豪掷82亿美元，芯片巨头押注的世界模型究竟是什么｜深度观察

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在收购公告里写道：“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”。

AMD董事长兼CEO苏姿丰（左）和World Labs联创李飞飞（右）

2026年以来，世界模型正替代大语言模型成为AI界的新晋“网红”。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的能力边界，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，这也许将是一次真正的内容重塑。比如，电影可能不再只是一段被观看的故事，而是成为一个用户能直接参与互动的小世界。

图源：worldlabs.ai

但高热度的另一面是，世界模型至今尚未成熟，甚至没有一个确切的定义。于是，一系列问题随之而来：

世界模型究竟是什么？为什么李飞飞和杨立昆走向了不同的技术路线？Google、英伟达和AMD等巨头们又在押注什么？

更重要的是，为什么AMD愿意为一家成立仅两年的世界模型公司，开出82亿美元的价格？

当AI不再只是生成一段视频，而是开始生成一个可以进入、探索和互动的“世界”，影视、游戏和其他内容产业会发生什么？

# 1
世界模型，到底是什么

说来有趣，世界模型这个词最早并不是来自计算机科学，而是由一位人文社科领域的研究者提出。

1943年，英国心理学家Kenneth Craik在其著作《The Nature of Explanation（解释的本质）》中写到：

人的大脑会在内部建立一个关于外部的“小规模世界模型”，并利用这个模型预测未来可能发生的事情、比较不同的行动方案。

2018年，Google Brain的David Ha与人工智能先驱Jürgen Schmidhuber共同发表论文《World Models》，正式在人工智能的论文中提出世界模型的概念。他们还给出了一个简洁的框架：

世界模型=观察世界（V）+预测世界（M）+在内部世界中学习行动（C）。

这也为后来的人们提供了一条重要线索：AI真正需要的，可能不只是生成内容，而是形成一个关于世界如何运转的内部模型。李飞飞所推动的空间智能路线，以及杨立昆长期倡导的JEPA路线，虽然技术路径不同，但最终都在回答类似的问题。

今年6月，李飞飞发表一篇长文试图进一步厘清世界模型的概念，她认为，世界模型是当今AI最重要，但也是最被过度使用的术语之一。基于这一观察，她按功能，将世界模型划分为渲染器、模拟器和规划器三类。

李飞飞

渲染器输出观测，以供人眼观看的像素形式呈现，文生视频是代表产品；

规划器回答的是智能体下一步该做什么，还处于萌芽状态；

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。

李飞飞认为模拟器提供的是世界模型的结构骨架，它既能从中导出视觉外观供渲染器使用，也能从中导出行动后果供规划器使用。

和李飞飞有所不同，杨立昆认为生成视频不等同于理解世界，你根本不可能预测视频里发生的一切，合理的可能情况有无穷多种。

基于上述分析，杨立昆给出的解决方案是联合嵌入预测架构（JEPA）。

杨立昆

杨立昆对JEPA的解释是：为了能够做预测，你需要找到一种抽象。在杨立昆看来，世界模型不应该是模拟器，它们应该在抽象空间中工作。同时，杨立昆还认为，世界模型不应该是生成式模型，也不应该是视频生成系统。

无论是李飞飞给出的“世界模型”定义，还是杨立昆提出的JEPA架构，最终都指向了一个相似的问题——AI能否形成对现实世界的认识，并据此预测环境如何变化、行动会产生什么后果。

# 2
巨头去留间，各有选择

世界模型并不是一个新概念，但新一轮产业热度大约从2024年前后开始，并在2025年至2026年随着视频生成、机器人和Physical AI的快速发展进一步升温。

2025年11月，Meta首席AI科学家杨立昆宣布离职，他在接受采访时表示，2024年前后，Meta逐渐将更多资源转向大语言模型和超级智能方向，FAIR等偏探索性的研究因此受到影响。

事实上，在杨立昆离开之前，Meta已经削减了包括FAIR团队成员在内的部分AI岗位。此时，Meta正在大幅重组AI业务，并将更多资源集中到超级智能和大模型等方向。

离开Meta后，杨立昆个人成立了新公司AMI Labs，延续他在Meta时期的JEPA方向的探索和研究。

杨立昆曾多次表示大语言模型不是通往人类级别、类人智能的正确技术路径。今年9月，在纽约的演讲中，杨立昆重申：“如果你关心人类水平的AI，就不要研究LLM。”他把这句话用红色字体放在结尾的PPT中。

不止杨立昆，包括李飞飞在内的研究者，都把世界模型视为通往更高级机器智能的重要技术路径。李飞飞曾在社交平台表示：

大语言模型仍然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，尤其是互联网巨头押注的重点对象。毕竟，目前来看，世界模型仍处于技术探索期，商业化路径也远未成熟。这便有了杨立昆离职Meta，创立AMI Labs的结果。

当然，这并不是说，Meta等巨头放弃了世界模型路线，只是一个资源取舍问题。

比起Meta，谷歌还在世界模型的方向倾注更多资源。2025年8月，Google DeepMind发布Genie 3，DeepMind表示：“Genie 3是我们突破性的世界模型，可以通过单个文本提示词创建交互式、可玩的环境。从照片般逼真的风景到奇幻的境界，可能性无穷无尽。”

Genie 3演示

碰巧的是，杨立昆从Meta离开创立公司不到一年，李飞飞带着他创办两年的World Labs加入芯片巨头AMD——这也展示出两类公司的不同选择，芯片巨头们往往更注重提前预判下一个时代。

对于AMD这样的芯片公司而言，它需要对先进模型保持足够敏锐，才能提前看到未来的算力需求。类似的逻辑，2016年，黄仁勋便亲自向OpenAI交付了第一台DGX-1 AI超级计算机。

现在，AMD收购了一家世界模型公司，英伟达则早在2025年1月发布了Cosmos世界基础模型平台。

# 3
当世界模型，开始“创造世界”

AMD宣布收购World Labs消息的同时，李飞飞发长文回顾了一路走来的历程。她在文章中写道：

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，人工智能需要解决的诸多重要问题，都需要模型来推理物理世界的结构和行为。

随后她回顾了World Labs成立以来的一系列成绩，重点提到近期发布的Atlas。李飞飞称，Atlas解决的是空间智能领域一个长期存在的关键问题：如何仅凭少量2D图像，重建真实空间，并预测此前没有观察到的新视角。它能够用于机器人、娱乐场景生成、房地产、设计、建造等领域。

这正是人们研究世界模型的意义所在。当下的机器人泛化程度仍然有限，往往只能做一些固定的动作，在面对一些突发场景时经常失灵，这正是世界模型所努力解决的问题之一。

不止机器人，在游戏、影视等内容产业领域，世界模型也开始展现出新的应用可能。

World Labs联合创始人Ben Mildenhall曾表示，World Labs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最大的变化之一，是从“生成一段视频”走向“生成一个可以实时进入的世界”：它可以根据文字提示生成动态环境，以24fps运行，维持数分钟的世界一致性。

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，未来的内容生产对象，可能不再只是“一部电影”“一集电视剧”或者“一条短视频”，而可能变成一个可以持续运行、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。该项目涉及跨部门及算力资源协调，目标并不只是一段生成好的视频，而是一个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。

文章来自于微信公众号 “FoST未来叙事”，作者 “FoST未来叙事”