World Labs 深度调研:李飞飞的空间智能独角兽,被 AMD 以 82 亿美元收编
李飞飞创办的空间智能与世界模型公司,Marble/RTFM/Atlas 领军者;2026-09 被 AMD 以约 82 亿美元收购。
执行摘要
World Labs 是 2024 年 4 月成立于旧金山的空间智能公司,创始人包括李飞飞(Fei-Fei Li,斯坦福大学计算机科学教授、美国国家工程院院士)、Justin Johnson 与 Ben Mildenhall(NeRF 核心发明人)。公司规模很小——2026 年 3 月第三方劳动力数据机构 Revelio Labs 估算正式员工不足百人,公开报道多写「约 70 人」——但它是「世界模型」这条赛道上最受关注的公司之一。
2026 年 9 月 28 日,AMD 宣布以全股票方式收购 World Labs,交易估值约 82 亿美元(约 550 亿元人民币)。双方于 9 月 26 日签署合并协议,AMD 将取得全部股权,交易尚需多国监管审批,预计 2026 年底完成交割。这是 AMD 历史上第二大收购,仅次于 2022 年约 500 亿美元收购赛灵思。交割后,李飞飞将出任 AMD 执行副总裁兼首席科学家,直接向董事长兼 CEO 苏姿丰汇报;另外两位联合创始人继续带领研究团队,实验室保留旧金山办公地点。消息公布当天,AMD 股价下跌约 4%。
产品侧的时间线是:2024 年成立当年推出大型世界模型(LWM),可从单张图片生成可交互的三维世界;2025 年 11 月推出首款商用产品 Marble,支持从文字、图片、视频或 360 度全景生成空间一致、可编辑、可导出的三维场景,采用免费加付费订阅;2026 年 7 月收购机器人仿真初创 SceniX,把能力从「生成三维世界」延伸到「机器人训练环境」;2026 年 9 月 1 日发布 Atlas,公司称其为全球首个从头预训练、原生处理文本、图像、视频与三维数据的全模态世界模型,支持像素级相机控制、三维重建、视频换机位,并能把真实场景快速复制成机器人训练环境。
融资侧,2024 年 9 月完成 2.3 亿美元融资,估值约 10 亿美元;2026 年 2 月完成 10 亿美元融资,投资方包括英伟达、AMD、Autodesk、a16z、Radical Ventures,当时行业预计估值约 50 亿美元。七个月后以 82 亿美元被收购,估值上涨超过六成。
物理 AI 视角下,World Labs 做的是「世界模型」——不是仿真求解器,也不是机器人本体,而是让 AI 理解、生成、模拟三维物理世界的模型层。它的价值主张是:机器人与自动驾驶的训练需要大量多样化、可交互的三维环境,而真实世界采集成本高、覆盖有限;世界模型可以按需生成这些环境,并支持「在生成的世界里训练策略」。
需要提前说明判断:这是一家「技术声望极高、商业数据为零、以战略价值定价」的公司。它从未披露营收,员工不足百人,产品 Marble 采用免费加订阅模式但用户与收入规模未知。82 亿美元的估值对应的是「世界模型是下一代 AI 的基础设施」这个判断,以及李飞飞团队的稀缺性,不是当期财务表现。评估它必须区分两层:作为独立公司的商业价值(未知),以及作为 AMD 战略资产的价值(明确——模型研究反向定义芯片与系统)。
公司概览
起源与团队
World Labs 于 2024 年 4 月成立,总部旧金山。创始团队是计算机视觉领域的顶配组合:李飞飞(ImageNet 的推动者、斯坦福 HAI 联席院长、曾任谷歌云 AI 负责人)、Justin Johnson(计算机视觉与视觉推理学者)、Ben Mildenhall(NeRF 的核心发明人,神经辐射场技术改变了三维重建的范式)。
这个组合的技术含义很具体。ImageNet 代表「大规模数据 + 深度学习」的范式,NeRF 代表「用神经网络隐式表示三维场景」的范式,Justin Johnson 代表视觉推理与生成。三者合在一起,正好对应「世界模型」需要的三块能力:数据规模、三维表示、以及从感知到推理的链条。
从 LWM 到 Marble 到 Atlas
2024 年成立当年,公司推出大型世界模型(LWM),能力是从单张图片生成可交互的三维虚拟世界。这一步验证了「生成式三维」的可行性,但当时的输出在空间一致性、可编辑性上有限。
2025 年 11 月的 Marble 是商业化产品:多模态输入(文字、图片、视频、360 全景)、可从三维布局图精确控制、支持交互式编辑(改局部元素或重塑整个场景)、支持扩展与组合(把多个世界拼成更大的环境)、支持导出到多种二维与三维格式(便于接入现有工作流)。定价采用免费加付费订阅。
