普通股。
这也成为 AMD 继 2022 年以约 488 亿美元收购 Xilinx 后,按公布交易价值计算的又一笔重大收购。
但与 Xilinx 不同,World Labs 并不是传统意义上的芯片公司,它由李飞飞等人于 2024 年创立,主要研究空间智能和世界模型,希望让 AI 不只是理解文字和二维图像,还能生成、理解和模拟三维物理环境。它的研究方向包括交互式三维世界生成、机器人学习与仿真。
从业务上看,这与 AMD 传统的 CPU、GPU 产品区别很大。
但苏姿丰解释了为什么会看上 World Labs。她在收购完成公告中表示,要为下一阶段的超级智能提供基础设施,就必须同时优化计算平台和模型。World Labs 的研究将帮助 AMD 塑造未来的硬件、软件和系统。

值得注意的是,这并不是 AMD 第一次收购 AI 模型团队。2024 年,它已经以约 6.65 亿美元收购了欧洲 AI 实验室 Silo AI。
把这几年的收购和业务变化放在一起看,苏姿丰执掌 AMD 期间,AMD 进行了一场比外界想象中更大规模的扩张,手段主要以并购为主,只是在不同阶段,AMD 买入的能力并不相同。
2022 年 2 月,AMD 完成对 Xilinx 的收购。根据其年度报告,最终购买对价约为 488 亿美元。

这笔交易让 AMD 获得了 FPGA、自适应计算、嵌入式系统等技术资产,也扩大了它在数据中心、工业、通信和汽车等领域的业务覆盖。同年,AMD 还完成了对 Pensando 的收购,将数据中心网络、DPU 和基础设施处理能力纳入自身产品组合。
这两笔交易有一个共同点:它们都发生在半导体和数据中心硬件领域,目的主要是扩大 AMD 能够提供的计算产品种类。
但 AI 大模型兴起后,AMD 盯上了 AI。
2023 年 10 月,AMD 完成收购 Nod.ai。这家公司并不生产 GPU,而是专注于开源 AI 编译器和模型优化软件。该公司由 Anush Elangovan 和 Harsh Menon 于 2013 年联合创立。Elangovan 曾是谷歌首批 Chromebook 团队成员,也曾担任思科的首席工程师。Menon 此前曾在 Kitty Hawk 工作,这家公司由谷歌联合创始人 Larry Page 投资。
AMD 在公告中提到,Nod.ai 团队曾为 Torch-MLIR、OpenXLA/IREE 等开源编译技术作出贡献。

对于普通用户来说,这些技术可能相当陌生。但对于 AI 芯片厂商,它们直接影响模型能否高效运行在不同硬件上。同样的模型,在不同 GPU 上运行时,往往需要解决算子适配、内存布局、计算图优化和内核调度等问题。编译器的作用,就是尽可能把模型计算转换成适合目标硬件执行的程序。
到了 2024 年,AMD 的收购开始进一步向模型开发环节延伸。
当年 8 月,AMD 完成对芬兰 AI 公司 Silo AI 的收购,交易金额约为 6.65 亿美元。
Silo AI 成立于 2017 年,具备为企业开发 AI 模型和应用的经验,曾与 Allianz、Philips、Rolls-Royce、Unilever 等企业合作,同时开发过 Poro、Viking 等开源多语言大模型。收购的意义不只是多了一支模型研发团队。
AMD 可以让更多模型在自己的硬件上完成训练和部署,积累真实的模型运行经验,进一步完善软件工具和优化方案。
2025 年 6 月,AMD 又宣布收购 Brium。
这支团队的专长是 AI 编译器、推理优化和跨硬件软件适配。AMD 当时明确提出,希望通过收购减少开发者对特定硬件配置的依赖,让 AI 应用更容易获得开箱即用的性能。
直到 2026 年,AMD 的收购进一步深入两端。
8 月,AMD 宣布签署收购 Taalas 的最终协议。这家加拿大公司研究专用 AI 推理芯片,希望通过优化数据流,减少通用计算架构中存在的计算和内存瓶颈。根据 AMD 最新季度报告,交易价值约为 29 亿美元,其中包含最高约 14 亿美元的或有对价。截至该报告披露时,交易仍待完成。
再到 9 月,AMD 宣布收购 World Labs;11 月,交易正式完成。
与 Silo AI 主要面向语言模型和企业应用不同,World Labs 的研究重点是空间智能、交互式三维环境和机器人仿真。这些新型模型可能对 GPU 的计算方式、显存、数据传输以及系统组织提出不同要求。
从这些动作中,可以看到一条逐渐清晰的路线:AMD 不再只是购买能够扩充现有硬件产品线的公司,而是在向 AI 计算链条的不同环节延伸。编译器、模型、推理芯片、服务器系统设计,甚至面向未来的物理世界建模,都开始进入 AMD 的技术版图。相比过去以芯片为中心的扩张,AMD 正在尝试建立一套更完整的 AI 技术体系。
AMD 为什么越来越像 一家 AI 系统公司?
