本文来自微信公众号: 中国企业家杂志 ,编辑:马吉英,作者:施思羽
从图像、空间到仿真环境,她不断拓展机器“看见世界”的方式。
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:AMD官方截图
World Labs成立于2024年,由斯坦福大学教授李飞飞和她昔日的博士生Justin Johnson,以及NeRF论文第一作者Ben Mildenhall等联合创办,目前约有70名员工。交易完成后,李飞飞出任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,只有46天。这家商业化刚刚起步的公司,成为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。
与庆祝的热闹场面相比,资本市场的反应较为冷静。11月16日,AMD股价收跌5.58%至504.28美元,总市值约8270亿美元。值得注意的是,半导体与AI基础设施板块当日同步回调。
过去十余年,李飞飞几次处在人工智能范式转换的关键位置。她主导建设的大规模图像数据库ImageNet,为机器视觉研究提供了统一的数据和评测基础;World Labs则将研究推进到三维空间。加入AMD后,她的工作进一步延伸至模型背后的计算系统。
World Labs官方账号发布的庆祝视频末尾,AMD的标语“together we advance”变成了“together we advance_worlds”。多出来的“worlds”,既指向刚刚加入AMD的World Labs,也像一语双关——
这一次,李飞飞与AMD希望共同推进的,不只是芯片和模型,还有机器理解世界、进入世界的能力。
46天,82亿美元
成立仅两年多的World Labs,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。
李飞飞想做的也不只是三维内容生成。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,并对部分仿真训练成果进行了真机验证。
随着AI从数字空间拓展至物理世界,机器不只要知道世界“长什么样”,还要理解视角变化、物体移动和抓取操作会带来什么结果。
这也是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,将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,下一个问题浮现出来——客户的下一代模型究竟会怎样使用这些计算能力。
大语言模型的训练和推理需求相对清晰,空间智能却在快速变化。生成三维场景、保持不同视角下的一致性、模拟物体碰撞,再把机器人的训练结果反馈给模型,这些任务会带来怎样的计算瓶颈,很难仅靠芯片工程师闭门推演。
在常见的合作模式,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。
通过收购,AMD获得的不仅是模型和产品,也是一支能够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。
对李飞飞而言,这同样是一次主动选择。
她在9月28日发布的公开信《To Seek a Newer World》(《寻找新世界》)中解释道,“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”。
1976年,她出生于北京,在成都长大。她在《我看见的世界:李飞飞自传》中回忆,1992年,15岁的她随母亲赴美,一家人定居新泽西。因为语言不通,父母起初在干洗店打工,后来才盘下自己的店。读高中时,李飞飞放学看店,周末去中餐馆打工;获得奖学金进入普林斯顿大学物理系后,她仍会在周末坐长途车回家帮忙。
2007年,31岁的李飞飞已是普林斯顿大学助理教授。当时,计算机视觉研究者普遍把精力放在改进算法上,她却越来越关注数据的作用。
她在自传中写道:“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。”
因此她决定建立一个足够大的图像数据库。这项工作耗费人力,也难以带来论文上的即时回报,一度被视为吃力不讨好。借助亚马逊众包平台,李飞飞团队组织了167个国家近5万名标注者,最终标出约1400万张图片、2.2万多个类别。
2009年,ImageNet在CVPR大会上只获得一个角落里的海报位置,没有口头报告,驻足者寥寥。此后两年,相关比赛也未引起太大关注。
转折发生在2012年。Geoffrey Hinton团队基于GPU训练的AlexNet,在ImageNet竞赛中将识别错误率降至15.3%,比第二名低10.8个百分点。
当年那份没人愿意做的“体力活”,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依靠这套数据。到了大模型时代,数据规模与质量依然是模型能力的基础条件之一,只是数据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,并未停留在技术指标上。
ImageNet最耗费心力的那几年,李飞飞的母亲重病住院。她一边陪护,一边修改论文。母亲曾问她:“飞飞,你做这一切,是为了什么?”
这个问题没有随着ImageNet的成功而消失。2017年,李飞飞在学术休假期间加入谷歌,任谷歌云AI首席科学家,把研究推进到产业一线;2019年,她推动成立斯坦福以人为本人工智能研究院(HAI),继续研究AI与人、社会之间的关系。
对她来说,技术除了能做什么之外,始终还有另一个问题:它应该为谁而做,又会怎样影响人?AI的能力越强大,这个问题就越无法回避。
彼时,大语言模型正吸引大量关注,李飞飞则先一步把研究方向指向空间智能。她在TED2024演讲中提出,空间智能连接感知与行动:机器不仅要处理视觉信息、理解三维空间中的关系,还要据此作出预测和行动。
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,李飞飞面对的问题变得更具体,也更难。
她要做的不只是让Atlas在某款芯片上运行得更快,而是把模型训练、场景生成、物理仿真和真机反馈中的瓶颈,提前转化为计算平台的设计需求。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。双方接下来需要连接的,是模型、仿真工具、芯片和机器人系统。
其中最难补上的,仍然是数据。
World Labs在官方研究文章中提到,机器人进入真实世界,需要大量数据采集和反复测试,人工投入和硬件试错成本都很高。视频可以呈现杯子如何移动、碰撞,却通常不包含机器人可直接使用的动作指令、接触力和触觉反馈。让真实机器人在现实中反复试错,又昂贵、缓慢,有时还伴随着安全风险。
仿真提供了一条可能的路径:让机器人在虚拟环境中反复练习,再回到真机验证。它既能降低部分训练成本,也有机会让一些问题在机器人进入真实环境前提前暴露。
但场景看起来真实,不等于机器人能够在其中有效学习。摩擦、材料变形和接触反馈的偏差,都可能让训练结果在真机上失效。李飞飞需要推动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”的距离。
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,错误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。技术越接近人的日常生活,可靠与可控就越重要。
技术之外,另一项挑战来自开发者。
英伟达在空间AI和物理仿真领域仍占据明显优势,也已积累起成熟的工具和开发者生态。李飞飞的加入,可以帮助AMD更好地理解模型需求,却不能直接改变开发者的既有选择。收购之后,AMD仍需要用产品证明,这套方案值得开发者尝试和持续使用。
AMD在交割公告中强调开放AI生态。对李飞飞而言,开放不仅关系到AMD的生态竞争,也关系到外部团队能否继续使用、检验和改进这些工具。ImageNet当年的影响力,离不开开放使用和广泛参与;空间智能未必会复制ImageNet的发展路径,但同样需要在真实任务和外部合作中证明价值。
收购只是开始。当AI走出屏幕、走进三维真实世界后,李飞飞仍要回答她长期追问的问题:
技术最终将怎样影响人?