2026 年 9 月的 Atlas 是技术跃迁:从头预训练、原生处理文本、图像、视频与三维数据的全模态模型,支持像素级相机控制、三维重建、视频换机位,并能把真实场景快速复制成机器人训练环境。如果「原生多模态」成立,Atlas 解决的是 Marble 那类「先生成再拼接」方案的固有缺陷——不同模态之间的对齐误差。
SceniX 收购:从生成到训练
2026 年 7 月收购 SceniX(机器人仿真初创)是一个关键动作。它把 World Labs 的能力从「生成好看的三维世界」推进到「生成可用于机器人训练的环境」——后者需要物理属性(摩擦、质量、碰撞)、任务语义(物体可抓取性、可通行性)与仿真接口(与 Isaac Sim、MuJoCo 等训练框架对接)。
这个收购说明公司意识到:单纯生成视觉上逼真的世界,不足以支撑机器人训练;训练需要的是「物理上可交互、任务上有意义」的环境。这正是世界模型与仿真器的交界处,也是它与英伟达 Omniverse/Isaac 生态既竞争又互补的地方。
技术分析
世界模型要解决什么问题
理解 World Labs 的技术,需要理解「世界模型」与「生成模型」的区别。生成模型(如文生图)学的是「数据分布」,输出是像素或 token 序列;世界模型学的是「状态转移」——给定当前状态与动作,预测下一个状态。这个定义决定了三个技术要素:状态表示(三维场景如何编码)、动力学(状态如何演化)、以及可控性(如何按动作或指令改变状态)。
三条技术路线在竞争。第一条是像素级视频生成(如 Sora 类模型):把世界建模成视频序列的生成问题,优点是数据丰富(互联网视频)、渲染逼真;缺点是没有显式的三维结构,物理一致性差、无法交互。第二条是三维原生生成(如 Marble、Atlas):显式生成三维表示(高斯泼溅、神经辐射场、网格),优点是可交互、可编辑、可导出;缺点是数据稀缺(三维数据远少于视频)、生成质量与速度受限。第三条是物理仿真(如 Isaac Sim、MuJoCo):用物理引擎保证动力学正确,优点是物理准确;缺点是视觉真实感与场景多样性有限。
World Labs 走的是第二条,并向第三条靠拢(收购 SceniX)。这个选择的赌注是:机器人训练最终需要「既有视觉真实感、又能物理交互、还能按需生成」的环境,而只有三维原生路线能同时满足这三点。
三维表示的选择
三维原生世界模型的核心是「用什么表示三维场景」。主流选项有四种:体素(voxel)、点云(point cloud)、神经辐射场(NeRF)、三维高斯(3D Gaussian Splatting)。
NeRF 用 MLP 隐式表示密度与颜色,渲染质量高但训练与渲染慢;三维高斯用显式的高斯基元表示场景,渲染快(可实时)、编辑方便(移动或删除高斯),是 2023 年后三维重建与生成的主流选择;体素与点云结构化程度高但视觉质量受限。
Ben Mildenhall 是 NeRF 的发明人,公司选择三维高斯路线(Marble 的实时编辑与导出能力暗示了这一点)说明它在「质量与效率」之间选了效率——因为世界模型要用于交互与训练,实时性比离线渲染质量更重要。
Atlas 的「原生多模态」含义
Atlas 被描述为「从头预训练、原生处理文本、图像、视频和三维数据的全模态世界模型」。这个表述的技术含义是:不是把多个单模态模型拼接(各自编码再对齐),而是在预训练阶段就让不同模态共享表示空间。
拼接方案的问题是对齐误差——文本描述与三维几何的一致、视频帧与三维结构的对应,都需要额外的对齐模块,误差会累积。原生多模态的方案是在一个 Transformer 里同时处理不同模态的 token,让模型自己学出跨模态的对应关系。这条路线在技术上更难(需要统一的分词方案与大规模多模态数据),但如果成功,跨模态一致性会更好。
「像素级相机控制」是另一个技术点:用户能精确控制虚拟相机的位姿与运动,这需要模型理解三维空间的几何关系,不再停留在「按文本提示生成一段看起来像的视频」。
为什么 AMD 要买
这是理解这笔交易的关键。表面上看,芯片公司买模型实验室不合逻辑——模型是软件,芯片是硬件。但 AMD 的逻辑是:下一代 AI 的算力需求由模型架构决定,理解模型如何演进,才能设计出正确的芯片。
具体到世界模型,它对硬件的需求与语言模型不同。语言模型是「大 batch、长序列、高带宽内存」;世界模型是「实时生成、三维表示、大量空间查询」,对显存带宽、渲染管线(光栅化/光线追踪)、以及低延迟推理的要求更高。如果 AMD 要在这个方向做专用优化(类似英伟达在 Omniverse/Isaac 上的软硬协同),就需要一支懂模型的团队。
另一个逻辑是「生态」:英伟达的护城河不只是芯片,还有 CUDA、Omniverse、Isaac 这些软件生态。AMD 要挑战它,必须有同等量级的软件与模型能力。收购 World Labs 是买「模型侧的话语权」。
技术短板
第一,物理准确性。生成的三维世界视觉上逼真,但物理属性(摩擦、质量、碰撞响应)是否准确,公开信息没有验证。机器人策略在「物理不准」的环境里训练,会学到错误的因果关系。
