AMD以82億美元併購World Labs的「空間AI」戰略佈局解密

物理互動補強：World Labs 併購 SceniX 的技術互補

在追求空間智慧的道路上，生成「視覺上逼真的 3D 空間」僅是第一步。對於實體機器人與具身智能（Embodied AI）而言，虛擬環境若缺乏精準的物理法則約束，便無法作為可靠的訓練沙盒。World Labs 今年7月併購機器人仿真新創公司 SceniX，正是為了解決從「靜態視覺生成」走向「實體物理互動」的關鍵障礙。

兩家公司的核心技術優勢呈現極高的互補性。World Labs 專長於空間理解與生成式世界模型，擅長將文字、單張圖像或影片轉換為結構一致、光影逼真的 3D 空間；SceniX 則專注於高保真的機器人物理模擬與軟硬體交互重建，能夠精準還原物體的彈性、摩擦力、關節受力形變等物理屬性。當這兩者結合，生成出的 3D 空間不再只是供視覺瀏覽的「渲染器（Renderer）」，而是升級為具備動力學反饋的「物理模擬器（Simulator）」。

這項技術補強的核心戰略價值，在於建立了高度可擴展的 Real-to-Sim-to-Real (R2S2R) 數據與訓練閉環。傳統機器人策略訓練極度依賴真實世界（Real）的數據採集，成本高昂、耗時且充滿安全風險。在 SceniX 與 World Labs 的聯合架構下，開發者僅需擷取少量現實世界中的任務場景，即可透過生成模型擴展出數以萬計具備不同動態物理屬性的「虛擬擴展世界（Sim）」。機器人政策能在這些虛擬試錯場景中進行大規模強化學習與邊界極限測試，無縫部署回實體機器人（Real），真正打通了具身智能規模化訓練的瓶頸。

（source）

》延伸閱讀：Building Worlds That Train Robots / World Labs Blog

模型演進剖析：從 Marble 到 Atlas 的世代跨越

隨著 World Labs 內部技術的迭代，其核心模型架構經歷了從產品導向的 3D 生成器 Marble，向通用底層世界模型基座 Atlas 的重大進化。

Marble 作為早期推出的應用層產品與創作平台，奠定了 World Labs 在 3D 幾何重建領域的聲譽。其技術路線主要採用「生成式多模態 Pipeline」，結合了 2D 生成、深度估計與 3D 高斯濺射（Gaussian Splatting）或 Mesh 生成技術，重點解決如何將多模態輸入轉換為「靜態且可導出的 3D 幾何結構」。

相比之下，新一代基座模型 Atlas 則是原生的通用世界模型（Omni World Model），代表了技術範式的變革。Atlas 採用「多模態自回歸擴散 Transformer（Autoregressive Diffusion Transformer）」架構，將所有觀測數據直接錨定於 3D 空間位姿（Spatial Context）中。這讓 Atlas 具備了真實的「時空動態模擬（Space-Time Simulation）」能力，不僅能進行像素級精準的相機軌跡控制（如生成最長 1 分鐘、1440p 的高度連貫影片），更能預測物理物件隨時間演化的動態反饋。

Marble 與 Atlas 技術特性比較表

算力與軟體全棧融合：AMD 併購 World Labs 的巨幅綜效

AMD 以 82 億美元收購 World Labs，是晶片廠商垂直向上整合軟體模型生態的最典範案例。長期以來，半導體領域的競爭焦點大多集中於硬體的浮點運算效能（FLOPS）與記憶體頻寬；然而，終端市場的生態壁壘本質上是由軟體生態系與開發者工作流所決定的。

在過去，競爭對手 NVIDIA 憑藉 CUDA 軟體棧、Omniverse 平台與 Isaac 機器人模擬器，構建了極難破壞的軟硬體一體化護城河。AMD 雖然在 Instinct 系列 GPU 晶片硬體上展現出強大的效能競爭力，但在「物理 AI / 空間計算」專用的高級軟體層與模型層始終缺乏一個能夠引領產業標準的旗艦產品。併購 World Labs 直接補齊了這項劣勢，使 AMD 一躍具備了與對手全套軟體生態平起平坐的本錢。

AMD 與 World Labs 的軟硬體協同效應比較表

藍圖透視：Physical AI 的三階段落地路線

收購完成後，AMD 與 World Labs 展現了明確的三階段戰略藍圖，逐步擴大其在實體 AI 與空間運算領域的掌控力：

1.短期戰略：打造基於 ROCm 的開放式 Physical AI 開發者平台

• 軟體底層重構： 首要任務是將 Atlas 世界模型與 SceniX 物理引擎在 AMD 的 ROCm 軟體生態及 Instinct MI 系列晶片上進行深度底層優化，發揮極致的推論與訓練效能。
• 開放生態策略： 開放空間 API 與模擬工具包，吸引無力負擔高昂獨占平台成本的機器人開發商、自動駕駛企業與遊戲工作室，快速建立開放式的生態圈。

2.中期戰略：軟硬體共同設計「空間 AI 專用晶片架構」

• 硬體反向設計（Hardware-Software Co-design）： 由李飛飛帶領的研究團隊將直接參與 AMD 下一代 GPU、NPU 與系統架構的設計。將 3D 空間幾何位姿推論、時空 Transformer 注意力機制、光線追蹤與物理碰撞檢測等運算邏輯，原生整合至晶片硬體電路中。
• 成為產業級模擬試錯標準： 結合 SceniX 技術，使客戶可以在 AMD 雲端伺服器叢集中部署數以百萬計的平行虛擬世界，進行無人駕駛與具身機器人的大規模強化學習。

3.長期戰略：成為物理世界數位孿生與自動化時代的運算基石

• 數位孿生與自動化基礎設施： 無論是智慧工廠的動線動態模擬、醫療手術實時 3D 重建，還是完全自主的人形機器人部署，AMD 將提供從「底層硬體晶片 ➔ 世界模型 ➔ 機器人控制策略」的一站式（Turnkey）基礎設施解決方案。

結論