李飞飞率World Labs加入AMD:82亿美元股票收购,46天交割
从图像、空间到仿真环境,她不断拓展机器“看见世界”的方式。
旧金山World Labs总部,两位华裔女性一起切开了庆祝蛋糕。
当地时间11月16日,半导体巨头AMD宣布以82亿美元完成对世界模型公司World Labs的收购,支付方式全部为股票。

World Labs由斯坦福大学教授李飞飞、她昔日的博士生Justin Johnson,以及NeRF论文第一作者Ben Mildenhall等人联合创办于2024年,现有约70名员工。交易完成后,李飞飞将担任AMD执行副总裁兼首席科学家,直接向AMD董事长兼CEO苏姿丰汇报。
从9月28日签约到11月13日交割,前后只有46天。这家商业化才刚起步的公司,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。同日,半导体与AI基础设施板块也同步回调。
人工智能几次范式转换的关口,李飞飞在过去十余年里都赶上了。ImageNet 这个大规模图像数据库由她主导搭建,机器视觉研究由此有了统一的数据与评测基准;到了 World Labs,她的研究又往三维空间推了一步。加入AMD后,她的关注面进一步落到模型背后的计算系统上。
World Labs官方账号发布的庆祝视频末尾,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,李飞飞与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
成立才两年多的World Labs,手里并非只有一个前沿概念。2025年11月,首款商用产品Marble上线,用户输入一段文字、一张图片,就能生成可进入、可编辑、可导出的三维场景。2026年9月,World Labs发布多模态世界模型Atlas,尝试用一个模型打通文本、图像、视频和三维内容。收购交割前一天,Atlas仍按计划向公众和开发者开放。
李飞飞想做的也不止三维内容生成。2026年,World Labs收购机器人仿真公司SceniX,把机器人本体、工作台、传感器等放进可重置、参数可调的虚拟环境,展示过双臂装箱、线缆操作等任务,还对部分仿真训练成果做了真机验证。
AI从数字空间拓展到物理世界,机器就不只要知道世界“长什么样”,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。
过去几年,AMD不断补齐计算版图——收购ZT Systems,加强机架级系统能力;推出Helios,把GPU、CPU与ROCm软件纳入同一套方案。硬件、系统和软件逐渐齐备之后,下一个问题冒了出来——客户的下一代模型究竟会怎样使用这些计算能力。
大语言模型要多少算力来训练和推理,大致清楚;空间智能则一天一个样。生成三维场景、让不同视角下的画面保持一致、模拟物体之间的碰撞,再把机器人训练的结果送回模型——这些任务会卡在什么地方,芯片工程师关起门来很难想明白。
常见的合作模式里,芯片公司往往站在产业链后方,等模型和需求逐渐成熟,再提供更强的算力。李飞飞进入AMD的价值之一,在于把这个顺序倒过来:让真实的模型负载更早进入芯片、软件和系统的设计过程,在硬件路线尚未完全定型时,就告诉工程师,下一代AI究竟卡在哪里。