第二,规模与成本。生成一个高质量三维世界的计算成本远高于生成一张图片,如果成本降不下来,商业化(按需生成大量训练环境)的经济性不成立。
第三,评估标准缺失。「生成的世界有多好」缺少公认指标——视觉质量、几何精度、物理一致性、任务可用性,四个维度需要不同的评估方法。
第四,商业化数据为零。Marble 有免费与付费订阅,但没有披露付费用户数、收入与留存。
产品与商业化
Marble 的产品形态
Marble 是面向创作者与开发者的三维世界生成工具:输入文字、图片、视频或 360 全景,输出可交互、可编辑、可导出的三维场景。功能包括:从三维布局图精确控制、交互式编辑、扩展与组合世界、多格式导出。
目标用户分三类:创意工作者(游戏、影视、广告的场景制作)、开发者(需要大量三维环境的应用)、以及研究者(机器人、自动驾驶的训练环境)。三类用户的付费意愿与使用方式差异很大:创意工作者按项目付费,开发者按 API 调用付费,研究者按算力或订阅付费。
与 SceniX 的整合方向
SceniX 提供机器人仿真能力,整合后的产品逻辑是:用 Marble/Atlas 生成场景,用 SceniX 的物理仿真让场景可交互,再输出到机器人训练框架。这条链如果打通,产品就从「三维内容生成工具」升级为「机器人训练环境生成平台」。
后者的商业价值更高——机器人公司愿意为「高质量、多样化、可规模化的训练环境」付费,因为真实数据采集的成本极高(每台机器人、每个场景、每次遥操作都要人力)。但门槛也更高:需要物理准确性、任务语义标注、以及与训练框架的深度集成。
商业模式与定价
Marble 采用免费加付费订阅(freemium)。这种模式的逻辑是用免费版获取创作者社区、用付费版变现专业用户。但对世界模型这类高算力成本的产品,免费版的成本压力很大——每次生成都要消耗大量 GPU 时间。
另一种可能的模式是「按生成量计费」(按场景数或按算力),这更符合成本结构,但对创作者不够友好。公司未披露定价细节。
被收购后的产品走向
交割后,World Labs 保留旧金山办公地点、由另外两位联合创始人继续带领研究团队,李飞飞转任 AMD 高管。这个安排的含义是:研究继续(模型能力是 AMD 需要的),但商业化优先级可能下降——AMD 买的是「模型研究能力」,不是「订阅收入」。
对现有客户,这意味着产品路线可能从「独立 SaaS」转向「与 AMD 硬件绑定的解决方案」。这对创意工作者可能不是好消息(他们不需要 AMD 芯片),但对机器人公司是好消息(训练需要算力,软硬一体能降成本)。
竞争格局
世界模型的竞争者
世界模型赛道的竞争者分三类。第一类是视频生成模型(OpenAI Sora、Google Veo、Runway):视觉质量高、数据丰富,但缺少显式三维结构与物理交互。
第二类是三维生成公司(Luma AI、Tripo、Meshy、VAST):做单物体或小场景的三维生成,商业化路径是创作者工具与游戏资产。它们与 World Labs 的区别在规模——World Labs 做的是「可漫游的大场景」,与单个物体不同。
第三类是仿真与机器人训练平台(英伟达 Isaac Sim/Omniverse、MuJoCo、Genesis):物理准确、生态成熟,但场景生成能力弱(需要人工建模或扫描)。World Labs 与它们是互补关系——生成场景、导入仿真。
与英伟达的关系
英伟达既是 World Labs 的投资方(2026 年 2 月那轮),也是它最重要的生态伙伴与潜在竞争者。Omniverse 做的是「物理准确的虚拟世界 + 协作平台」,Isaac 做的是「机器人训练」。World Labs 的生成能力可以补充 Omniverse 的场景来源,但如果 World Labs 自己做训练平台,就会与 Isaac 竞争。
AMD 收购后,这个关系变得更微妙:World Labs 成为 AMD 的资产,而 AMD 是英伟达的直接竞争对手。英伟达作为投资人在这笔交易中获得了财务回报(持股被收购),但失去了一位生态伙伴。
与中国公司的对照
中国的世界模型/三维生成公司包括 VAST(Tripo)、影眸科技、以及大厂的 3D 生成团队。它们的商业化更偏「资产生产」(游戏、电商、影视),规模较小但路径清晰。World Labs 的定位更宏观(空间智能基础设施),商业化更早期。
芯片公司向上收购的趋势
AMD 收购 World Labs 不是孤例。近年芯片与云厂商都在向上游(模型层)延伸:谷歌有 DeepMind、微软有 OpenAI 的合作与自研、亚马逊有 Anthropic 的投资。逻辑是「模型定义硬件需求」,掌握模型才能定义下一代芯片。
这个趋势对独立模型公司的影响是双面的:一方面,被收购提供了退出路径与资源;另一方面,独立生存的空间被压缩——要么被收购,要么在巨头之间找缝隙。
