球王投的公司，有什么来头。梅西最近投了中国企业家李飞飞创办的WorldLabs。这家公司不做聊天机器人，它想解决一个更难的问题：让AI真正理解三维世界。现在的大模型会读文字、看图片，但对空间、距离、物体关系和真实环境的理解还很有限。WorldLabs要做的，就是让AI根据文字、图片或视频生成可以移动、观察和编辑的3D场景。未来这类技术可以用于机器人训练、游戏开发、影视制作和建筑设计。机器人想进入家庭和工厂，也必须先看懂真实世界，知道桌子在哪里、门有多远、物体能不能移动。

#AMD# 以 82 亿美元收购空间智能 & 世界模型公司 World Labs，李飞飞教授将加盟 AMD 担任首席科学家兼执行副总裁。 World Labs 主要研究能够理解、生成和模拟三维环境的世界模型，其模型可以根据文字、图片或视频生成具有空间连贯性的交互式 3D 世界。 AMD 希望通过这次收购帮助 AMD 判断未来模型对芯片、软件和系统架构提出的新需求，这会影响 AMD 的未来设计方向。 查看全文：

AMD要拿大约82亿美元的自家股票，收购做世界模型的World Labs。这家公司成立才两年出头，创始人会去AMD当首席科学家 82亿美元折人民币550亿左右，一分现金没掏。昨天英伟达刚把回购加到2350亿美元，今天AMD拿股票直接买团队 芯片公司抢AI，已经从抢卡抢到抢人了

