AMD 82亿美元收购World Labs:李飞飞任首席科学家
作者|冬梅今天,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 宣布对 World Labs 的收购已正式完成。AI 科学家李飞飞加入 AMD,担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”与“AI 教母”同框的画面,很快在全网刷屏。
这笔交易采取全股票方式,披露时作价约 82 亿美元。AMD 提交给美国证券交易委员会(SEC)的文件显示,交割在 11 月 13 日落地,约 1498 万股普通股被发行给 World Labs 原股东。
这也是 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 World Labs 与 Xilinx 不同,它并不是传统意义上的芯片公司。这家公司由李飞飞等人于 2024 年创立,主要研究
从业务上看,这与 AMD 传统的 CPU、GPU 产品区别很大。
苏姿丰在收购完成公告里说明了看中 World Labs 的原因:下一阶段的超级智能要落地,计算平台和模型两边都得优化。她还提到,World Labs 的研究会帮 AMD 去塑造未来的硬件、软件与系统。
AMD 收购 AI 模型团队,这并非头一回。2024 年它就拿出约 6.65 亿美元,买下了欧洲的一家 AI 实验室
苏姿丰掌舵 AMD 这些年,并购加上业务调整,扩张力度超出外界估计,路径主要靠买公司;不过不同阶段,AMD 收进来的能力各有侧重。
2022 年 2 月,
这笔交易让 AMD 获得了
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
AMD 在公告中提到,Nod.ai 团队曾为
这些技术,普通用户大多没接触过。可对 AI 芯片厂商来说,模型能不能在不同硬件上跑得顺,全看它们。同一个模型换到不同 GPU 上运行,通常都得处理
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
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
这支团队的专长是 AI 编译器、
直到 2026 年,AMD 的收购进一步深入两端。
8月,AMD 宣布签署收购协议;9月又宣布收购 World Labs,到11月这项交易正式完成。
World Labs 与 Silo AI 的路数不一样。后者主要盯语言模型和企业应用,World Labs 研究的则是空间智能、交互式三维环境以及机器人仿真。这类新型模型对 GPU 怎么算、显存怎么用、数据怎么传、系统怎么组织,都可能提出不一样的要求。
把这些动作串起来看,一条路线正变得清楚:AMD 买公司,不再只是为了给现有硬件产品线添砖加瓦,而是往 AI 计算链条的不同环节伸手。编译器、模型、推理芯片、服务器系统设计,连面向未来的物理世界建模,都开始被纳入 AMD 的技术版图。过去它以芯片为中心做扩张,如今它想搭的是一套更完整的 AI 技术体系。
收购模型公司,意味着 AMD 往 AI 技术上游走了一步;而收购
2025年3月,AMD 完成了对 ZT Systems 的收购。财务文件显示,这笔交易的总购买对价约为44亿美元,由现金、AMD 股票和或有对价构成。
ZT Systems 常年为超大规模云计算客户供应数据中心计算基础设施,在服务器和系统层面积累颇深。过去人们比较两款 GPU,看的通常是峰值算力、显存容量、带宽或者功耗。可当 AI 集群做到数千卡、数万卡规模,单颗 GPU 的性能就只是其中一环。GPU 之间怎么互联、CPU 怎么配合、数据在内存和网络之间怎么流动,还有系统的供电、散热和维护方式,都会影响最终的计算效率。大模型推理尤其如此:用户真正在意的往往不是单颗 GPU 的理论性能,而是完成一个请求要多久、能同时服务多少用户、每个 Token 要花多少钱。
这说明芯片厂商正越来越深地介入系统级优化。收购 ZT Systems,恰好补上了 AMD 在这方面的能力。更能说明其战略意图的是,交易完成后,AMD 并没有长期保留 ZT Systems 的全部制造业务。
2025年10月,AMD 把数据中心基础设施制造业务卖给了 Sanmina,自己留了一部分知识产权和系统设计团队。Sanmina 则成为 AMD 制造复杂 AI 系统时的优先合作伙伴。
换句话说,AMD 更愿意留下系统架构设计、客户适配和研发能力,把大规模制造继续交给专业伙伴。这跟它长期采用的
这种转型在产品上已经有所体现。
AMD 的
2026年10月,AMD 又发布了面向 Agent 的产品。原因在于,Agent 要完成一项任务,往往得反复做任务规划、调用工具、管理状态,还要跟外部系统打交道。除了模型推理,中间还有大量通用计算和系统协调工作。
于是 AMD 给出了不同配置:有机架主要靠 EPYC CPU 扛起 Agent 执行任务,也有把 CPU 和 GPU 整合在一起的企业级方案。这说明 AMD 开始按照不同 AI 应用的计算特点,重新安排自己的产品组合。
不过,Helios 也好,Helion 也罢,都不是把现有芯片简单塞进更大的机柜。它们背后是 AMD 想提供的另一种价值:客户不必自己去解决所有硬件集成问题,可以直接基于 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 争的已经不只是 GPU 市场份额,还有 AI 基础设施的系统设计权。
有个问题绕不过去:如果 AMD 的 GPU 性能和价格都够有竞争力,它为什么还得不断收购软件公司?答案跟英伟达过去十多年攒下的软件生态有关。CUDA 不只是一套 GPU 编程接口。围绕它,英伟达逐步建起了编译器、数学库、深度学习加速库、开发工具、模型优化和部署框架,还有规模庞大的开发者社区。