融资与资本结构
融资轨迹
2024 年 9 月:2.3 亿美元,估值约 10 亿美元。2026 年 2 月:10 亿美元,投资方含英伟达、AMD、Autodesk、a16z、Radical Ventures,行业预计估值约 50 亿美元。2026 年 9 月:以 82 亿美元被 AMD 收购(全股票)。
这条轨迹的特点是「估值跳跃快」:两年内从 10 亿到 82 亿,涨了 8 倍。支撑它的是三个事件:Marble 商用(2025-11)、Atlas 发布(2026-09)、以及「世界模型是下一代 AI 基础设施」的共识形成。
交易结构
全股票交易,估值约 82 亿美元,2026 年 9 月 26 日签署合并协议,9 月 28 日宣布,预计 2026 年底完成交割,需多国监管审批。
全股票的含义是:World Labs 的股东(含英伟达、AMD 自己、Autodesk、a16z 等)获得 AMD 股票,不是现金。这对 AMD 的好处是不消耗现金、绑定股东利益;对股东的好处是继续持有 AI 算力公司的敞口(如果 AMD 股价上涨,回报更高)。风险是 AMD 股价波动会直接影响交易价值——宣布当天 AMD 跌 4%,对应交易价值缩水约 3.3 亿美元。
估值的方法论问题
82 亿美元对应不足百人的团队、零披露的收入,用任何传统估值方法(PS、PE、DCF)都无法解释。合理的解释只有三种:一是「团队与技术」的战略定价(李飞飞团队 + NeRF 发明人 + 三维生成技术栈);二是「期权定价」(如果世界模型成为机器人训练的基础设施,市场空间极大);三是「防御性收购」(不让英伟达或谷歌拿走)。
三种解释都成立,但它们都不是财务投资逻辑,而是战略投资逻辑。这也解释了为什么买方是 AMD(需要模型能力定义芯片),不是财务投资人。
DISCREPANCIES
1. 员工规模的两个数字。 公开报道多写「约 70 人」;Revelio Labs 估算截至 2026 年 3 月正式员工不足百人。两个数字不矛盾(70 落在「不足百人」区间内),但精确度不同。本报告采用「不足百人、约 70 人」的表述。来源等级:MEDIA 与第三方劳动力数据(均为估算)。
2. 估值的三个时点。 2024 年 9 月约 10 亿美元(融资披露);2026 年 2 月行业预计约 50 亿美元(未官方确认);2026 年 9 月约 82 亿美元(收购对价)。三个数字对应不同时点与不同性质(融资估值 vs 收购对价),不可直接比较。本报告按时间线分列。来源等级:OFFICIAL(收购对价与 2024 年融资)与 MEDIA(2026-02 预计)。
3. 收入从未披露。 公司从未公开营收、付费用户数、订阅转化率。Marble 采用免费加付费订阅,但商业化规模未知。部分解读以「有付费订阅」推断「已有收入规模」。本报告标注收入未知。来源等级:信息缺失。
4. 成立时间的表述。 官方与大量报道为 2024 年 4 月;部分资料写「2024 年初」。本报告采用 2024 年 4 月。来源等级:OFFICIAL 与 MEDIA 交叉。
5. Atlas「全球首个多模态世界模型」的排他性。 公司称 Atlas 为「全球首个多模态世界模型」。这个「第一」取决于「多模态」「世界模型」的定义边界(视频生成模型是否算世界模型?三维生成是否算多模态?),无法独立核验。本报告保留表述并标注为公司口径。来源等级:公司营销表述(UNVERIFIED)。
6. 收购交割的不确定性。 交易尚需多国监管审批,预计 2026 年底完成。部分报道以「已完成收购」表述。本报告用「签署协议、待交割」。来源等级:OFFICIAL(AMD 公告)。
7. 李飞飞的职务表述。 交割后任 AMD 执行副总裁兼首席科学家(AMD 首位首席科学家),直接向苏姿丰汇报。部分报道简化为「加入 AMD」。本报告采用完整职务。来源等级:OFFICIAL(AMD 公告)。
8. 英伟达作为投资人的双重身份。 英伟达是 World Labs 2026 年 2 月融资的投资方,同时是 AMD 的竞争对手。收购后英伟达的持股转为 AMD 股票(或按交易条款处理),部分解读称「英伟达投资了竞争对手」。本报告标注双重身份,不推断英伟达的意图。来源等级:OFFICIAL(投资事实)与推断的区分。
风险与尽调缺口
其一,物理准确性未验证。 生成的三维世界视觉逼真,但摩擦、质量、碰撞响应是否准确,公开信息无验证。机器人策略在物理不准的环境里训练会学到错误因果。
其二,商业化数据为零。 无营收、无付费用户数、无留存。82 亿美元估值完全建立在战略价值上。
其三,生成成本。 高质量三维世界的生成成本远高于图像生成,规模化用于机器人训练的经济性未验证。