AMD 宣布用约 82 亿美元收购李飞飞创办的 World Labs，这期是彭博科技节目主持人 Ed Ludlow 对两位当事人的联合采访。一位是 AMD CEO 苏姿丰，AMD 做 CPU 和 GPU，OpenAI、Anthropic、Meta 都是它的大客户。另一位是 World Labs 创始人兼 CEO 李飞飞，她主持建立的 ImageNet 图像数据集是这一轮深度学习浪潮的起点之一。两人聊了为什么要做这笔交易、李飞飞在 AMD 的新角色、开放生态，以及 AI 安全该由谁负责。 交易本身 这是一笔全股票交易，也就是 AMD 用自己的股票而不是现金来付款，对 World Labs 的估值约 82 亿美元，预计年底前完成，还需要监管审批。交易完成后，李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 团队将成为 AMD AI 模型团队的核心。 两家公司的关系早就开始了。AMD 是 World Labs 的早期投资方，也给它供芯片。苏姿丰说她从 World Labs 只有几个研究员的时候就在看着这个团队成长。两人也都提到彼此认识多年，私下是朋友。 芯片公司为什么要买模型公司 苏姿丰的理由是，AI 现在还在很早期的阶段，而且越来越明显的是，硬件、软件、系统和模型这几层互相影响，对整条链路理解得越透，造出来的系统就越好。收购 World Labs，一方面是拿到李飞飞聚起来的一批顶尖研究人员，另一方面是让 AMD 对模型未来的发展方向有第一手的判断，反过来指导下一代硬件怎么设计。 李飞飞从模型公司的角度讲了同一件事。World Labs 越做越大，对算力的需求也越来越大；和 AMD 合在一起，模型可以用最前沿的硬件加速训练和推理，硬件团队也能提前看到模型未来的工作方式和需求。她把这叫作 AI 软件和 AI 硬件的“共同进化”。 主持人追问 AMD 是不是要开始卖模型、卖软件。苏姿丰说不会改变商业模式，AMD 仍然是一家平台和解决方案公司，软件是用来支撑硬件的。收购的最终目的是让 AMD 更好地服务那些最大的算力客户，也就是各家模型公司。 World Labs 做到了哪一步 World Labs 成立于 2024 年，到现在两年多，专攻空间智能和物理智能，也就是让 AI 理解和生成三维世界、懂得物理规律，这类模型通常叫“世界模型”。李飞飞说，他们想做的是语言模型之外的方向，因为创作者、设计师、教育、医疗都有这方面的需求，机器人技术也快要迎来爆发。 公司目前已经发布了两代模型，先是 Marble，然后是最新的 Atlas。李飞飞介绍 Atlas 是一个多模态的“全能模型”，能生成高质量的画面，同时保持三维和四维（三维空间加上时间）上的一致性，摄像机和智能体可以在它生成的世界里移动和交互。 团队也在扩张。World Labs 最近收购了 SceniX，这家公司做出了一套机器人仿真工作流程，以及训练机器人控制策略的模型，由此给 World Labs 补上了机器人方向的人才。 李飞飞为什么选择加入 AMD 苏姿丰说她给李飞飞的说法是“加入全世界最令人兴奋的 AI 公司”。李飞飞的作用也不只限于 World Labs 团队。苏姿丰说 AI 没有一种方案能通吃，除了大家熟悉的云端 CPU、GPU，物理 AI、机器人、从云端到边缘设备再到个人电脑的端到端 AI，都是 AMD 未来三到十年要重点增长的方向，而这些正好是 World Labs 擅长的领域。 World Labs 今年早些时候刚融过一大笔钱，发展势头也不错，主持人问李飞飞是否考虑过别的出路。她说公司从一开始就以使命为导向，这件事的关键在于双方的愿景是否一致，和有哪些选择关系不大。在她看来，这次合并会是“一加一大于二”，接着她笑着补了一句，AMD 显然比 World Labs 大得多。 至于加入后会不会只做空间智能，李飞飞说两人还没来得及细谈所有计划，World Labs 正在做的工作会继续，但她预计研究方向会扩大、节奏会加快。 开放生态与可选择性 苏姿丰说，AI 未来会同时有开源模型和闭源模型、大模型和小模型，它们跑在不同的硬件上，这一直是 AMD 规划高性能计算和 AI 产品线的前提。她和企业的 CEO、CIO 聊下来，没有人愿意被锁死在某一家的硬件或软件生态里，大家都想在不同时候挑最合适的。所以 AMD 会继续押注开放生态，她和李飞飞也讨论过怎样用 World Labs 已有的成果推动开源生态。 李飞飞补充说，现代 AI 的发展离不开开放。从科学界公开分享神经网络算法，到她自己做的 ImageNet，这个首批开放的大规模数据集就是现代 AI 革命的推动力之一。开放生态能让不同的发现、创新和创业机会互相促进。 AI 安全该由谁负责 主持人提到当前的一个争论：模型能力的进步速度超过了安全和对齐研究的进步速度。苏姿丰说这件事上“没有可选项”，技术必须好，也必须安全。她拿芯片行业做例子：最高性能的处理器在设计时就要把安全和数据保密作为优先事项来考虑，AI 行业也需要把安全放到同样的位置。她说自己是 AI 乐观派，相信行业能建立起合适的流程和防护措施，而且各家应该像硬件行业现在分享安全方面的经验那样，互相分享做法。 主持人进一步问，提供算力的公司对训练是否安全、推理时模型是否按预期行事，要负什么责任。苏姿丰说生态里每一方都要为自己的行为负责。对 AMD 来说，要保证硬件本身安全、按设计运行，模型在上面跑时数据是安全的，还要和模型公司一起处理好软硬件之间的交互。她认为这件事应该由行业主导，但因为 AI 是新东西，各方学习的速度不一样，所以她欢迎更多的行业协作，也欢迎一定程度的第三方评估。 李飞飞说，主持人上周问她监管、第三方评估、前沿实验室自我负责这几种方式该选哪个，她的回答是全都要。她认为 AI 是一项“文明级”的技术，和历史上所有这类技术一样，初衷是让人的生活和工作变得更好，但每项技术都是双刃剑，必须负责任地开发和部署。无论在斯坦福、World Labs 还是现在的 AMD，她都想推动个人、公司、行业和社会四个层面共同承担这份责任。 AMD 的下一步 主持人提到 AMD 市值已经到了 1 万亿美元，苏姿丰近来也多次和美国总统一同公开露面。苏姿丰说 AMD 过去做过好几笔对公司影响很大的收购，World Labs 是下一笔，而且是战略意义很重要的一笔。在她看来，技术如今和经济、国家安全都紧密相关，AMD 有机会真正影响计算的未来走向。 最后主持人请李飞飞预测 AI 下一个重大突破。她没有给具体的技术判断，只说接下来 AMD 和 World Labs 会一起打造未来，而这个未来必须对人类社会和人们的生活有益。苏姿丰在一旁说：“我会让她忙起来的。”

