9 月 28 日，AMD 宣布以约 82 亿美元全股票收购世界模型公司 World Labs，创始人李飞飞将出任 AMD 执行副总裁兼首席科学家，交易预计在 2026 年底前完成，仍需监管批准。消息本身很简短，但它把一条此前只存在于论文与 demo 里的技术路线，第一次放进了芯片公司的资产负债表。

三年时间，三步走完

World Labs 第一次被外界看见是 2024 年 9 月：李飞飞与三位计算机视觉研究者 Justin Johnson、Christoph Lassner、Ben Mildenhall 一起，带着 2.3 亿美元种子轮从隐身状态走出，估值超过 10 亿美元。那轮的投资方名单里有一个当时不被注意的细节——领投是 Andreessen Horowitz、NEA 与 Radical Ventures，跟投里同时出现 AMD Ventures、Intel Capital 与英伟达的 NVentures。三家相互竞争的芯片公司，在同一家实验室的股东名单上第一次并排。

之后是密集的产品节奏。2024 年 12 月，公司放出第一个空间智能演示：从一张照片生成可以走进去的 3D 场景。2025 年 11 月，产品 Marble 上线，把世界模型从演示变成可付费的工具。2026 年 1 月，World API 开放，生成能力从网页搬进开发者管线。

2 月 18 日，公司完成 10 亿美元融资，Autodesk 一家投了 2 亿美元，英伟达、AMD、Fidelity、a16z、Sea 入场，累计融资约 12.3 亿美元，估值约 50 亿美元。4 月 2 日，Marble 1.1 与 1.1 Plus 发布，后者加入动态扩展机制，一次生成里可以自动补上最多五个空间单元。

从 2.3 亿美元种子轮到 82 亿美元的收购价，中间只隔了两年。这个速度不是技术成熟的证明，而是资本对下一个负载在哪里提前下的注。

买到的不是产品，是场景数据

空间智能这个词是李飞飞自己反复强调的定位：让模型理解三维世界如何运作，而不是像现在的大模型那样主要依赖二维图像与文本。她此前最有名的工程是 ImageNet——它让图像识别的训练与评测第一次有了统一的公开基准，也让此后的深度学习有了可比的靶子。这一次她想做的是同一件事的另一个版本：三维空间里还没有这样的基准，于是先做一个能生成环境的模型，把素材问题变成产能问题。

市场对这条路线并不陌生，但共识一直没有形成。二维数据靠互联网自然积累，规模几乎免费；三维数据要靠扫描、仿真或人工建模，成本高、格式乱、标注难，这也是视频生成模型早已可用、可漫游的三维场景却直到 2025 年才进入商业产品的原因。World Labs 的位置恰好卡在这道缺口上。

Marble 输出的不是一帧画面。它把文字、单图、多图、360 度全景或视频转成一套场景数据：核心是高斯泼溅，导出为自研压缩格式 .spz 或通用的 .ply，分约 200 万与 50 万两档；另有一份约 10 万到 20 万三角面的碰撞网格（GLB），供游戏引擎跑物理与碰撞；需要传统几何的管线还能拿一份约 60 万三角面的贴图网格，以及 2560×1280 的全景图与带精确相机控制的漫游视频。渲染走开源的 Spark 库，桌面、手机与 VR 头显都能进入同一个场景。

产品定义里的关键词是持久：同一个世界可以反复进入，每次走不同的路径，几何保持一致。这和视频生成模型有本质区别——视频的产物是帧，帧是一次性的；场景数据的产物是一个可以被反复访问、被物理引擎消费、被机器人策略训练使用的环境。

成本也已经摊开在明面上。World API 按 1 美元 1,250 credits 计价，生成一个标准世界消耗 1,500 credits，约合 1.2 到 1.28 美元；草稿档 150 credits，约 0.12 美元。消费端订阅从免费档（7,000 credits，约 4 个世界）到 20、35、95 美元四档，商用权利从 35 美元档开始。

这解释了 82 亿的另一半逻辑：世界模型的价值不在生成得多好看，而在能不能被当成训练环境反复使用。从二维图像到三维空间是一次数据形态的迁移，而三维数据至今没有 ImageNet 那样的公共基准——真正的素材阀门，握在能低成本生成 3D 环境的团队手里。

