AMD 豪砸 82 億美元收購 World Labs！聯手「AI 教母」李飛飛正面迎戰 NVIDIA

世紀聯手成真！蘇媽重金延攬 World Labs「AI 教母」李飛飛掌舵

半導體界迎來重磅布局，AMD 正式敲定以約 82 億美元的全股票交易，全面收購由全球知名的「AI 教母」李飛飛博士所創立的 AI 研究新創 World Labs。隨著協議達成，李飛飛將親自加入 AMD 核心高層團隊，出任執行副總裁兼首席科學家，直接向董事長暨執行長蘇姿丰（Lisa Su）匯報。這項人事安排讓市場看到 AMD 搶攻下一世代生成式人工智慧核心人才的強大企圖心，也讓業界頂尖大腦與一線晶片巨頭完成深度綁定。

事實上，雙方的合作早有跡可循。回溯至今年 1 月的 CES 大展上，蘇姿丰便特別邀請李飛飛同台亮相，隨後 AMD 也在 2 月積極參與 World Labs 的融資輪。當時該新創公司的市場估值約為 50 億美元，換算下來，AMD 這次以高達 62% 的溢價幅度火速出手，足見高層對於這支頂尖研究團隊的志在必得。

外界普遍將這次收購視為 AMD 在軟體與模型生態層面的關鍵轉捩點，其戰略目的並非著眼於短期的營收灌注，而是直奔新興的「實體 AI」（Physical AI）與三維空間理解領域。目前 NVIDIA 正積極推廣專為機器人與自動化打造的 Cosmos 世界基礎模型，如今 AMD 藉由收購 World Labs，不僅能打造出抗衡對手的同級世界模型，李飛飛團隊也明確表示未來研發成果將持續擁抱開源，力求建立更加健全多元的產業生態圈。

正如資深科技分析師 Patrick Moorhead 的觀察，過去 NVIDIA 是自行磨練模型後再斥資近 130 億美元收購開源平台 Hugging Face，而 AMD 則是透過整併具備深厚基礎的研究團隊，直接大步跨進模型核心圈。更深層的戰略效益在於，頂級模型科學家的直接進駐，能為晶片架構師提供最前線的模型演算法演進趨勢，讓 AMD 未來的硬體與系統設計能在第一時間與演算法緊密咬合。

$AMD is buying @theworldlabs for ~$8.2B in stock, and Fei-Fei Li (@drfeifei) will join as EVP and chief scientist reporting to @LisaSu.

I called Fei-Fei a great hire for Google Cloud back in 2017. Same here. This wasn't out of the blue, either. Lisa had her on stage at CES in… pic.twitter.com/ZXNpGiCiXz
— Patrick Moorhead (@PatrickMoorhead) September 28, 2026

除了在頂層模型與演算法層面網羅人才，AMD 近期的購併步伐展現出極為清晰的軟硬協同脈絡。在上個月，AMD 才剛剛簽約收購專注於超高效率推論的晶片設計商 Taalas。該團隊研發的 HC1 晶片具備特殊架構，直接將 4 位元量化模型權重硬體布線於電晶體路徑中，大幅消弭資料搬移延遲，讓運算單元本身就是記憶體。

從底層的特殊架構推論晶片，到頂層由李飛飛領銜研發的三維空間世界模型，AMD 正在逐步構築一條全方位的防線。面對未來需要高度感知物理世界的機器人、自動化系統與空間運算裝置，這場 82 億美元的戰略下注，無疑吹響了兩大晶片巨頭在次世代 AI 主戰場上的正面交鋒號角。

快速 Q&A 整理

AMD 收購 World Labs 的交易金額與形式為何？

AMD 本次以約 82 億美元的總價收購 World Labs，整起交易採用全股票形式進行。

World Labs 的創辦人是誰？收購後將在 AMD 擔任什麼職務？

World Labs 是由史丹佛大學教授、被譽為「AI 教母」的李飛飛博士創立。加入 AMD 後，她將擔任執行副總裁兼首席科學家，直接向執行長蘇姿丰匯報。

AMD 收購 World Labs 的主要戰略目標是什麼？

主要目標是吸納頂尖模型研究團隊，全力開發可抗衡 NVIDIA Cosmos 的世界基礎模型（World Foundation Model），並搶先卡位實體 AI（Physical AI）與空間智能生態系。

World Labs 在今年初的估值是多少？本次收購溢價幅度多大？

World Labs 在 2026 年 2 月獲 AMD 參投時的估值約為 50 億美元，本次 82 億美元收購案溢價約 62%。

除了 World Labs，AMD 近期還有哪些重要併購案用以強化 AI 實力？

AMD 在收購 World Labs 前一個月才剛宣布併購推論晶片設計商 Taalas，藉由其創新的 HC1 專用架構強化超低延遲模型推論能力。