李飞飞挖的三个「坑」：从 ImageNet 到空间智能，这一次她会怎么填？- 大数跨境

首页

李飞飞挖的三个「坑」：从 ImageNet 到空间智能，这一次她会怎么填？

AI科技评论

2026-10-01

导读：82 亿美元，已经为整个世界模型赛道提供了价值锚点。

82 亿美元，已经为整个世界模型赛道提供了价值锚点。

作者丨幸丽娟

编辑丨岑峰

AMD 宣布以 82 亿美元全股票收购李飞飞创立的 World Labs。这是 AMD 史上第二大收购，仅次于 2022 年收购赛灵思。与赛灵思不同，World Labs 仅成立两年。此举被业界解读为苏姿丰在对标英伟达 Cosmos 及机器人平台，意在获取人才、模型洞察力及通往物理 AI 时代的入场券。而对于李飞飞而言，这不仅是商业退出，更是其职业生涯从“出题人”向“答题人”的关键转变。

三次“挖坑”，角色演变

被誉为“AI 教母”的李飞飞，过去二十年通过 ImageNet、AI 民主化、空间智能三个关键节点定义了行业方向，但其参与角色截然不同。

▎ImageNet：纯出题，社区答题

2007 年前后，面对计算机视觉泛化难题，李飞飞在普林斯顿大学顶住压力构建 ImageNet 数据集。这一举措未直接解决算法问题，而是确立了衡量视觉智能的标准。2012 年 AlexNet 的成功引爆深度学习革命，李飞飞作为“命题人”定义了底层基建，但红利主要由 Hinton、Krizhevsky 及整个深度学习社区获得。

▎AI 民主化：想答题，但无决策权

2016 年底，李飞飞加入 Google Cloud 推动“AI 民主化”。尽管推出了 Kaggle、AutoML 等产品，但因缺乏对商业化路径、客户谈判及内部舆论的控制权，其影响力受限。“Project Maven”引发的伦理争议更使其陷入舆论风暴，最终离开。这段经历表明，科学家的专业影响力无法替代商业决策权。

▎空间智能：亲自下场，软硬结合

2024 年 4 月，李飞飞联合 Justin Johnson、Ben Mildenhall 等顶尖学者创立 World Labs，聚焦“空间智能”。团队阵容强大，并在短时间内完成多轮融资，估值从 2 亿美元迅速攀升至 54 亿美元。公司陆续发布 LWM 模型、商用产品 Marble，并收购机器人仿真公司 SceniX，推出多模态世界模型 Atlas，逐步将世界模型从演示转化为工程化产品。

随着研发深入，空间智能对算力、内存带宽及并行计算提出特殊需求，通用 GPU 架构效率有限。李飞飞选择与 AMD 深度合作，但在跨公司协作中面临需求博弈。为解决模型团队最想要的硬件支持并非芯片团队优先级的问题，李飞飞意识到必须掌握硬件话语权。

切入硬件话语权：从提需求到定义需求

2026 年 9 月 28 日，AMD 以约 82 亿美元全股票收购 World Labs。李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，核心研发团队保持相对独立。此次交易并非简单的人员吞并，而是李飞飞带着模型团队直接对接芯片路线图，从“提需求方”转变为“写需求方”。

李飞飞表示，缺乏专门的硬件研发投入将限制 AI 的效率与规模。苏姿丰也强调，双方合作旨在利用模型洞察开发驱动下一代 AI 的硬件、软件和系统。这意味着 World Labs 将深度参与定义解决空间智能问题的工具形态。

新评判标准：技术闭环与生态牵引

此次合作的成败不再仅由学术引用量决定，而是取决于以下两个客观标准：

首先是技术闭环。AMD MI450 系列基于 CDNA 5 架构，大幅提升 FP4/FP8 算力及 HBM4 内存带宽。若 Atlas 和 Marble 在 MI450 上延续此前的性能提升曲线，证明“模型需求反向定义硬件架构”逻辑成立；反之，若 MI450 仅为常规升级，则说明模型团队未能获得量身定制的支持。

其次是生态牵引。成功的关键在于 World Labs 的模型能否带动其他空间智能、具身智能团队主动选择 AMD 硬件。尽管 World Labs 承诺维持开放模型与跨平台部署策略，但 AMD 需证明并入顶尖团队能扩大而非收窄生态。若仅是单一优化而未形成行业共识，则 82 亿美元仅是一张入场券。

结语：82 亿美元的价值锚点

AMD 给出的 82 亿美元溢价收购价（较上一轮估值高出约 52%），为世界模型赛道提供了明确的价值锚点，让行业看到了该领域的计算市场潜力。苏姿丰作为天使投资人继续加注，也反映了市场对 World Labs 价值的认可。

回顾李飞飞的职业生涯，从 ImageNet 的“出题人”到 Google 的“受限答题人”，再到如今通过收购 AMD 成为拥有硬件话语权的“主导者”，她始终在定义“值得做的下一件事”。未来，空间智能能否像深度学习一样成为时代共识，将取决于 MI450 的性能表现、开发者采用速度以及开放生态的建设成果。

【声明】内容源于网络

AI科技评论

聚焦AI前沿研究，关注AI工程落地。

内容 8980

粉丝 0

AI科技评论聚焦AI前沿研究，关注AI工程落地。

总阅读260.9k

粉丝0

内容9.0k