★ FEATURED ARTICLE 1. 这笔交易到底在买什么先把结论摆在前面82 亿美元这个数字放在 AMD 的历史收购清单里仅次于当年 490 亿美元拿下 Xilinx 那一笔。很多人第一反应是AMD 要去做世界模型了但如果你只盯着世界模型这四个字就把这笔交易的战略意图看窄了。我个人的判断是AMD 买的是一整套从芯片到模型再到开发者入口的垂直能力世界模型只是这套能力里最显眼、最容易上头条的那一块招牌。要理解这件事得先搞清楚 World Labs 是干什么的。这家公司主攻的方向是空间智能核心产品围绕从单张图片或视频生成可交互的三维场景展开。说白了它做的事情是让 AI 不只是看懂二维画面而是能理解三维空间里的物体位置、遮挡关系、物理规律并且能把这些理解变成一个可以走进去、可以交互的虚拟世界。这跟传统的大语言模型有本质区别——语言模型处理的是 token 序列而世界模型处理的是空间和时间的连续性。那 AMD 为什么要花这么多钱买它答案藏在 AMD 这几年的处境里。AMD 在 CPU 领域靠 Zen 架构打得风生水起在 GPU 领域靠 Instinct 系列在数据中心抢下了一块地盘但它在软件生态和AI 应用层这两块始终是短板。英伟达的护城河从来不只是硬件而是 CUDA 加上一整套围绕它的开发者工具链和模型生态。AMD 的 ROCm 虽然一直在追但开发者迁移成本高、模型适配慢这是圈内公认的事实。收购 World Labs本质上是想用应用和模型来反向拉动硬件和平台的需求——你有世界模型要跑就得有对应的算力而 AMD 希望这个算力是自己的。这里有个容易被忽略的点世界模型对算力的需求结构和传统大语言模型不一样。语言模型主要是矩阵乘法密集对显存带宽和算力要求高但相对规整而世界模型涉及三维重建、神经渲染、物理仿真它的计算模式更杂对显存容量、显存带宽、以及特定算子比如光线求交、体素查询的优化要求更苛刻。AMD 如果能把 World Labs 的模型和自家 Instinct GPU 的架构特性深度绑定就能在空间智能这个细分赛道上打出一个英伟达暂时没有专门优化的差异化场景。这才是这笔交易真正的技术算盘。从行业影响看这笔收购释放的信号很明确AI 的竞争正在从语言往空间迁移。过去两年大家卷的是文本生成、代码生成接下来卷的是三维内容生成、机器人仿真、自动驾驶场景构建、数字孪生。谁掌握了世界模型谁就掌握了下一代内容生产和机器人训练的基础设施。AMD 这一步是在为下一个五年的算力需求提前卡位。2. 世界模型的技术底座拆解2.1 从二维到三维空间智能到底难在哪要理解 World Labs 的价值得先明白让 AI 理解三维空间这件事有多难。人类看一张照片大脑会自动补全被遮挡的部分、判断物体的远近、预测拿起杯子时手该怎么动。这套能力我们习以为常但对机器来说每一步都是硬骨头。第一层难点是三维表示。二维图像就是一个像素矩阵好处理但三维场景怎么表示用点云用体素网格用神经辐射场还是用三维高斯泼溅每种表示都有自己的取舍。点云稀疏但缺乏表面连续性体素规整但显存爆炸神经辐射场渲染质量高但训练和推理都慢三维高斯泼溅速度快但内存占用大。World Labs 的核心竞争力之一就是在这几种表示之间找到了工程上可落地的平衡点。第二层难点是几何一致性。你从不同角度看同一个场景物体不能变形、不能穿模、光照要合理。这要求模型不仅要有生成能力还要有物理和几何的约束。纯生成模型容易看起来像但经不起推敲而世界模型必须经得起你绕着它走一圈。第三层难点是交互与仿真。一个真正的世界模型不只是生成一个静态的三维场景还要能模拟物体运动、碰撞、重力。这就把问题从渲染升级到了物理仿真计算复杂度直接上一个台阶。机器人训练、自动驾驶仿真靠的都是这一层能力。2.2 算力需求结构为什么这对 AMD 是机会我前面提到世界模型的算力需求和语言模型不同这里展开说。语言模型训练主要是大规模矩阵乘硬件优化方向明确——堆 Tensor Core、堆显存带宽。但世界模型的训练管线里除了神经网络本身还有大量非神经的计算三维重建里的光束法平差、神经渲染里的光线采样、物理仿真里的碰撞检测。