如果说收购模型公司代表 AMD 向 AI 技术上游延伸,那么收购 ZT Systems,则是它向完整计算系统扩张的重要一步。
2025 年 3 月,AMD 完成对 ZT Systems 的收购。根据财务文件,交易总购买对价约为 44 亿美元,包括现金、AMD 股票和或有对价。
ZT Systems 长期为超大规模云计算客户提供数据中心计算基础设施,在服务器和机架级系统设计、验证及部署方面积累了经验。对于 AMD 来说,这种能力具有现实价值。
过去,人们衡量两款 GPU,通常会比较峰值算力、显存容量、带宽或者功耗,但当 AI 集群进入数千卡、数万卡规模后,单颗 GPU 的性能只是其中一部分。GPU 之间如何互联、CPU 如何协同、数据如何在内存和网络之间流动,以及系统的供电、散热和维护方式,都可能影响最终的计算效率。尤其是大模型推理,用户最终关注的往往不是单颗 GPU 的理论性能,而是完成一个请求需要多少时间、可以同时服务多少用户、每个 Token 需要付出多少成本。
这意味着,芯片厂商正在越来越多地参与系统级优化。ZT Systems 的收购,正好补齐了 AMD 在这一方面的能力,更能说明 AMD 战略意图的是,完成收购后,它并没有长期保留 ZT Systems 的全部制造业务。
2025 年 10 月,AMD 将其数据中心基础设施制造业务出售给 Sanmina,同时保留部分知识产权以及系统设计团队。Sanmina 则成为 AMD 在复杂 AI 系统制造方面的优先合作伙伴。
换句话说,AMD 更希望保留系统架构设计、客户适配和研发能力,而将大规模制造继续交给专业合作伙伴。这与它长期采用的无晶圆厂经营模式有一定相似之处:掌握核心设计能力,同时依靠外部制造生态实现规模化交付。
这种转型已经开始体现在产品上。
AMD 的 Helios 机架级 AI 系统,将 Instinct GPU、EPYC CPU、Pensando 网络技术和 ROCm 软件整合在一起,目标是提供可以大规模部署的 AI 计算平台。
2026 年 10 月,AMD 又发布面向 Agentic AI 的 Helion 机架方案。与主要围绕 GPU 推理计算构建的系统不同,Helion 特别强调 CPU 在 Agent 工作负载中的作用。
原因在于,Agent 完成一项任务,往往需要不断进行任务规划、工具调用、状态管理和外部系统交互。除了模型推理,还存在大量通用计算与系统协调工作。
AMD 因此提出了不同配置:既包括主要依靠 EPYC CPU 承担 Agent 执行任务的机架,也包括同时整合 CPU 和 GPU 的企业级方案,这说明 AMD 开始根据不同 AI 应用的计算特点,重新组织自己的产品组合。
但无论是 Helios 还是 Helion,都不是简单把现有芯片装进更大的机柜。它们背后对应的是 AMD 希望提供的另一种价值:客户不需要独立解决所有硬件集成问题,而是可以基于 AMD 的系统方案部署和优化 AI 工作负载。
从卖单颗芯片,到参与设计整套计算系统,AMD 正在争夺的已经不只是 GPU 市场份额,还有 AI 基础设施的系统设计权。
AMD 当然想拥有 自己的 CUDA 生态
有一个问题始终绕不开:如果 AMD 的 GPU 性能和价格足够有竞争力,为什么它仍然需要不断收购软件公司?答案与英伟达过去十多年建立的软件生态有关。
CUDA 不只是一套 GPU 编程接口。围绕 CUDA,英伟达逐渐建立起编译器、数学库、深度学习加速库、开发工具、模型优化和部署框架,以及庞大的开发者社区。