到了 AI 大模型时代,GPU 的价值已经不能只看硬件性能。对开发者来说,一款 GPU 能不能直接跑主流框架、支不支持常见模型、遇到性能问题有没有成熟的优化工具,这些事往往和硬件价格一样重要。这也是 AMD 一直在想办法解决的问题。
其实 AMD 并非没有自己的软件平台。它做了很久的 ROCm,就是面向 GPU 计算和 AI 的开放软件栈,提供编译器、运行时、计算库,并支持主流 AI 框架。但有一套软件平台,跟拥有一个成熟的开发者生态,是两码事。
大模型训练和推理场景下,哪怕两个平台都跑得动 PyTorch,真到部署那一步,算子兼容、GPU 内核优化、框架版本适配、性能调试这些坑一个都躲不掉。迁移要投的工程人力一旦高过换 GPU 省下的硬件钱,客户就未必肯挪窝。
AMD 接连收购 Nod.ai、Brium 等软件团队,现实考量正在这里。
Nod.ai 的开源编译器技术,能让 AI 模型在 AMD 硬件上编译、优化得更顺;Brium 的方向则是削弱模型部署对特定硬件配置的依赖。这两笔收购不是单纯招软件工程师,补的是开发者用 AMD GPU 时最容易卡住的技术环节。
2026 年 7 月,AMD 与 Anthropic 宣布战略合作,把这套思路又往前推了一步。按双方协议,Anthropic 计划未来部署最高 2 吉瓦的 AMD Instinct GPU,首批 1 吉瓦定在 2027 年上半年启动。
采购 GPU 只是合作的一部分。双方还打算用 Claude 优化 AMD GPU 上的 AI 工作负载,加快 ROCm 软件开发;AMD 也计划在自家工程和产品研发团队里大规模用上 Claude。信号其实挺明显:AMD 要让头部 AI 客户直接下场,参与软件生态建设。
大模型公司出真实工作负载和开发需求,AMD 照着这些需求去改编译、运行和推理效率。
这些动作,多少有点 CUDA 的影子。
收购之外,AMD 过去一年另一个明显变化,是和大型 AI 模型公司的关系越走越深。
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。
合作不止于采购。按 AMD 公布的信息,OpenAI 将围绕下一代 GPU 和机架级 AI 系统与 AMD 协作,帮助优化未来的计算平台。
2026 年 2 月,AMD 又与 Meta 签下规模相近的合作协议,计划部署最高 6 吉瓦的 AMD GPU。这次有个技术细节值得留意:Meta 首批部署用的是基于 MI450 架构、针对自身工作负载优化的定制 Instinct GPU。
GPU、CPU、系统和软件路线图,双方也会共同协调。
到 2026 年 7 月,Anthropic 加入这一阵营,与 AMD 的协议涉及最高 2 吉瓦 GPU 部署,采用 Helios 机架级方案,同时展开长期软件工程合作。
三项协议的最高规划规模加在一起,涉及的计算基础设施达到 14 吉瓦。
这些具体合作背后透着同一个趋势:AMD 正在挤进全球最大 AI 模型公司和云计算客户的长期技术规划。
过去,芯片公司主要照着市场预测设计产品,再去争取客户采购。现在 AMD 更想提前拿到客户对下一代模型的判断,让客户参与产品设计。这么做有两个好处:一是减少芯片研发和真实工作负载之间的错位,模型架构、上下文长度、推理方式、计算精度一变,芯片在显存容量、带宽、计算单元及互联上的设计取舍都可能跟着变;二是在产品上市前就围着重要客户的需求做软件优化,客户要部署的是数万乃至更多 GPU 时,单次推理效率几个百分点的变化,都可能明显影响整体计算成本。
当然,客户参与路线图制定,不等于芯片公司就得完全围着某一家客户转。定制优化和通用市场需求之间,AMD 仍要拿捏平衡。
但从 OpenAI 到 Meta,再到 Anthropic,AMD 在 AI 产业链里的位置正在变。它不想只在客户决定买什么 GPU 时才参与竞争,更想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 可以说水到渠成。此前 AMD 更多靠外部模型公司提供需求信息,World Labs 团队加入后,它还将具备内部研究前沿模型的能力。
这轮扩张能不能奏效,至少财务层面,AMD 已经拿出了一份增长明显的成绩单。
数据中心业务收入约 85 亿美元、同比增长 97%,创下季度新高;AMD 在 11 月 3 日发布的 2026 年第三季度财报显示,当季营收约 134 亿美元,同比增长 45%。
按这组数据算,数据中心业务已贡献 AMD 总营收的约 64%。过去外界主要盯着 AMD 在个人电脑处理器市场怎么挑战英特尔,如今数据中心才是决定 AMD 增长表现的核心业务。
AMD 在财报里把增长归因于 Instinct GPU、EPYC CPU 需求旺盛,外加新一代产品陆续上市。扩张其实已经不止于采购和研发两个环节,AI 基础设施的资本投入同样在加码。拿与 OpenAI 的 GPU 合作来说,AMD 同时给了对方认股权证,最多可买入 1.6 亿股 AMD 股票。双方的关系早就不限于供货和采购,还涉及软件共同开发、产品路线图协同以及资本层面的安排。
扩张和整合的另一面是难题。ZT Systems 的系统设计工程师、Nod.ai 的编译器专家、Silo AI 与 World Labs 的模型研究人员,各自的研发节奏、技术目标和组织文化都不太一样。AMD 要处理的不光是留住人,还得把散落在不同组织里的技术能力拧到同一条产品路线图上。
外部竞争这块,英伟达给的压力也还在。
围绕 CUDA、GPU、网络互联、系统平台和开发工具,英伟达已经攒下了多年家底。AMD 即便把更多技术环节补齐,软件成熟度、开发者习惯、大规模部署的可靠性这几关照样要过。
大型 AI 客户开始自己造芯片,推理负载也在分化。这种局面下,AMD 面对的不只是英伟达,还得证明自家产品跟专用 ASIC 及其他加速架构比仍有优势。
这些问题眼下都没有答案,只能等时间给出结果。
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/