这些计算的并行模式和矩阵乘完全不同。这对 AMD 意味着什么意味着如果 AMD 能针对这些非典型算子做架构级优化就有机会在特定 workload 上反超。英伟达的 GPU 通用性强但通用性有时候也意味着在特定场景下不是最优。AMD 如果能和 World Labs 一起把模型和硬件协同设计做出跑世界模型特别快的卖点就能撬动一批做三维内容、机器人、数字孪生的客户。这是典型的用应用定义硬件的打法苹果做 M 系列芯片就是这么干的。2.3 软件栈才是真正的战场硬件之外软件栈是这笔交易里更隐蔽但更关键的部分。World Labs 手里有一套完整的模型训练和推理框架这套框架如果被移植到 ROCm 上并深度优化就成了 AMD 吸引开发者的抓手。开发者想用世界模型最省事的路径就是买 AMD 的卡、用 AMD 优化好的框架。这比单纯喊我们的卡便宜要有说服力得多。提示评估这类收购时别只看模型本身要看模型背后的工具链、数据管线、以及它绑定了多少开发者。工具链的粘性往往比模型权重更值钱。3. 对普通用户和开发者的实际影响3.1 显卡用户能感知到什么变化很多朋友看到这种新闻第一反应是跟我买显卡有关系吗。短期看关系不大中期看关系不小。如果 AMD 真的把世界模型的能力下放到消费级显卡最直接的应用场景是三维内容创作。现在做三维建模、游戏场景、虚拟拍摄要么用传统 DCC 软件手工搭要么用云端算力跑生成模型。如果本地显卡能跑轻量级的世界模型从一张概念图直接生成可编辑的三维场景工作流会被大幅压缩。这对 AMD 显卡用户是个潜在利好。AMD 在消费级显卡上的 AI 生态一直是弱项很多 AI 应用优先适配英伟达。如果 AMD 自己有了独占的世界模型应用就相当于给自家显卡造了一个非买不可的理由。当然这需要时间模型轻量化、驱动适配、应用落地每一步都不轻松。3.2 开发者该关注哪些技术栈如果你是开发者这笔交易值得你关注的技术点有几个。第一是三维表示格式World Labs 用的表示方法很可能会随着收购逐步开放或标准化提前了解三维高斯泼溅、神经辐射场这些技术能让你在下一波三维内容浪潮里占先机。第二是推理框架如果 AMD 推出针对世界模型优化的推理引擎学会用它就是一项新技能。第三是仿真接口世界模型和机器人、自动驾驶的结合点在于仿真熟悉 Isaac Sim 这类工具的人未来可能要面对 AMD 系的替代方案。我个人的建议是别急着 all in 某一个厂商的生态先把三维重建、神经渲染、物理仿真这些底层原理吃透。工具会变原理不会。你理解了空间智能的本质换哪个平台都能快速上手。3.3 行业格局的连锁反应这笔收购还会引发连锁反应。英伟达大概率会加速自己在世界模型方向的布局可能通过投资、收购或者自研来应对。做三维内容的公司会重新评估自己的技术路线是自研还是用 AMD 的方案。云厂商会考虑在自己的算力池里增加对世界模型的支持。整个空间智能赛道的热度会被推高人才和资本会加速涌入。对国内做三维生成、数字孪生、机器人仿真的团队来说这也是个信号这个方向的技术价值正在被巨头用真金白银确认。如果你在这个领域接下来融资和招人会相对容易如果你在观望要不要进入现在是个不错的窗口期。4. 实操视角如何跟进这个技术方向4.1 从零搭建一个世界模型实验环境假设你想亲手试试世界模型是怎么回事我分享一套可落地的入门路径。这套路径不依赖任何特定厂商的硬件你在自己的机器上就能跑起来。第一步是环境准备。你需要一块支持 CUDA 或 ROCm 的显卡显存建议 12GB 以上因为三维重建和神经渲染对显存很敏感。Python 环境用 conda 管理创建一个独立环境避免依赖冲突。conda create -n worldmodel python3.10 conda activate worldmodel pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118第二步是数据准备。世界模型训练需要多视角图像或者视频。最简单的入门数据是自己用手机绕着一个物体拍一圈拍 30 到 50 张保证相邻照片有足够重叠。