在 AI 大模型时代,GPU 的价值已经不能只通过硬件性能来衡量。对于开发者而言,一款 GPU 能否直接运行主流框架,是否支持常见模型,遇到性能问题时有没有成熟的优化工具,往往和硬件价格同样重要,这也是 AMD 一直试图解决的问题。
但事实上,AMD 不是没有自己的软件平台。它长期发展的 ROCm,正是面向 GPU 计算和 AI 的开放软件栈,提供编译器、运行时、计算库以及主流 AI 框架的支持。
但拥有一套软件平台,与拥有一个成熟的开发者生态,是两回事。
尤其是在大模型训练和推理中,即便两个平台都支持 PyTorch,实际部署时仍可能遇到算子兼容、GPU 内核优化、框架版本适配和性能调试等问题。如果迁移所需的工程投入超过了使用另一种 GPU 节省的硬件成本,客户就未必愿意更换平台。
这也是 AMD 收购 Nod.ai、Brium 等软件团队的现实背景。
Nod.ai 的开源编译器技术可以帮助 AI 模型在 AMD 硬件上得到更有效的编译和优化;Brium 则侧重减少模型部署对特定硬件配置的依赖。两次收购并不是简单增加软件工程师,而是在补足开发者使用 AMD GPU 时最容易遇到的技术环节。
2026 年 7 月,AMD 与 Anthropic 宣布战略合作,又将这一思路推进了一步。按照双方协议,Anthropic 计划在未来部署最高 2 吉瓦的 AMD Instinct GPU,首批 1 吉瓦计划于 2027 年上半年启动。

但合作不只涉及采购 GPU。双方还计划利用 Claude 优化 AMD GPU 上的 AI 工作负载,加速 ROCm 软件开发。AMD 也计划在自身工程和产品研发团队中广泛采用 Claude。其实释放出的信号比较明显:AMD 正在让自己的头部 AI 客户直接参与软件生态建设。
一方面,大模型公司提供真实工作负载和开发需求;另一方面,AMD 根据这些需求改进编译、运行和推理效率。
这些举措,或多或少有一些 CUDA 的影子。
与 AI 巨头深度捆绑
除了收购,AMD 过去一年另一个明显变化,是与大型 AI 模型公司的关系正在加深。
2025 年 10 月,AMD 与 OpenAI 宣布达成多年、多代际 GPU 部署协议,涉及 6 吉瓦计算基础设施,首批 1 吉瓦计划于 2026 年下半年启动。
双方合作并不局限于采购。按照 AMD 公布的信息,OpenAI 将与 AMD 围绕下一代 GPU 和机架级 AI 系统进行合作,帮助优化未来的计算平台。
2026 年 2 月,AMD 又与 Meta 达成类似规…的合作协议,计划部署最高 6 吉瓦的 AMD GPU。这次…作有一个值得注意的技术细节:Meta 首批部署将使用基于 MI450 架构、针对自身工作负载优化的定制 Instinct GPU。

双方还将共同协调 GPU、CPU、系统和软件路线图。
到了 2026 年 7 月,Anthropic 加入这一合作阵营,其与 AMD 的协议涉及最高 2 吉瓦的 GPU 部署,采用 Helios 机架级方案,同时展开长期软件工程合作。
如果将三项协议的最高规划规模相加,涉及的计算基础设施达到 14 吉瓦。
这些具体的合作仍然反映出一个趋势:AMD 正在进入全球最大的 AI 模型公司和云计算客户的长期技术规划。
以前,一家芯片公司主要根据市场预测设计产品,再争取客户采购。现在,AMD 更希望提前获得客户对下一代模型的判断,并让客户参与产品设计,这种模式有两个好处:一是可以减少芯片研发与真实工作负载之间的错位,例如,模型架构、上下文长度、推理方式和计算精度的变化,都可能影响芯片在显存容量、带宽、计算单元及互联方面的设计取舍;二是能够在产品上市之前,就围绕重要客户的需求开展软件优化,当客户计划部署的是数万乃至更多 GPU 时,哪怕单次推理效率只有几个百分点的变化,也可能对整体计算成本产生重要影响。