其四,收购整合风险。 交割后研究团队保留、李飞飞转任 AMD 高管,这个安排的长期效果未知——研究文化与芯片公司的工程文化能否融合。
其五,监管审批。 多国监管审批,大型科技并购在当前监管环境下存在不确定性。
其六,与英伟达生态的关系。 收购后 World Labs 成为 AMD 资产,与英伟达 Omniverse/Isaac 从「合作」转为「竞争」,可能失去部分生态支持。
其七,技术路线风险。 三维原生路线如果被视频生成路线(Sora 类)在质量与成本上超越,World Labs 的技术优势会被削弱。
综合评分
技术维度给 8.5 分。李飞飞、Justin Johnson、Ben Mildenhall 的组合在计算机视觉与三维生成领域属于顶配;Marble 的多模态输入、精确控制、交互编辑、多格式导出达到商用水平;Atlas 的原生多模态与像素级相机控制是技术跃迁;收购 SceniX 补齐物理仿真。扣分项是物理准确性未验证、生成成本与规模未知。
商业维度给 5 分。Marble 有清晰的产品形态与免费加订阅模式,目标用户(创作者、开发者、机器人公司)明确,SceniX 整合后指向机器人训练这个高价值场景。扣分项是收入与付费用户完全未披露、生成成本可能压制毛利、被收购后商业化优先级可能下降。
财务维度给 7 分。融资轨迹强劲(2.3 亿美元 → 10 亿美元 → 82 亿美元收购),投资人含英伟达、AMD、Autodesk、a16z,退出路径明确(AMD 全股票收购)。扣分项是收入为零、估值靠战略定价、全股票交易受 AMD 股价波动影响。
产品维度给 7.5 分。Marble 的产品完成度(多模态、编辑、导出)在同类中领先,Atlas 的全模态能力是差异化,SceniX 补齐训练环境。扣分项是物理属性、任务语义、与训练框架的集成深度未披露、定价细节缺失。
市场维度给 8 分。世界模型被视为下一代 AI 的基础设施,机器人训练与自动驾驶对合成环境的需求真实,AMD 的收购验证了战略价值。扣分项是市场尚早、视频生成路线的竞争、英伟达生态的先发优势。
综合 7.2 分。这是本轮 65 家里「技术声望最高、商业数据最少」的一家:它用两年时间从零做到 82 亿美元估值,靠的是顶级团队、清晰的技术路线(三维原生世界模型)与一个正确的判断(机器人训练需要可生成、可交互的三维环境)。但它从未披露收入,物理准确性未验证,生成成本未知。对物理 AI 的判断是:世界模型确实是物理 AI 的关键一层——它连接「感知」与「行动」,为机器人与自动驾驶提供训练场所;AMD 的收购说明这一层的战略价值已被算力厂商认可。但从「技术演示」到「生产级训练基础设施」,World Labs 还需要证明物理准确性、成本可控性与规模化能力,而这些证据目前都不存在。
参考资料
- AMD 收购公告(2026-09-28):以全股票方式收购 World Labs,交易估值约 82 亿美元;双方于 9 月 26 日签署合并协议,AMD 将取得全部股权;尚需多国监管审批,预计 2026 年底完成;为 AMD 历史上第二大收购,仅次于 2022 年约 500 亿美元收购赛灵思;交割后李飞飞任 AMD 执行副总裁兼首席科学家,向苏姿丰汇报;另外两位联合创始人继续带领研究团队,保留旧金山办公地点
- World Labs 官网(2026 年访问):定位为空间智能公司,构建能够感知、生成、推理并与虚拟和物理世界交互的前沿模型;Marble 为首款产品,可生成空间一致、高保真、持久的三维世界,支持文字/图片/视频/360 全景输入、三维布局控制、交互式编辑、扩展与组合、多格式导出;研究页面列 2026-09-28「World Labs is Joining AMD」与 2026-07-28「The Next Frontier of AI Is Spatial Intelligence」(含 SceniX 收购讨论)
- 产品时间线(公开报道):2024 年成立当年推出大型世界模型(LWM),可从单张图片生成可交互三维虚拟世界;2025 年 11 月推出首款商用世界模型 Marble,支持从文字、图片、视频生成可编辑可导出三维场景,采用免费加付费订阅;2026 年 7 月收购机器人仿真初创 SceniX;2026 年 9 月 1 日发布 Atlas
- Atlas 能力(公开报道):从头预训练、原生处理文本、图像、视频与三维数据的全模态世界模型;支持像素级相机控制、三维重建、视频换机位;可将真实场景快速复制成机器人训练环境;应用领域含机器人训练、自动驾驶、游戏开发、电影特效、科学研究
- 公司基本信息(公开报道):2024 年 4 月成立于旧金山;团队规模约 70 人(Revelio Labs 估算截至 2026 年 3 月正式员工不足百人);创始人含李飞飞(斯坦福大学计算机科学教授、美国国家工程院院士、斯坦福 HAI 联席院长、2017-2018 年领导谷歌云 AI 业务)、Justin Johnson、Ben Mildenhall(NeRF 核心发明人)
