豪擲82億美元，芯片巨頭押注的世界模型究竟是什麼

FoST未來敘事2026.10.01 16:04 · 來自北京全文3694字00:00 / 10:23當AI開始生成“世界”，影音遊內容正在被顛覆。文 | FoST未來敘事，作者 | 蔥蔥82億美元，芯片巨頭AMD以全股票形式收購世界模型公司World Labs。AMD在收購公告裡寫道：“World Labs 的模型經驗，將幫助AMD更深入地理解工作負載如何演變，進而塑造未來的技術路線圖。”換句話說，AMD看中的，不只是World Labs今天的模型能力，更是世界模型這類前沿模型可能給芯片硬件研發帶來的“前瞻性”。

董事長兼CEO蘇姿豐（左）和World Labs聯創李飛飛（右）2026年以來，世界模型正替代大語言模型成為AI界的新晉“網紅”。當大模型還停留在對話、文本和圖像生成時，世界模型要做的是拓寬AI的能力邊界，從“生成內容”推向“生成世界”。這意味著，AI生成的將不再只是一個鏡頭、一段視頻或一張圖片，而是一個能夠持續運行、允許用戶進入、探索和互動的數字世界，這也許將是一次真正的內容重塑。比如，電影可能不再只是一段被觀看的故事，而是成為一個用戶能直接參與互動的小世界。但高熱度的另一面是，世界模型至今尚未成熟，甚至沒有一個確切的定義。於是，一系列問題隨之而來：世界模型究竟是什麼？

為什麼李飛飛和楊立昆走向了不同的技術路線？Google、英偉達和AMD等巨頭們又在押注什麼？更重要的是，為什麼AMD願意為一家成立僅兩年的世界模型公司，開出82億美元的價格？當AI不再只是生成一段視頻，而是開始生成一個可以進入、探索和互動的“世界”，影視、遊戲和其他內容產業會發生什麼？01 世界模型，到底是什麼說來有趣，世界模型這個詞最早並不是來自計算機科學，而是由一位人文社科領域的研究者提出。

1943年，英國心理學家Kenneth Craik在其著作《The Nature of Explanation（解釋的本質）》中寫到：人的大腦會在內部建立一個關於外部的“小規模世界模型”，並利用這個模型預測未來可能發生的事情、比較不同的行動方案。2018年，Google Brain的David Ha與人工智能先驅Jürgen Schmidhuber共同發表論文《World Models》，正式在人工智能的論文中提出世界模型的概念。他們還給出了一個簡潔的框架：世界模型=觀察世界（V）+預測世界（M）+在內部世界中學習行動（C）。

這也為後來的人們提供了一條重要線索：AI真正需要的，可能不只是生成內容，而是形成一個關於世界如何運轉的內部模型。李飛飛所推動的空間智能路線，以及楊立昆長期倡導的JEPA路線，雖然技術路徑不同，但最終都在回答類似的問題。今年6月，李飛飛發表一篇長文試圖進一步釐清世界模型的概念，她認為，世界模型是當今AI最重要，但也是最被過度使用的術語之一。基於這一觀察，她按功能，將世界模型劃分為渲染器、模擬器和規劃器三類。ㅤ渲染器輸出觀測，以供人眼觀看的像素形式呈現，文生視頻是代表產品；規劃器回答的是智能體下一步該做什麼，還處於萌芽狀態；模擬器負責輸出世界狀態，是連接二者的橋樑，最重要也最容易被忽視。

李飛飛認為模擬器提供的是世界模型的結構骨架，它既能從中導出視覺外觀供渲染器使用，也能從中導出行動後果供規劃器使用。和李飛飛有所不同，楊立昆認為生成視頻不等同於理解世界，你根本不可能預測視頻裡發生的一切，合理的可能情況有無窮多種。基於上述分析，楊立昆給出的解決方案是聯合嵌入預測架構（JEPA）。楊立昆對JEPA的解釋是：為了能夠做預測，你需要找到一種抽象。在楊立昆看來，世界模型不應該是模擬器，它們應該在抽象空間中工作。同時，楊立昆還認為，世界模型不應該是生成式模型，也不應該是視頻生成系統。

無論是李飛飛給出的“世界模型”定義，還是楊立昆提出的JEPA架構，最終都指向了一個相似的問題——AI能否形成對現實世界的認識，並據此預測環境如何變化、行動會產生什麼後果。02 巨頭去留間，各有選擇世界模型並不是一個新概念，但新一輪產業熱度大約從2024年前後開始，並在2025年至2026年隨著視頻生成、機器人和Physical AI的快速發展進一步升溫。ㅤ2025年11月，Meta首席AI科學家楊立昆宣佈離職，他在接受採訪時表示，2024年前後，Meta逐漸將更多資源轉向大語言模型和超級智能方向，FAIR等偏探索性的研究因此受到影響。

