9 月 28 日，一笔大交易落地。
芯片厂商 AMD 出价 82 亿美元。
全股票交易，买下一家叫 World Labs 的公司。
这家公司成立才两年多。
员工大约 70 人。
首款商业产品上线不到一年。
新一代模型发布还不到一个月。
买的不是当下。
消息公布当天，它自己的股价收跌 3.61%。
市场在担心一件事。
一家没有收入、路线还没收敛的实验室，凭什么值 82 亿美元。
有人直接说这是利益输送。
质疑声不小。
故事的另一半，要回到今年 1 月。
年初的科技展上，苏姿丰把李飞飞请上台。
两人一起展示这家公司的产品。
那时候，苏姿丰是早期投资人，李飞飞是创业者。
九个月后，这段关系换了名字。
李飞飞出任 AMD 执行副总裁，直接向苏姿丰汇报。
这笔交易里，公司既是买家，也是股东。
身份有点绕。
出手的不止它一家。
差不多同一时间，英伟达花约 129 亿美元，收下全球最大的开源模型社区。
高通买走一家做 AI 原生软件的公司。
一家做火箭的公司收掉 AI编程 助手。
芯片巨头们，不约而同把手伸向了模型层。
方向是一致的。
一张 82 亿美元的船票
这笔交易预计在 2026 年底前完成。
它得先过监管这关。
钱从哪来。
AMD 直接发新股。
全股票收购的好处，是不用筹一大笔现金。
可它的家底并不厚。
截至今年 6 月 27 日，现金及现金等价物约 50.86 亿美元。
全掏出来也不够。
发多少股，还没定。
价格要按交割前连续 10 个交易日的股票成交量加权平均价算。
计价期截至交割日前第二个交易日。
也就是说，82 亿美元只是暂定价。
最终稀释多少，要等临近交割才知道。
在那之前，股价每动一次，这笔交易的真实价格就变一次。
AMD 上一次出手，是买赛灵思。
那是 2022 年 2 月完成的一笔交易。
价值约 500 亿美元，创下芯片领域的收购纪录。
不过 2020 年 10 月刚宣布时，对价只有 350 亿美元。
两家公司股价一路涨，价格才被推高。
账要重新算。
这两笔交易的区别，是买现在和买未来。
赛灵思有成熟的产品线、稳定的客户群和清楚的财务模型。
花销、营收和回本周期，都能算出来。
这是一笔明白账。
这家实验室不一样，它从没披露过营收。
没有市盈率，也没有市销率，很难折现。
账没法算。
这笔钱在账上只能记成两样东西，无形资产和商誉。
商誉每年都要做减值测试。
这是硬约束。
在世界模型的技术路线摸清之前，怎么保住商誉不减值。
有从业者指出，它还有被通用大模型追平的风险。
大语言模型的三维能力正在变强。
追兵就在身后。
要是那条技术路线在公司内部被验证不成立，82 亿美元就买错了方向。
那 AMD 为什么还是买。
因为它等不起，在物理 AI 上几乎是空白。
空白就是代价。
英伟达已经搭好一套完整的技术栈。
从训练算力到仿真环境，再到机器人大脑，客户可以一站式配齐。
配齐之后，迁移成本极高。
换不动了。
AMD 此前给公众的模型，还局限在文本和视频。
面向物理世界理解的世界模型，它没有。
物理 AI 要处理三维空间里的位置和距离，还要处理运动与物理约束。
空间智能正好补上 AMD 缺的那块拼图。
拼图补上了。
更关键的是团队。
这家实验室的人在 AMD 内部开发新一代模型时，碰到的每个算力瓶颈，都会直接变成对芯片设计的要求。
这些要求，比任何市场调研都更早，也更准。
这就是价值。
谁能提前知道下一代工作负载长什么样，谁就能把预算花在对的地方。
芯片从设计到量产要三到五年。
架构要两三年后才会在数据中心跑起来。
节奏慢得很。
等模型公司把需求摆到面前再去适配硬件，芯片公司永远慢半拍。
苏姿丰在声明里说，为下一代 AI 建计算平台，需要深入理解模型怎么演进。
李飞飞和她的团队，带来了研究领导力和模型专长。
科技分析师穆尔黑德把话说得更直接。
这笔交易的本质，是一次人才和模型洞察的收购。
买的是人。
AMD 要的，是将来为芯片跑模型的那批人。
