当天下午3点（美国中部时间），李飞飞登上奥斯汀希尔顿酒店的演讲台，做了一场题为"Atlas：统一生成与重建的世界模型"的技术报告，台下是数百名机器人学习领域的研究者。这是她离开斯坦福后第一次完整交代自己到底造了什么。苏姿丰就在她身旁等着炉边对话开场——自9月29日AMD宣布82亿美元收购World Labs以来，两人头一回公开站到一起。
外界反复渲染这场同台的分量。不过更该拆开看的是：台上这家公司实际交付了什么，AMD又凭什么认定它值82亿美元。
Atlas不是演示，是基础设施
CoRL 2026官方议程把Atlas定义为一个自回归帧生成模型，把像素级图像生成和三维场景重建统一起来。把这两种能力捏到一起，技术上并不顺理成章。过去几年，生成模型和重建模型各走各的路：一个擅长无中生有地造出逼真画面，一个擅长从多视角图像里还原几何结构。Atlas要回答的问题是：同一个模型能不能两件事一起干，还得实时跑起来。
World Labs在演讲前公开透露，Atlas能凭两三张普通图片重建出空间结构，也能用三到五张手机照片做出子弹时间式的视角变换。11月5日，也就是李飞飞演讲前六天，World Labs抢先放出了实时Atlas演示Frameboy，让外界在技术报告之前先看到系统跑起来的样子。
对机器人领域来说，Atlas的关键不在于生成的画面漂不漂亮，而在于它能派什么用场：从几张真实照片快速搭出可交互的三维环境，充当机器人训练的合成数据来源。多家科技媒体报道称，Atlas能根据工厂或仓库的少量照片生成虚拟副本，还能模拟传送带这类动态物体的运动。机器人"真实→仿真→真实"（real-to-sim-to-real）训练范式所需要的输入端，正是这个。
这条思路在今年7月World Labs收购机器人仿真公司SceniX时已现端倪。当时多数人把它读成World Labs在自建工具链，现在回头看，它更像是在为AMD这笔交易铺一个完整的机器人训练数据飞轮。
AMD买的不是李飞飞的名字
苏姿丰在9月29日彭博电视的采访中表示，了解端到端流程越深，系统就做得越好。她称，收购World Labs正是为了把李飞飞汇聚起来的世界顶尖人才收进来，再与AMD在硬件、软件、系统上的能力相结合。
这段话的重心不在"李飞飞"三个字，而在"端到端"和"下一代模型如何使用算力"。AMD的战略难题是：英伟达的护城河不只是CUDA，还有对AI研究社区需求的精准感知——研究者下一步要训练什么，英伟达知道，所以能提前把对应的硬件设计出来。AMD追的正是这种对模型演化方向的感知能力。
世界模型恰好站在这条演化路径的前沿。大语言模型的参数量已逼近可扩展上限，下一轮算力需求很可能从另一个维度冒出来：让模型理解空间、物理和时序关系，去驱动机器人和具身智能。World Labs是全球押注这个方向最有代表性的研究团队之一。Atlas的计算特征——大量三维重建、实时帧生成、多视角一致性维护——对硬件架构的要求，和Transformer矩阵乘法完全不同。
李飞飞在官宣收购时引用了丁尼生《尤利西斯》里的句子：“来吧，我的朋友，去探寻一个更新的世界，现在尚不算晚。”谈到为何加入AMD，她的说法是，现阶段与AMD联手，有望为自己、AMD以及整个生态创造出一个加快软硬件开发飞轮效应的机会。
这个"飞轮"有具体所指：World Labs的研究要推进，需要更大规模的算力；AMD的算力路线图要定型，需要世界模型研究来定义下一代需求。互补性也解释了交易为什么用全股票而非现金——AMD买的是持续演化中的研究能力，不是一次性的技术资产。
82亿美元的参照系
看估值路径：World Labs在2024年成立当月以2亿美元估值完成首轮融资，2026年2月完成10亿美元融资时估值已达50亿美元，AMD Ventures和英伟达均在此轮追加投注。七个月后，AMD以82亿美元全股票将其收购。据彭博社报道，团队规模约70人，其中包括7月收购SceniX后加入的机器人专家团队。
70人的研究团队，82亿美元，折算下来单位人头成本超过1亿美元。这个数字在AI研究领域不算孤例，但仍能看出溢价从哪来：李飞飞和联合创始人Justin Johnson、Ben Mildenhall代表的技术信誉，以及Atlas在机器人规模化训练场景中尚未充分兑现的潜在价值。
交易宣布时，Atlas刚发布约两周。
交易状态
AMD 11月4日提交的Form 10-Q季报显示，World Labs收购交易仍列为"待完成"，李飞飞出任AMD执行副总裁兼首席科学家的职位，要等交割完成才生效。也就是说，今天CoRL上的同台本质上是一场"预演"——两位主角站上了同一个舞台，组织层面的整合还没开始。
世界模型与机器人训练
CoRL大会另一位主题演讲者是MIT教授、Walden Robotics CEO Russ Tedrake，他的方向恰好构成对照：讲题是"在真实工厂部署大规模操作模型，以及实际部署教会我们什么"。这代表机器人领域的另一条路线——合成数据和仿真固然有用，但真实场景里的物理接触才是终极考场。
Atlas在实验室环境下的视角生成能力确实让人印象深刻。但从"给几张照片重建仓库"到"让机器人在这个仓库里稳定抓取任意物体"，中间还有多远的距离，今天的演讲没有给出答案。
花82亿美元，AMD买到的是通向一个研究方向的入场券，还有一支眼下全球最有资格把这个方向带向实用的团队。至于这张入场券值多少钱，得等机器人真正进入规模化训练阶段才见分晓。