- 融资数据(公开报道):2024 年 9 月融资 2.3 亿美元、估值约 10 亿美元;2026 年 2 月完成 10 亿美元融资,投资方含英伟达、AMD、Autodesk、a16z、Radical Ventures,行业预计估值约 50 亿美元;2026 年 9 月以约 82 亿美元被收购,估值较 2026 年 2 月上涨超六成
- 交易细节(公开报道):AMD 向 SEC 提交的当期报告披露合并协议签署日为 9 月 26 日;消息公布当天 AMD 股价下跌约 4%;李飞飞将出任 AMD 首位首席科学家
- 苏姿丰表态(AMD 公告):为下一代 AI 构建计算平台需要深入理解模型如何演进;李飞飞与 World Labs 团队带来研究领导力与模型专长;合作可开发支撑下一代 AI 的硬件、软件与系统,强化开放 AI 生态
- 李飞飞表态(AMD 公告):推进下一代 AI 需要模型研究、系统与计算的紧密协作;加入 AMD 将提供资源与工程深度,加速研究并帮助定义 AI 新时代所需的基础设施
- 技术背景(公开资料):世界模型学习「状态转移」,不是「数据分布」,三要素为状态表示、动力学与可控性;三条路线为像素级视频生成(数据丰富、物理一致性差)、三维原生生成(可交互可编辑、数据稀缺)、物理仿真(物理准确、真实感有限);三维表示含体素、点云、神经辐射场(NeRF)与三维高斯泼溅(3DGS),后者因渲染快、易编辑成为 2023 年后主流
- 行业背景(公开资料):NeRF 用 MLP 隐式表示密度与颜色,渲染质量高但训练与渲染慢;三维高斯用显式高斯基元,渲染可实时、编辑方便;世界模型用于机器人训练需要物理属性(摩擦、质量、碰撞)与任务语义(可抓取性、可通行性),并与 Isaac Sim、MuJoCo 等训练框架对接
- 竞争格局(公开资料):视频生成路线的代表含 OpenAI Sora、Google Veo、Runway;三维生成公司含 Luma AI、Tripo、Meshy、VAST;仿真与机器人训练平台含英伟达 Isaac Sim/Omniverse、MuJoCo、Genesis;芯片与云厂商向上游延伸的案例含谷歌 DeepMind、微软与 OpenAI、亚马逊与 Anthropic
本报告依据公开资料整理,不构成投资建议。公司未上市(已被收购待交割),收入与用户数据从未披露;估值与交易条款以 AMD 公告与公开报道为准,技术能力表述为公司口径,未经第三方验证。
相关报告66
- 五一视界深度调研:港股上市的数字孪生公司,51Sim 已是第一增长引擎而 51Earth 近乎归零,两套完全不同的融资轮次命名口径必须并存
- AMI Labs 深度调研:10.3 亿美元种子的世界模型豪赌,LeCun 的非生成式路线与它的空白成绩单
- 安世亚太 PERA 深度调研:2003 北京创立的国产 CAE 龙头,PERA SIM 通用仿真 + AIROM 降阶 + AgentX 多智能体 + 精智 iGPT/Whale,从工业仿真跨越到物理 AI
- AspenTech 深度调研:被 Emerson 全资收购的过程仿真巨头与其工业 AI 混合建模路线
- Autodesk 深度调研:以 Neural CAD 基础模型与 2 亿美元 World Labs 押注物理世界 AI,NAVASTO 补齐 CFD 代理能力
- Bentley Systems 深度调研:以 iTwin 数字孪生与生成式 AI 赋能基础设施全生命周期工程
- BeyondMath 深度调研:神经算子路线的基础物理 AI,$19M 联盟预算、1000 倍加速与三个被误读的事实
- Cadence 深度调研:以 EDA 系统级多物理场与 Millennium M2000 超算切入物理 AI,AuraStack 智能体与 Fidelity GPU CFD 成关键抓手
- COMSOL 深度调研:四十年多物理场求解器基业,以 DNN 代理模型训练与全物理场 GPU 加速切入物理 AI
- Dassault Systèmes 深度调研:以 3DEXPERIENCE 与 SIMULIA 虚拟孪生物理行为切入工业 AI,LEO 虚拟助手与 GPU 显式动力学成物理 AI 支点
- 深势科技深度调研:从戈登贝尔奖到国家级独角兽与港股门前,AI for Science 龙头的技术兑现与商业化空白
- Emmi AI 深度调研:17 个月从林茨 spin-out 到 3.3 亿欧元被 Mistral 收购,AB-UPT 拿下 CFD 代理模型 SOTA
