李飞飞创办World Labs被AMD收购:46天交易,82亿美元
从图像、空间到仿真环境,她不断拓展机器“看见世界”的方式。文|《中国企业家》见习记者 施思羽编辑|马吉英头图来源|视觉中国在World Labs位于旧金山的总部,两位华裔女性共同切下庆祝蛋糕。当地时间11月16日,半导体巨头AMD宣布,完成对世界模型World Labs的收购,交易金额82亿美元,全部采用股票支付。来源
从图像到空间,再到仿真环境,她一直在拓宽机器“看见世界”的路径。
头图来源|视觉中国
旧金山,World Labs总部。两位华裔女性一起切开了庆祝的蛋糕。
当地时间11月16日,半导体巨头AMD宣布,完成对
World Labs创办于2024年,创办者是斯坦福大学教授李飞飞,联合创始人还包括她昔日的博士生Justin Johnson,以及
9月28日签约,11月13日交割,前后只有46天。这家商业化刚起步的公司,成了AMD历史上规模第二大的收购标的。2022年,AMD曾以约490亿美元收购赛灵思。
庆祝场面热闹,资本市场的反应却偏冷静。11月16日,AMD股价收跌5.58%至504.28美元,总市值约8270亿美元。
过去十余年,人工智能几次范式转换的关键节点上,都有李飞飞的身影。她主导建设的大规模图像数据库ImageNet,为
World Labs官方账号发布的庆祝视频结尾,AMD的标语“together we advance”被改成了“together we advance_worlds”。多出来的“worlds”,既指刚加入AMD的World Labs,也像是一语双关——
这一回,李飞飞和AMD想一起推进的,除了芯片和模型,还有机器理解世界、进入世界的能力。
46天,82亿美元
World Labs成立才两年多,手里并不只有一个前沿概念。2025年11月,首款商用产品
李飞飞要做的也不止三维内容生成。2026年,World Labs收购机器人仿真公司
AI正从数字空间走向物理世界,机器光知道世界“长什么样”不够,还得理解视角变化、物体移动和抓取操作会带来什么结果。
这同样是AMD正在寻找的答案。
近几年,AMD一直在补齐计算版图——收购
大语言模型的训练和推理需求,相对清晰,
常见的合作模式里,芯片公司往往站在产业链后方,等模型和需求慢慢成熟,再拿出更强的算力。李飞飞进入AMD的价值之一,是把这一顺序倒过来:让真实的模型负载更早进入芯片、软件和系统的设计过程,在硬件路线还没完全定型时,就告诉工程师,下一代AI究竟卡在哪里。
通过这笔收购,AMD拿到的不只是模型和产品,还有一支能持续提出新计算问题的研究团队。李飞飞进入核心管理层,则让这种沟通多了一条更直接的组织通道。
对李飞飞来说,这同样是一次主动选择。
在9月28日公开的《To Seek a Newer World》(《寻找新世界》)信中,她给出了这样的说法:缺少专门的硬件投入,AI的效率会受限,规模同样如此;就我们想达成的目标来说,也仍然会被困在数字世界之中。
收购完成后,World Labs联合创始人Justin Johnson、Ben Mildenhall等人留任,团队仍作为独立前沿研究组织继续基础模型研发,同时与AMD硬件、软件和系统工程师协作。
AI下一步还缺什么?