当然,客户参与路线图制定并不意味着芯片公司必须完全围绕某一家客户开发产品。AMD 仍然需要在定制优化和通用市场需求之间取得平衡。
但从 OpenAI 到 Meta,再到 Anthropic,可以看到 AMD 正在改变自己在 AI 产业链中的位置。它希望不再只是在客户决定买什么 GPU 时参与竞争,更进一步是希望在客户讨论未来需要什么样的计算平台时,就已经坐在会议桌旁。
所以收购 World Labs 可以说是一种水到渠成的选择。此前 AMD 更多依赖外部模型公司提供需求信息。随着 World Labs 团队加入,它还将拥有内部研究前沿模型的能力。
不断扩张的 AMD,正在变成 另一家怎样的公司?
这一轮扩张能否奏效,至少在财务层面,AMD 已经交出了一份增长明显的成绩单。
11 月 3 日,AMD 发布 2026 年第三季度财报。当季公司实现营收约 134 亿美元,同比增长 45%;其中数据中心业务收入约 85 亿美元,同比增长 97%,创下季度新高。

按照这组数据计算,数据中心业务已经贡献 AMD 总营收的约 64%。与过去外界主要关注 AMD 在个人电脑处理器市场如何挑战英特尔不同,如今数据中心已成为决定 AMD 增长表现的核心业务。
AMD 在财报中表示,增长来自 Instinct GPU 和 EPYC CPU 的强劲需求,以及新一代产品的推出。更值得注意的是,AMD 的扩张已经从采购与研发,延伸到 AI 基础设施的资本投入。例如,与 OpenAI 签署 GPU 合作协议时,AMD 还向 OpenAI 提供了购买最多 1.6 亿股 AMD 股票的认股权证。也就是说,AMD 与头部 AI 公司的关系,已经不仅是供应商与采购方,还包含软件联合开发、产品路线图协同和资本安排。
但另一方面,不断的扩张与整合也会带来新的挑战。从 ZT Systems 的系统设计工程师,到 Nod.ai 的编译器专家,再到 Silo AI 和 World Labs 的模型研究人员,这些团队的研发节奏、技术目标和组织文化并不完全相同。AMD 需要解决的,不只是如何留住这些团队,还包括如何把分散在不同组织里的技术能力整合到统一的产品路线图中。
从外部竞争角度看,AMD 也远未摆脱英伟达带来的压力。
英伟达已经围绕 CUDA、GPU、网络互联、系统平台及开发工具建立了长期积累。AMD 即使补齐了更多技术环节,也仍需面对软件成熟度、开发者习惯以及大规模部署可靠性等方面的竞争。
更何况,在大型 AI 客户开始自研芯片、推理工作负载不断分化的背景下,AMD 不仅需要与英伟达竞争,还需要证明自己的产品相较专用 ASIC 和其他加速架构仍然具有优势。
而这些问题的答案,都只能交给时间回答。
参考链接:
https://ir.amd.com/news-events/press-releases/detail/1292/amd-and-anthropic-announce-strategic-partnership-to-deploy-up-to-2-gigawatts-of-amd-instinct-mi450-series-gpus
https://ir.amd.com/news-events/press-releases/detail/1306/amd-completes-acquisition-of-world-labs
https://techcrunch.com/2023/10/11/amd-acquires-nod-ai-to-bolsters-its-ai-software-ecosystem/