同一个月里的两次对照

把时间轴拉宽，这笔交易的坐标会清楚得多。9 月 3 日，英伟达宣布以 129.3 亿美元收购 Hugging Face，其中约 119 亿美元付给股东，另加最高 10 亿美元的股权留人计划。那是买分发：一个托管开源模型、沉淀开发者工作流的入口。

AMD 走的是一条逐步加码的路径。2024 年 8 月，它以约 6.65 亿美元现金买下欧洲最大的私有 AI 实验室 Silo AI，拿到一支能训练多语言大模型（Poro、Viking）的团队；同月宣布、2025 年 3 月完成对 ZT Systems 的收购，对价约 49 亿美元（含最高 4 亿美元的或有对价），补齐机架级系统集成；2025 年 6 月，又买下编译器与推理优化团队 Brium，把优化能力下沉到 Triton、WAVE DSL、SHARK/IREE 这些项目上。更早还有 Nod.ai 与 Mipsology。先补软件栈，再补系统集成，这一次第一次伸进模型层。

世界模型的另一端也在动。谷歌 DeepMind 的 Genie 系列长期停留在研究向、受限访问的状态；杨立昆离开 Meta 之后创办 AMI Labs，同样押注世界模型。这个方向上的玩家不多，能拿出手的产品更少。

两种买法的区别值得记住：英伟达买的是生态位，靠网络效应与分发把开发者留在自己的栈上；AMD 买的是下一代负载长什么样的答案。前者是护城河，后者是护城河的地基。

一笔全股票交易的言外之意

全股票意味着付款用的是当下最贵的货币。World Labs 的股东拿到的是 AMD 股票，利益继续绑定在 AMD 的 AI 叙事上；对 AMD 是稀释，对卖方是延期兑现的期权。

这笔交易也不是从零开始的谈判。AMD Ventures 早在 2024 年就投过这家公司，去年双方建立推理优化与训练的合作关系，李飞飞本人出现在 2026 年 1 月 5 日 AMD 的 CES 主题演讲台上。世界模型要在 ROCm、Triton 与 Instinct 上跑通训练配方，需要在真实硬件上反复对齐——一年多的高强度合作本身构成了尽调，这比任何演示材料都难伪造。

用护城河的标准衡量，芯片公司的定价权来自结构性成本优势与生态转换成本。CUDA 的护城河是十几年积累的转换成本与网络效应，AMD 缺的从来不是算力，而是必须在我这里跑的理由。当下一代负载的参考实现长在自己的软件栈上，客户迁移的理由就多一条。多重护城河是乘法不是加法，这是这笔交易真正的算盘。

二阶成本：中立性的折价

一阶看，AMD 补上了模型层，产品矩阵更完整。二阶看，云厂商与机器人公司面对的是一个既是芯片供应商、又拥有前沿模型实验室的 AMD，而 World Labs 的模型恰恰要嵌进第三方的仿真与训练管线，中立性会被打折。世界模型团队可以选择的独立空间收窄之后，剩下的独立实验室议价能力反而上升。

再往下一层：一旦某套输出格式与 API 成为行业默认，后来的选择会被切换成本锁死，就像 QWERTY 键盘——不是因为更优，而是因为更早成为默认值。82 亿美元买的不是今天的收入，是明天的默认值。

还有一层更慢的影响。李飞飞从斯坦福教授、创业公司 CEO 变成芯片公司的执行副总裁兼首席科学家，实验室的研究路线图与产品路线图绑在一起。前沿实验室被工业体系吸收，是这轮 AI 资本周期的常见结局，Anthropic 的算力合约与 OpenAI 的万亿估值在同一队列里排队。

接下来看什么

算力竞争的下一段不在 FLOPS 的数字里，而在谁定义负载。谁在前沿负载上拥有模型层，谁就能提前一代决定内存带宽、互连拓扑与精度格式要往哪里设计。AMD 买下的是一家公司，真正想买的是这种提前量。

检验不会出现在交割新闻里，而会出现在未来 12 到 18 个月：ROCm 上跑出来的第一批世界模型训练配方，Marble 的导出格式在仿真与机器人管线里被引用的次数，以及两年之后，还剩下几家中立的世界模型公司。