李飞飞常被称作“AI教母”。
1976年,李飞飞出生在北京,成都长大。按她在《我看见的世界:李飞飞自传》里的说法,1992年她15岁,跟着母亲去了美国,全家落脚新泽西。初来乍到语言不通,父母先给人干洗店打工,攒下钱才盘下一家自己的店。上高中那阵,她放学就守着店,周末还去中餐馆帮工;后来靠奖学金进了大学。
2007年,李飞飞31岁,已经是普林斯顿大学的助理教授。那几年搞计算机视觉的人大多埋头改算法,她的注意力却越来越多地落到数据上。
自传里她写过一句话:“如果训练算法的数据不能很好地反映现实世界,那么即使是最好的算法也无法很好地完成工作。”
于是她打算建一个体量足够大的图像数据库。这活儿费人费力,论文产出也慢,当时不少人觉得不划算。李飞飞团队通过亚马逊众包平台,从167个国家找来近5万名标注者,最后标出约1400万张图片、2.2万多个类别。
2009年,ImageNet正式亮相。
真正的转折出现在2012年。Geoffrey Hinton团队用GPU训练模型,在ImageNet上把成绩大幅拉高。此后十年,几乎所有图像识别模型都靠这套数据打底。大模型时代来了,数据规模和质量的地位没变,只是形态从图片延伸到文本、视频和三维环境。
当年没人愿意接的“体力活”,成了整个AI行业的地基。
不过,李飞飞对AI的期待,从来不只在技术指标上。
ImageNet最耗心力的那几年,她母亲重病住院。她白天陪护,抽空改论文。母亲问过她:“飞飞,你做这一切,是为了什么?”
这个问题没随ImageNet的成功而消散。2017年学术休假期间,她进入谷歌,担任谷歌云AI首席科学家,把研究推到产业最前线;2019年,她又推动成立斯坦福以人为本人工智能研究院。
在她看来,技术能做什么之外,总还有另一个问题:它为谁而做,又会怎样影响人?AI越强,这个问题越躲不开。
当时大语言模型正吸走大量目光,李飞飞却先把研究方向对准了三维世界。
2024年4月,她再度创业,成立World Labs。
同年9月,World Labs拿下2.3亿美元首轮融资;2025年11月,首款产品推出。
从ImageNet走到World Labs,她追的始终是同一个问题:AI下一步还缺什么?
收购只是开始。
进了AMD,李飞飞要面对的问题更具体,也更棘手。
她要做的,不光是让Atlas在某款芯片上跑得更快,还得把模型训练、场景生成、物理仿真、真机反馈这些环节的瓶颈,提前变成计算平台的设计需求。11月11日,苏姿丰在发布会上宣布了这笔交易。
最难补的一环,还是数据。
World Labs在官方研究文章里说得很直白:机器人要进真实世界,就得大量采集数据、反复测试,人工和硬件试错的成本都居高不下。视频能拍出杯子怎么移动、怎么碰撞,可里面通常没有机器人能直接用的动作指令、接触力和触觉反馈。让真机器人在现实中一遍遍试错,又贵又慢,有时还带着安全风险。
仿真给出了另一条路:机器人在虚拟环境里反复练,再回到真实世界。
但场景看着真,不代表机器人就能在里面有效学习。摩擦、材料变形、接触反馈上的一点偏差,都可能让训练结果到真机上失灵。李飞飞要带着World Labs跨过的,正是从“世界看起来真实”到“世界在物理上足够可信”这段距离。
这也让她讲了很多年的“以人为本”多了更具体的要求。机器一旦走进物理世界,出错就不只是识别率上下波动,还可能带来实打实的成本和安全风险。技术离人的日常生活越近,可靠和可控就越要紧。
技术之外,开发者是另一道坎。
在空间AI和物理仿真这两块,英伟达的优势还很牢固,工具链和开发者生态也已经攒了多年。李飞飞进来,能帮AMD把模型需要什么弄得更明白,可开发者已经选定的路,她没法直接扳过来。交易完成后,AMD还得靠产品说话,让开发者愿意上手试,也愿意一直用下去。
AMD在交割公告里把开放AI生态摆在前面。对李飞飞来说,开放这件事,一头连着AMD在生态上的竞争,一头连着外部团队能不能接着用这些工具、检验它们、再把它们改得更好。ImageNet当年能有那么大影响,靠的就是开放使用和广泛参与。
收购只是开了个头。AI从屏幕里走出来、进入三维的真实世界之后,李飞飞还得回答那个她问了很久的问题:
技术到头来会怎么影响人?