图注：一张带彭博社标识的报道截图，画面以蓝色为主。
这家实验室为什么肯卖，理由更好懂。
交易传出时，李飞飞被网友调侃拿到大结果了。
有专业人士说，公司成立两年多只做了样例。
世界模型到底该怎么做，其实还没搞清楚。
这话虽然尖锐，却说中了一个现实。
现实很直接。
世界模型创业公司自己去找算力、找硬件资源，不如直接被芯片公司收下。
李飞飞想做的空间智能，需要长期不计回报的投入。
世界模型要处理视频、多视角，三维几何和实时交互。
训练和推理，都比大语言模型更吃算力。
对面的英伟达，用自家芯片喂自家模型。
谷歌用自研芯片喂自家的模型。
排场差得很远。
量级完全不在一个层面。
而且英伟达的模型走开放权重路线。
这一步，直接压低了独立模型玩家的变现空间。
等你做出好模型，对手已经把同级别的东西免费放出来了。
芯片巨头开始站队
AMD 收下这家实验室，标志的是一个更大的趋势。
芯片巨头开始抢模型公司了。
动作很整齐。
收购的逻辑并不相同。
目的却相近。
英伟达买那个开源社区，是在守入口。
开发者选择模型的起点，握在了它手里。
不管最后用谁的模型，都要跑在英伟达的芯片上。
AMD 请进最懂模型的 AI 教母。
让模型团队在芯片画图纸的早期就参与进来。
这是抢时间。
两条路指向同一个判断。
AI 芯片的竞争，正在从谁的算力多，走向谁更早理解下一代 AI 需要什么算力。
这个判断，正在重塑整个赛道。
收购完成后，世界模型赛道的主要玩家，几乎都和某一家算力巨头绑在了一起。
中立的世界模型公司，正在变成稀缺品。
位置越来越窄。
图注：《时代》杂志的年度人物封面，画面写着年度人物的英文标题。
有机构整理了几种独立公司的处境。
第一种，想卖身但没卖成。
以色列有一家做世界模型的初创公司，产品能在每秒 20 帧的速度下，零延迟渲染交互式游戏环境。
2026 年 8 月，有消息说一家美国 AI 公司正在谈，出价约 60 亿美元。
到 9 月 8 日，彭博社报道这笔谈判正式终止。
谈崩了。
第二种，明确拒绝被收编。
有一家脱胎于游戏视频平台的公司，用超过 20 亿条游戏视频片段训练世界模型。
公司负责人确认，他们拒绝了另一家巨头高达 5 亿美元的收购要约。
公司选择以超过 20 亿美元的估值独立融资。
这是目前唯一明确拒绝被巨头收编的一家。
很罕见。
它的独立有前提。
贝佐斯、埃里克·施密特等投资方给了足够的钱，它不必被迫出售。
手里有钱，腰杆就硬。
第三种，在巨头之间保持平衡。
有一家原本做 AI 视频生成的公司。
2026 年它完成 3.15 亿美元融资，英伟达和 AMD 同时参投。
它没有卖身，而是在两个阵营之间左右逢源。
这种平衡能撑多久，是存疑的。
两家巨头的竞争越激烈，同时接受战略投资的公司，选边压力就越大。
第四种，游走于多方之间。
2026 年 2 月，一家世界模型公司拿到英伟达旗下投资部门的钱。
到了后来那轮 3.1 亿美元的融资，投资方换成了亚马逊、AMD 风投等。
把这些案例放一起看，原因就浮出来了。
独立世界模型公司，在数据竞争的闭环里找不到位置。
闭环是这样转的。
算力决定数据，数据决定模型，模型决定定义权。
而算力，掌握在芯片巨头手里。
这是死结。
有算力的公司才能采数据。
世界模型训练和仿真是算力吞金兽，实时生成高清画面要多卡并行。
没有足够算力，连数据采集和预处理都跑不起来。
第一步就卡住。
有数据的公司才能训模型。
物理 AI 的训练数据极度稀缺，世上没有现成的物理互联网。
数据最难搞。
有模型的公司才能定义需求。
当模型团队把硬件特性纳入架构的早期考量，芯片团队开始理解模型演进的方向。
两边就不再是适配关系，而是共同定义的关系。
定义权意味着什么。
世界模型训练时，显存带宽和互联带宽哪个优先级更高。
三维重建的算子该怎么设计，才能吃满特定硬件的并行架构。
物理仿真的通信模式，适合什么样的集群拓扑。