ㅤ事實上，在楊立昆離開之前，Meta已經削減了包括FAIR團隊成員在內的部分AI崗位。此時，Meta正在大幅重組AI業務，並將更多資源集中到超級智能和大模型等方向。ㅤ離開Meta後，楊立昆個人成立了新公司AMI Labs，延續他在Meta時期的JEPA方向的探索和研究。楊立昆曾多次表示大語言模型不是通往人類級別、類人智能的正確技術路徑。今年9月，在紐約的演講中，楊立昆重申：“如果你關心人類水平的AI，就不要研究LLM。”他把這句話用紅色字體放在結尾的PPT中。不止楊立昆，包括李飛飛在內的研究者，都把世界模型視為通往更高級機器智能的重要技術路徑。

李飛飛曾在社交平臺表示：大語言模型仍然是黑暗中的文字匠人：能言善辯，卻缺乏經驗；知識淵博，卻脫離現實。儘管如此，大語言模型仍是當下科技巨頭，尤其是互聯網巨頭押注的重點對象。畢竟，目前來看，世界模型仍處於技術探索期，商業化路徑也遠未成熟。這便有了楊立昆離職Meta，創立AMI Labs的結果。當然，這並不是說，Meta等巨頭放棄了世界模型路線，只是一個資源取捨問題。比起Meta，谷歌還在世界模型的方向傾注更多資源。2025年8月，Google DeepMind發佈Genie 3，DeepMind表示：“Genie 3是我們突破性的世界模型，可以通過單個文本提示詞創建交互式、可玩的環境。

從照片般逼真的風景到奇幻的境界，可能性無窮無盡。”碰巧的是，楊立昆從Meta離開創立公司不到一年，李飛飛帶著他創辦兩年的World Labs加入芯片巨頭AMD——這也展示出兩類公司的不同選擇，芯片巨頭們往往更注重提前預判下一個時代。對於AMD這樣的芯片公司而言，它需要對先進模型保持足夠敏銳，才能提前看到未來的算力需求。類似的邏輯，2016年，黃仁勳便親自向OpenAI交付了第一臺DGX-1 AI超級計算機。現在，AMD收購了一家世界模型公司，英偉達則早在2025年1月發佈了Cosmos世界基礎模型平臺。

03 當世界模型，開始“創造世界”AMD宣佈收購World Labs消息的同時，李飛飛髮長文回顧了一路走來的歷程。她在文章中寫道：宇宙並非由文字構成，而是由真實存在的事物組成。從科學、娛樂到機器人，人工智能需要解決的諸多重要問題，都需要模型來推理物理世界的結構和行為。隨後她回顧了World Labs成立以來的一系列成績，重點提到近期發佈的Atlas。李飛飛稱，Atlas解決的是空間智能領域一個長期存在的關鍵問題：如何僅憑少量2D圖像，重建真實空間，並預測此前沒有觀察到的新視角。它能夠用於機器人、娛樂場景生成、房地產、設計、建造等領域。這正是人們研究世界模型的意義所在。

當下的機器人泛化程度仍然有限，往往只能做一些固定的動作，在面對一些突發場景時經常失靈，這正是世界模型所努力解決的問題之一。不止機器人，在遊戲、影視等內容產業領域，世界模型也開始展現出新的應用可能。World Labs聯合創始人Ben Mildenhall曾表示，World Labs一直擁有不少來自創意行業的用戶，他們使用相關模型維持2D圖像、電影、3D和遊戲之間的空間一致性。谷歌Genie 3最大的變化之一，是從“生成一段視頻”走向“生成一個可以實時進入的世界”：它可以根據文字提示生成動態環境，以24fps運行，維持數分鐘的世界一致性。

如果說文生視頻是在“生成一個鏡頭”，那麼Genie 3開始嘗試的是“生成一個可以進入、互動的世界”。這意味著，未來的內容生產對象，可能不再只是“一部電影”“一集電視劇”或者“一條短視頻”，而可能變成一個可以持續運行、不斷變化、允許用戶進入的數字世界。不久前，彭博社報道稱，字節跳動正在基於Seedance開發實時空間視頻生成模型。該項目涉及跨部門及算力資源協調，目標並不只是一段生成好的視頻，而是一個能夠根據用戶聲音和動作實時變化的虛擬環境，潛在應用包括直播、短劇和遊戲，並計劃服務Pico頭顯。