- Fainite 深度调研:苏黎世物理 AI 仿真初创,Caltech/ETH/剑桥/谷歌背景团队用物理感知深度学习把仿真从数十小时压到秒级,仅获 Venture Kick 资助、尚无定价轮次
- 飞捷科思深度调研:PhysX 奠基人的二次创业,国产可微分物理引擎与它的生态打法
- 凡拓数创(301313)深度调研:从数字展馆到物理 AI 数据基座的战略跃迁,FTE 引擎与 FunSim 仿真平台的卡位成色及收入兑现节奏
- Godela 深度调研:YC X25 物理 AI 仿真初创,前苹果/谷歌/英特尔团队用物理约束代理模型把仿真从数天压到秒级,仅 seed 轮、试商用 pilot 制
- 霍莱沃(688682)深度调研:以 RDSim AI 电磁仿真与工业智能体贯通「仿真-测量-产品」闭环
- 阿尔特 IAT 深度调研:A 股首家独立汽车设计公司全线转向 AI 研发,圆方/御风/太乙 3.0 产品体系落地并携手英伟达 Omniverse,2025 年营收 9.75 亿元、归母亏损扩大至 2.50 亿元
- Inductiva 深度调研:一个已停运的开源求解器编排样本,八处必须纠正的前提,以及联合创始人 CTO 的停运后去向
- 英特仿真(INTESIM)深度调研:2009 年成立的国产 CAE 龙头之一,自研结构/流体/电磁/热/声学求解器与多物理场耦合平台,完成中网投、深创投亿元 B 轮,2025 年营收签单双过亿
- 软通动力(301236)深度调研:依托软通天枢打造 L1/L2/L3 三层全栈物理 AI 架构,自研 TwinHub 数字孪生、FSim 工业仿真、CAE 多物理场与 Phyxis 具身控制
- Jua 深度调研:以地球物理基础模型 EPT 服务能源交易与电网决策
- Keysight(含 ESI Group)深度调研:以虚拟样机与混合 AI 连接测量与仿真,EDA 引入自然语言助手
- 光轮智能深度调研:前英伟达仿真负责人创办的物理 AI 数据与评测基础设施商,七轮融资约 26.5 亿元估值超 20 亿美元,同时进入 Newton 与 EgoVerse 两大国际标准委员会,订单口径存在 5.5 亿元人民币与 1 亿美元两套说法
- Luminary Cloud 深度调研:NVentures 押注的「物理 AI 模型工厂」,用 SHIFT 模型与 GPU 原生求解器改写 CAE 云化路径
- MathWorks 深度调研:以 MATLAB/Simulink 与 Simscape 多物理场支撑物理 AI,R2026a 推出 Copilot 与 Agentic Toolkit 布局端侧智能
- 觅蜂科技 Maniformer 深度调研:智元机器人孵化的物理 AI 数据基础设施,MEgo 无本体采集硬件量产,半年三轮融资中国电信领投
- Mistral AI 深度调研:30 亿欧元欧洲最大融资背后,Physics AI 如何从语言模型走到 EUV 光刻与核电站
- Monolith AI 深度调研:不加速仿真,而是砍掉物理试验次数的英国工程 AI,被 CoreWeave 收入囊中
- Monumo 深度调研:剑桥深科技电机 AI 设计公司,Anser 引擎日千万级多物理场仿真,累计融资 1050 万英镑,A 轮正在募资中
- NAVASTO 深度调研:把求解器的洞察左移到设计师工作台,Autodesk 用一次收购买下这个入口
- Navier 深度调研:把 CFD 工作流交给智能体,旧金山硬件工程 AI 的种子期豪赌
- Neural Concept 深度调研:EPFL 出身的工程 AI,用 1.38 亿美元融资押注「代理模型能否替代部分求解器」
- NP Co.(NP Company)深度调研:2025 年成立的巴黎 Inria 孵化 AI 原生仿真初创,€6M 天使前轮由 Partech 领投、Mistral 联合创始人参投,宣称预训练物理基础模型实现 1000x 加速,多项宣称待验证
- NVIDIA 深度调研:以 PhysicsNeMo、Warp、Cosmos 世界基础模型与 Omniverse 构建物理 AI 全栈基础设施
- Physical Intelligence 深度调研:31 亿美元级融资押注「机器人的 GPT 时刻」,π0.7 自陈未见任务成功率仅 60–80%,Pi API 定价与收入双双未披露
- Physical Superintelligence 深度调研:58 亿美元级种子轮押注「虚拟物理学家」,Emmy 平台把 AI 数据中心多物理优化当作首个商业化证明
- PhysicsX 深度调研:把几何与物理都压进一个预训练模型的三亿美元级工业 AI 赌注
- Prometheus 深度调研:410 亿美元估值、182 亿美元融资,却还没有一个产品
- PTC 深度调研:以 Creo/Onshape 与 ThingWorx 数字主线支撑物理 AI,借 NVIDIA Isaac Sim 打通机器人设计到仿真