如今用 AI对话 描述一句，模型就能生成可以走进去的三维空间。
这些答案如果由一套现成的软件生态来定，其他芯片厂商就只能跟着走。
独立创业公司在这个闭环里，每一环都被卡住。
没有算力就采不了数据。
没有数据就训不了模型。
没有模型就参与不了定义。
每一环都缺。
除非能在某个环节建起壁垒，否则最终要么被收编，要么被边缘化。
摩尔线程们的另一种选择
AMD 买下这家实验室，是在已有算力底座上补模型层。
国产芯片面对的局面不一样。
以摩尔线程为例。
它的一款智算卡用 7 纳米工艺。
英伟达最新的架构，已经走到 4 纳米甚至更先进。
制程差距，很大程度上决定了单卡算力上限。
这是硬差距。
而世界模型对算力的需求，恰恰是越多越好。
需求还在涨。
差距要靠两样东西补，集群规模化和软硬协同优化。
软件生态上的坎更硬。
世界模型的训练框架、算子库，还有通信原语，绝大多数长在英伟达的生态上。
一个模型团队把训练代码迁到国产芯片，重新调优是以月计的工程成本。
而模型迭代的周期，是以周甚至以天算的。
国内真正在做世界模型底层研发的团队屈指可数。
人本来就不多。
芯片厂商如果不主动去建合作，这些团队很可能因为迁移成本太高，放弃国产路线。
图注：一张整体偏暗的配图，画面里没有可读文字。
AMD 的一次判断失误，代价可能是 82 亿美元和几年的战略窗口。
国产芯片如果在这个方向上缺席，失去的可能是下一轮算力竞争的先机。
它们没有 AMD 那样的收购能力，但可以绑定。
绑定不只是退而求其次。
它有它的好处。
收购锁定的是所有权，绑定锁定的是协同深度。
对模型团队来说，选一块芯片，等于选了一整套 AI工具 和生态。
AMD 买下这家实验室后，李飞飞团队成了它的员工，研究方向要服从它的路线图。
摩尔线程和极佳视界的联合共研，和北大团队的全栈原生训练，可以在保持各自独立的前提下做路线对齐。
世界模型的技术路线还没收敛。
还在摸索期。
多路线并行探索，可能比统一到一家公司的路线图下更有价值。
绑定的三个台阶
绑定也有脆弱的地方。
它没有股权关系的约束，模型团队随时可以转向别的算力平台。
这条路正在从三个台阶往上走。
第一个台阶，证明能跑。
2026 年 2 月，小马智行和摩尔线程达成战略合作。
双方围绕小马智行的世界模型和虚拟司机系统，做训练与优化。
底座是摩尔线程的训推一体智算卡和夸娥智算集群。
这是小马智行第一次在关键训练和仿真环节，规模化用上国产 AI 算力。
这一层的意义不在性能高低。
它验证了可行性，打破的是国产芯片训不了前沿模型的老印象。
第二个台阶，证明能稳定训练。
北大团队的一个五维世界模型，在国产智算卡上完成了全栈原生训练。
全栈原生，意味着从第一步到最后一步都在国产芯片上完成。
世界模型和语言模型的训练，区别在状态的连续性。
语言模型训练崩了，重启一个存档接着跑就行。
世界模型如果状态不一致，生成的场景会在视角切换时出现结构断裂。
第三个台阶，证明能定义。
一家公司的四维世界模型约有 140 亿参数。
它在华为昇腾的加速卡上完成训练、压缩和部署。
最高能做到约 50 帧每秒的实时推理。
推理成本，只有同规模显卡方案的 30%。
这家公司和华为的团队围绕加速卡做优化。
模型提计算需求，芯片支撑规模部署，场景反馈推动迭代，闭环就这么形成了。
这一层，才是定义权的雏形。
绑定这一小步能不能走成大路，取决于三个条件。
第一，世界模型的技术路线，未来两三年会不会收敛到一个稳定的架构形态。
第二，国产芯片的软件栈，能不能从兼容层进化到原生层。
第三，世界模型公司愿不愿意把硬件特性，放进架构设计的早期考量。
三条里有一条不成立，绑定就停在能跑这一层，走不到定义。
回到最初那笔交易。
AMD 用 82 亿美元买了一张船票。
国产芯片厂商，正在试另一种方式登船。
船票很贵。
比船票更贵的，是它背后的东西。
那是对下一代算力需求的定义权。
谁定得早，谁就少走几年弯路。