通过这桩收购,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,则让这种沟通有了更直接的组织通道。
对李飞飞来说,这同样是一次主动选择。
9月28日,她在一封题为《To Seek a Newer World》(《寻找新世界》)的公开信里写道:“如果没有专门的硬件投入,AI的效率和规模将受限,规模也是;就我们的目标而言,还会困在数字世界里。”
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”。
她1976年生于北京,在成都长大。据《我看见的世界:李飞飞自传》回忆,1992年她15岁,跟着母亲去了美国,一家人在新泽西安顿下来。刚到那边语言不通,父母先是在干洗店帮工,攒下钱后才自己盘下一家店。念高中时,李飞飞放学就到店里看店,周末还去中餐馆打零工。拿到奖学金进了普林斯顿大学物理系,她照样周末坐长途车往家跑,回去搭把手。
2007年,31岁的李飞飞已经是普林斯顿大学的助理教授。那会儿搞计算机视觉的人,心思大多花在把算法改得更好上,她却越发在意数据能起多大作用。
李飞飞在自传里写过一句话:“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,她下定决心要做一个规模足够大的图像数据库。这活儿费时费力,短期内也换不来论文上的回报,在不少人眼里属于不划算的苦差事。李飞飞团队借助亚马逊众包平台,组织起167个国家近5万名标注者,最后标出约1400万张图片,覆盖2.2万多个类别。
2009年,ImageNet在CVPR大会上只分到一个角落里的海报位,没有口头报告,停下来看的人也没几个。之后两年,相关比赛照样没掀起什么水花。
转机出现在2012年。Geoffrey Hinton团队用GPU训练的AlexNet,在ImageNet竞赛中把识别错误率压到15.3%,比第二名低了10.8个百分点。
当初没人愿意接的“体力活”,后来成了整个AI行业的地基——此后十年,几乎所有图像识别模型都靠这套数据撑着。到了大模型时代,数据规模与质量仍是模型能力的基础条件之一,只是数据的形态已经从图片扩展到文本、视频和三维环境。
李飞飞对AI的期待,并不只落在技术指标上。
ImageNet最耗心力的那几年,李飞飞的母亲重病住院。她一边陪护,一边改论文。母亲问过她:“飞飞,你做这一切,是为了什么?”
这道题并未因ImageNet大获成功而画上句号。2017年,李飞飞利用学术休假去了谷歌,出任谷歌云AI首席科学家,把研究带到了产业最前线;2019年,她又促成斯坦福以人为本人工智能研究院(HAI)落地,接着琢磨AI与人、与社会之间究竟该怎么相处。
她始终认为,技术能干什么只是其中一半,另一半是:它该替谁办事,又会给人带来什么后果?AI越强,这另一半就越绕不开。
那阵子大语言模型风头正劲,李飞飞却把目光先投向了空间智能。TED2024演讲里她讲到,空间智能把感知和行动串在一起:机器不光要看懂视觉信息、弄明白三维空间里的各种关系,还得靠这些去预测、去动作。
2024年4月,李飞飞再次创业,创办World Labs。
同年9月,World Labs完成2.3亿美元首轮融资,2025年11月推出首款产品Marble,可通过文字或图片生成可探索、可编辑的三维场景。2026年2月,完成约10亿美元融资,英伟达和AMD均参与投资。
从ImageNet到World Labs,她始终在追问同一个问题:AI下一步还缺什么?

收购只是开始
进入AMD之后,李飞飞面对的问题变得更具体,也更难。
她要达成的目标,并非让Atlas在某颗芯片上跑分更高,而是把模型训练、场景生成、物理仿真、真机反馈各环节卡住的地方,提前变成计算平台的设计输入。11月11日,苏姿丰在CoRL 2026现场对谈中透露,AMD已有物理AI和机器人研究团队,但整体布局仍处早期。模型、仿真工具、芯片和机器人系统,是双方接下来要接上的几环。
其中最难的,仍然是数据。
World Labs在官方研究文章里写道,机器人要进真实世界,得采大量数据、反复测试,人力投入和硬件试错成本都居高不下。视频能拍出杯子怎么动、怎么撞,可里面往往没有机器人能直接拿来用的动作指令、接触力和触觉反馈。让真机器人在现实里一遍遍试错,既贵又慢,有时候还带安全风险。
仿真给出了另一条路:机器人在虚拟环境里反复练,练完再回真机上验证。部分训练成本能降下来,有些毛病也有机会在机器人踏进真实环境之前先露出来。

可场景逼真,不代表机器人就能在里面学到东西。摩擦、材料变形、接触反馈上的偏差,都可能让训练成果一到真机就失灵。李飞飞要带World Labs跨过去的,就是从“看着像真的”走到“物理上足够可信”这一段距离。
这也让她长期强调的“以人为本”有了更具体的要求。机器一旦进入物理世界,出错带来的就不只是识别率的波动,还可能包括真实的成本和安全风险。技术越贴近人的日常生活,可靠与可控就越重要。
技术之外,另一项挑战来自开发者。
在空间AI和物理仿真上,英伟达的优势仍然明显,成熟的工具和开发者生态也已经攒下。李飞飞来,能帮AMD更懂模型需要什么,却改不了开发者已经做过的选择。收购完成后,AMD还得拿产品说话,证明这套方案值得开发者上手、并且一直用下去。
AMD在交割公告里突出开放AI生态。对李飞飞而言,开放这事不只关系到AMD的生态竞争,也关系到外部团队还能不能接着用、接着验、接着改这些工具。ImageNet当年能有那样的影响力,靠的就是开放使用和广泛参与;空间智能未必照搬ImageNet的路子,但一样得在真实任务和外部合作里把价值做出来。
交易落定只是一道起跑线。AI一旦离开屏幕、进入三维的真实世界,李飞飞还得回应她追问了很久的那个问题:
技术到头来会给人带来怎样的改变?
。END。
值班编辑:王怡洁 审校:姜辰雨 制作:景诗源(实习)