- 千诀科技(北京千诀科技有限公司)深度调研:预测式世界模型 Polibrain、类脑分区架构与多项式表征,一个「不造本体」的具身大脑如何接入十万台清洁与服务机器人
- Quanscient 深度调研:云原生与量子赋能的多物理场仿真,AI-Native 硬件工程的数据引擎
- Rescale 深度调研:云上的 HPC 操作系统与桌面工程工作台,1.15 亿美元 D 轮与五处被误读的事实
- Schrödinger 深度调研:以 FEP+ 物理模拟与机器学习支撑分子发现,2026 年推出 Bunsen 智能体共同科学家
- Secondmind 深度调研:剑桥工程 AI 公司,贝叶斯主动学习把 CAE 仿真与台架试验减少最高 90%,累计融资约 7300 万美元,马自达兼具客户与投资人身份
- 适创科技深度调研:以 SupreCAST 云原生材料加工仿真与工业智能体,推进 CAE+AI 战略
- 舜云科技深度调研:以粒子法 shonDy 切入新能源与核能流体多物理场仿真
- 数智脉进深度调研:深圳 SNN+LBM 全栈自研 CFD 初创,宣称消费级硬件秒级出数亿网格结果,获财政部下属基金数千万天使轮,规划迁核心算法至 FPGA
- Siemens(含 Altair)深度调研:2025 完成 Altair 收购,Simcenter 与 Altair 仿真组合并,PhysicsAI 几何深度学习与 PhysicsAI Generate 成物理 AI 核心
- Silurian 深度调研:以生成式预报 Transformer 构建地球系统基础模型,面向能源与基建资产的天气风险
- SimScale 深度调研:把 CAE 许可证变成按核时订阅的云端仿真平台,5200 万欧元股权与 2500 万欧元债务必须分开算,以及五处被误读的事实
- Skild AI 深度调研:CMU 机器人研究所孵化的通用机器人基础模型,1.4 亿美元 C 轮对应 140 亿美元估值,但 B 轮规模存在 1.35 亿与 5 亿的口径冲突
- 松应科技深度调研:华为云系团队创办的国产物理 AI 操作系统商,ORCA OS 宣称对标英伟达 Omniverse,融资轮次在三套口径下各不相同,风语筑 2000 万元少数股权投资是可核验的第三方锚点
- 苏度科技(上海苏度科技有限公司)深度调研:零真机数据的仿真训练路线、Sudo R1 全栈自研与「原子能力」商业化,一家成立 17 个月估值超 200 亿元的具身智能新独角兽
- 索辰科技深度调研:从 CAE 工具商到物理 AI 平台商的转型阵痛
- Synopsys(Ansys)深度调研:2025 完成收购 Ansys,从 EDA 龙头跃升为「硅到系统」工程解决方案领导者,Ansys SimAI 与 NVIDIA 物理 AI 合作为核心抓手
- 十沣科技深度调研:院士领衔的国产工业仿真软件,官方时间线与数据库口径的轮次命名完全不同,官方融资 PDF 与投资数据库同时存在且不可合并
- 天洑软件深度调研:2011 年成立的国产智能 CAE 老兵,C 轮数亿元,2024 起主打「工业世界模型」,融资口径与估值多处不可调和,营收从未披露
- 同元软控深度调研:以 MWORKS(Syslab/Sysplorer)对标 MATLAB/Simulink,借 MWORKS AI 与 MOGICK 工程智能体推进国产物理 AI
- Vinci AI 深度调研:把物理仿真从「检查点」变成「连续约束」的半导体新变量
- 西湖机器人深度调研:西湖大学首个机器人成果转化项目,以 WR1 全身通用基座与 GAE 行为专家大模型构成大小脑双预训练架构,半年四轮融资约 5 亿元
- 深圳元象信息科技(元象科技 XVERSE)深度调研:认知与感知双轮驱动的仿真世界路径,XVERSE 大模型、端云协同 3D 引擎与物理驱动动作生成模型 MotionGen
- 云道智能深度调研:从自主求解器到物理 AI 引擎,国产 CAE 的登顶者与它的未竟之战
- 云境智仿深度调研:北大孵化的云原生 GPU CAE 公司,Simversus 平台加 YJ-DORGP 小样本智能求解器,2025 年自述订单增 275%、营收增 160% 并达盈亏平衡
- 中科第五纪(杭州)深度调研:中科院自动化所与清华联创的具身基础模型公司,FAM 动作光流跨本体通用、3–5 条示范达 97% 成功率,纪元灵脑+纪灵机器人服务中石化/零跑/美的
- 中望软件(688083)深度调研:自主 Overdrive 内核与中望3D悟空 2027 撑起 CAD/CAE/CAM 一体化,CAx 智能体平台是通往工程 AI 的现实路径
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。