【AI收購】AMD擬收購李飛飛創辦的AI初創公司 交易金額82億美元 晶片製造商AMD同意以82億美元收購World Labs，從而將這家由人工智能領域先驅、研究人員李飛飛（圖）創立的初創公司收入麾下。兩家公司在聲明中表示，這項全股票交易預計將在年底前完成，仍需獲得監管部門批准。

wtf！？视频拍完以后，居然还能重新选机位。 早上写过李飞飞 World Labs 新发布的世界模型 Atlas，这个是刚放出来的一个具体玩法。 现场只用 3-5 台普通手机/运动相机，从几个角度拍下砸西瓜的过程。 Atlas 会先理解并重建这个动态场景，然后直接冻结时间，把虚拟摄影机移动到现实里根本没有摄像头的位置，重新渲染出新的镜头。 相当于几台手机，就能做以前需要一整套多机位阵列才能完成的 Bullet Time。 我觉得这个 Demo 特别能说明世界模型和普通视频模型的区别： 普通视频模型是在生成一段视频，世界模型是在重建这段视频背后的世界。 以后可能真的是先把事情拍下来，至于摄影机到底放哪，回去再决定。 太夸张了这个效果🤯

GPT-6 喊出 AGI，李飞飞和马斯克为什么不服？ 看到一个观点，真正通用人工智能（AGI），必须拼齐三个板块： 大脑（GPT-6）：主攻 Computer Use 与高阶推理，代劳操控 complex 软件，ARC-AGI-3 跑出近乎满分的战绩。但离物理现实依然脱节。 数据与自习室（World Labs）：李飞飞 Atlas 打造 3D 空间生成，用“世界模型”补齐 LLM 文本耗尽的短板，为具身智能虚拟造数据。 手脚与具身（Cybercab）：无方向盘无人车奥斯汀上路，极简双座+模块化生产，将每英里成本打到 0.7 美元，成为物理世界执行器。 “大脑、自习室、手脚”的比喻极为精准，既戳中了纯大模型触不可及的物理瓶颈，又直击世界模型破“数据墙”与自动驾驶“极速降本”的商业本质。硬伤在于忽略了大脑指令到手脚执行之间毫秒级延迟的巨大鸿沟——拼在一起不等于自动融合。光有大模型只是单机大脑，只有把这三者彻底打通，AGI 时代才算真正落地！

如果你也被 AI 视频的运镜折磨过，这条值得看两分钟。 我们平时写提示词都是这么写的：「镜头缓缓推近，轻微手持晃动」。写完祈祷。出来十条有八条不对，再改词，再抽。 World Labs 前天发布的 Atlas 换了个思路：相机路径直接画出来喂给模型，位姿是它原生认识的输入类型，跟文字是平级的。官方给的能力是一张参考图生成 1440p、最长一分钟的连贯视频，而且同一个场景你可以换很多条不同的运镜路径，画面不会变样。 我的理解是，这等于把「抽卡」变成了「摆机位」。你不再是许愿，你是在做美术和摄影本来就在做的事。 冷静一点的部分也说清楚：现在只有合作伙伴能用，没开放没定价；官方那张对比图里别的模型只能用文字描述运镜，本来就吃亏，别拿它当画质排行榜看。 但方向是对的。今年我更新课件的时候，「运镜词汇表」这一节，要留一半篇幅讲另一件事了。

看梅西投资基金Play Time的AI投资组合，突然一个熟悉的logo映入眼帘。第一时间以为是大众点评的新项目，但看了下介绍并没有关系，这个项目曾拿到a16z Speedrun支持的种子轮。@intangibleai或许你们需要知道下中国这个互联网大厂😂 Play Time 投资组合中的主要 AI 相关公司👇🏻 World Labs：由“AI教母”李飞飞创立的空间智能与3D世界生成公司，开发有类“上帝模拟器”的3D场景生成工具 Marble。 Field AI：专注于自主机器人和AI具身导航技术的开发商，产品获英伟达等巨头支持。 SuperAnnotate：为计算机视觉和AI大模型提供高质量训练数据的AI数据标注与管理平台。 Perceptron：致力于构建物理世界基础模型的AI前沿科技公司。 Fish Audio：专注于多模态与语音AI生成的服务公司。 Intangible：专注于3D可视化和前沿数字内容的工具平台。

