82亿美元押注，AMD收购World Labs，世界模型究竟是什么

82亿美元，芯片巨头AMD以全股票形式收购世界模型公司World Labs。AMD在收购公告中写道：“World Labs的模型经验，将帮助AMD更深入地理解工作负载如何演变，进而塑造未来的技术路线图。”换句话说，AMD看中的不只是World Labs今天的模型能力，更是世界模型这类前沿模型可能给芯片硬件研发带来的“前瞻性”。

2026年以来，世界模型正替代大语言模型成为AI界新热点。当大模型还停留在对话、文本和图像生成时，世界模型要做的是拓宽AI能力边界，从“生成内容”推向“生成世界”。这意味着AI生成的将不再只是一个镜头、一段视频或一张图片，而是一个能够持续运行、允许用户进入、探索和互动的数字世界。但高热度的另一面是，世界模型至今尚未成熟，甚至没有一个确切定义。

世界模型一词最早并非来自计算机科学。1943年，英国心理学家Kenneth Craik提出，人的大脑会在内部建立关于外部的“小规模世界模型”，并借此预测未来、比较行动方案。2018年，Google Brain的David Ha与Jürgen Schmidhuber发表论文《World Models》，正式在AI领域提出世界模型概念，并给出框架：世界模型=观察世界+预测世界+在内部世界中学习行动。

今年6月，李飞飞发表长文，认为世界模型是当今AI最重要但也被过度使用的术语之一。她按功能将其划分为渲染器、模拟器和规划器三类：渲染器输出观测，文生视频是代表产品；规划器回答智能体下一步该做什么，仍处萌芽；模拟器负责输出世界状态，是连接二者的桥梁，最重要也最容易被忽视。杨立昆则认为生成视频不等同于理解世界，并提出联合嵌入预测架构JEPA，主张世界模型应在抽象空间中工作，不应是生成式模型或视频生成系统。两者路径不同，但都指向同一问题：AI能否形成对现实世界的认识，并据此预测环境变化与行动后果。

世界模型并非新概念，但新一轮产业热度约从2024年前后开始，并在2025年至2026年随视频生成、机器人和Physical AI发展进一步升温。2025年11月，Meta首席AI科学家杨立昆宣布离职，他表示Meta逐渐将更多资源转向大语言模型和超级智能方向，FAIR等偏探索性研究受到影响。离开后，杨立昆成立AMI Labs，延续JEPA方向探索。他曾多次表示大语言模型不是通往人类级别智能的正确路径。李飞飞也曾表示，大语言模型仍是黑暗中的文字匠人：能言善辩却缺乏经验，知识渊博却脱离现实。尽管如此，大语言模型仍是当下科技巨头押注重点，世界模型则仍处技术探索期，商业化路径远未成熟。

相比Meta，谷歌在世界模型方向投入更多资源。2025年8月，Google DeepMind发布Genie 3，称其可通过单个文本提示词创建交互式、可玩环境。杨立昆离开Meta创立公司不到一年，李飞飞带着创办两年的World Labs加入AMD，显示出芯片巨头更注重提前预判下一个时代。对AMD而言，只有对先进模型保持敏锐，才能提前看到未来算力需求。类似逻辑，2016年黄仁勋曾亲自向OpenAI交付第一台DGX-1 AI超级计算机。如今AMD收购世界模型公司，英伟达则早在2025年1月发布Cosmos世界基础模型平台。

AMD宣布收购同时，李飞飞发长文回顾历程。她写道，宇宙并非由文字构成，而是由真实存在的事物组成，从科学、娱乐到机器人，AI需要模型来推理物理世界的结构和行为。她重点提到近期发布的Atlas，称其解决空间智能领域长期关键问题：如何仅凭少量2D图像重建真实空间，并预测此前未观察到的新视角，可用于机器人、娱乐场景生成、房地产、设计、建造等领域。这正是研究世界模型的意义所在。当下机器人泛化程度仍有限，面对突发场景经常失灵，这正是世界模型努力解决的问题之一。

在游戏、影视等内容产业，世界模型也开始展现新应用可能。World Labs联合创始人Ben Mildenhall曾表示，公司一直拥有不少来自创意行业的用户，他们使用相关模型维持2D图像、电影、3D和游戏之间的空间一致性。谷歌Genie 3最大变化之一，是从“生成一段视频”走向“生成一个可以实时进入的世界”：它可根据文字提示生成动态环境，以24fps运行，维持数分钟世界一致性。如果说文生视频是在“生成一个镜头”，那么Genie 3开始尝试的是“生成一个可以进入、互动的世界”。这意味着未来内容生产对象可能不再只是电影、电视剧或短视频，而可能变成可持续运行、不断变化、允许用户进入的数字世界。不久前，彭博社报道称，字节跳动正在基于Seedance开发实时空间视频生成模型，目标不只是生成好的视频，而是能够根据用户声音和动作实时变化的虚拟环境，潜在应用包括直播、短剧和游戏，并计划服务Pico头显。