🔥赛博修仙哪家强？书生、画家、建筑师、禅师和梦游者 ，趣味解读“世界模型”五大门派 2026年，AI圈最热的话题就是世界模型。过去一年半，上百亿美金砸进去，光今年前7个月就冒出来20多家新公司。 要是把这股热潮比作修仙，那各路门派选的功法可太不一样了。书生、画家、建筑师、禅师和梦游者各有其道。 先说最早火起来的那拨书生，即语言中心派。他们的思路特简单：大语言模型不是已经能预测下一个词了嘛，那把图像、视频、动作统统转成文字，不就能接着预测了？小鹏汽车就这么干，把驾驶视频和指令全塞进语言模型里。 但问题也明显。智源的王仲远说得直白：这玩意儿学的是“用语言描述的世界”，不是世界本身。就像个熟读兵书的书生，嘴上头头是道，真上了战场连马都骑不稳。换个摩擦系数或者重力参数，立马抓瞎。 第二拨画家们走的是像素路线。代表人物就是Sora那帮搞视频生成的。他们的想法更直观：世界长什么样，我就让AI看海量视频，学会预测下一帧画面该长什么样。用扩散模型直接生成像素，看起来特华丽。 可这路也有硬伤。业内现在有句话叫“视频生成不等于世界模型”。一个能生成熊熊烈火的模型，可能根本不懂燃烧的物理过程。它学的是像素的统计规律，不是因果逻辑。看得见，摸不着。 第三拨建筑师务实一点，搞三维结构。李飞飞管这个叫“空间智能”，让AI理解三维空间里物体怎么摆放、什么关系。World Labs就在做这个。 但光有形状也不够。你能重建一个杯子的3D模型，却很难告诉AI它摔下来会怎么碎。离真正的“理解”还差得远。 第四拨禅师就有点玄了。LeCun推的JEPA系列，走的是视觉表征路线。它的核心心法是：理解世界，不必重构像素。别人在临摹名画，它偏要去悟画家的笔法逻辑。在潜空间里预测状态变化，不生成任何画面。 好处是参数少、速度快、不怕噪声。但坏处也在这——它到底“悟”到了啥，外人根本看不懂。就像修仙小说里那种闭口禅，外人只道他修为高深，真问他却一个字说不出来。 第五拨梦游者更像梦中证道。以Dreamer为代表的强化学习派，先在脑子里建一个虚拟世界模型，然后在里面反复做梦、模拟、试错。等练得差不多了，再出来实战。蔚来的智驾就是这么搞的，让算法先在模拟的未来里跑个几千遍再上车。 五条路，各有各的牛逼，也各有各的坑。 那为啥到现在还没人能“飞升”？ 第一，连“世界模型”到底是个啥都没吵明白。 视频生成也叫世界模型，物理引擎也叫世界模型，概念乱得很。李飞飞专门写了篇长文来厘清，说明这行业连渡劫标准都没统一。 第二，数据根本不够。 大语言模型能从网上扒无穷无尽的文本，但物理世界的数据呢？一个杯子掉地上碎了，人类看一眼就懂，可要让AI学会这个因果，得需要带精确几何和物理标注的多模态数据。这种东西比互联网文本稀缺好几个数量级。 第三，架构还在乱战。 到底是重建像素还是预测潜空间？是生成式还是判别式？到现在没人知道答案。2026年虽然被叫成“世界模型元年”，但元年嘛，就是刚起步的意思，别指望大成。 有意思的是，各家掌门人最近都开始往一块凑了。 李飞飞觉得，渲染、模拟、规划这些知识本质上是同一套，最后应该融成一个统一模型，既能生成照片级画面，又能理解物理因果，还能规划行动。 上海AI Lab那边也在推新思路，世界建模不该只是预测世界，而是服务Agent。说白了，模型得帮AI干活，不能光会看。 我觉得这事最后大概率不是某一条路线胜出，而是谁能把各派功法打通。修仙小说里真正飞升的，往往都是在看似矛盾的功法交汇处找到机缘的。 #WorldModel# #PhysicalAI# #EmbodiedAI#