用 COLMAP 做稀疏重建得到相机位姿。colmap automatic_reconstructor \ --workspace_path ./data \ --image_path ./data/images \ --camera_model SIMPLE_RADIAL第三步是训练一个神经辐射场。用 nerfstudio 这个框架最省事它把数据解析、训练、可视化都封装好了。pip install nerfstudio ns-train nerfacto --data ./data训练完成后用ns-viewer就能在浏览器里查看生成的三维场景。这个过程能让你直观理解从二维图像重建三维是怎么回事。4.2 三维高斯泼溅当前最值得上手的技术如果你只学一个技术我推荐三维高斯泼溅。它比神经辐射场训练快、渲染快而且效果已经足够好是目前三维重建领域最实用的方案。核心思想是用一堆三维高斯椭球来表示场景每个高斯有自己的位置、协方差、颜色和不透明度渲染时把这些高斯投影到屏幕上做混合。上手同样用 nerfstudio 的splatfactons-train splatfacto --data ./data训练时间通常比 nerfacto 短很多消费级显卡几十分钟就能出结果。训练完可以导出成.ply文件用各种三维查看器打开。注意三维高斯泼溅的显存占用和场景复杂度强相关场景大了容易爆显存。实操时先把图像分辨率降下来跑通流程再逐步提高。4.3 参数选择与踩坑记录我在实际跑这些模型时踩过不少坑挑几个典型的说。学习率设置。神经辐射场对学习率很敏感太大容易发散太小收敛慢。nerfacto 的默认配置一般够用但如果你用自己的数据建议先用默认参数跑一遍看 loss 曲线是否平稳再微调。相机位姿质量。这是最容易被忽视的环节。如果 COLMAP 重建的位姿不准后面模型怎么调都白搭。判断位姿质量的方法是看重建出的点云是否和原图对得上对不上就重新拍数据保证重叠度。显存管理。训练时如果爆显存优先降分辨率、减 batch size而不是急着换卡。很多时候是配置问题不是硬件问题。数据采集。拍照片时避免运动模糊光线要均匀别有大面积反光或纯色区域这些都会让重建失败。我试过在纯白墙面前拍结果重建出来的场景全是噪声。5. 常见问题与排查速查5.1 训练不收敛怎么办这是新手最常遇到的问题。排查顺序建议这样走先看数据确认图像没有模糊、曝光正常、重叠足够再看位姿用可视化工具检查相机轨迹是否合理然后看配置学习率、迭代次数、网络结构是否匹配你的数据规模最后看硬件显存是否够、是否有 NaN 出现。大部分不收敛问题出在前两步而不是模型本身。5.2 渲染结果有鬼影或漂浮物这通常是位姿不准或者场景里有动态物体导致的。世界模型假设场景是静态的如果你拍摄时有行人走动、树叶晃动重建结果就会出现鬼影。解决办法是拍摄时保证场景静止或者用分割工具把动态物体遮掉再重建。5.3 显存不够用的几种解法问题现象可能原因解决方向训练开始就 OOM分辨率过高降分辨率到 1/2 或 1/4训练中途 OOMbatch 过大减小 batch size渲染时 OOM高斯数量过多提高致密化阈值减少高斯数导出时 OOM一次性加载全部数据分块导出5.4 跨平台迁移的注意事项如果你从英伟达平台往 AMD 平台迁移最大的坑是算子兼容性。有些自定义 CUDA 算子没有 ROCm 版本需要自己移植或者找替代实现。建议先在 ROCm 官方支持的模型列表里挑别一上来就啃硬骨头。另外ROCm 的版本和 PyTorch 版本对应关系比较严格装之前一定查官方兼容性矩阵别凭感觉装。6. 我对这个方向的一些个人判断聊了这么多技术细节最后说点我自己的观察。这笔收购最值得玩味的地方是它标志着 AI 竞争进入了一个新阶段——从模型能力的竞争转向模型加硬件加场景的垂直整合竞争。单纯做一个大模型然后卖 API 的模式正在被我有模型、我有芯片、我有应用场景的闭环模式挤压。对从业者来说这意味着两件事。一是纯算法岗位的护城河在变浅因为模型越来越同质化二是懂硬件、懂场景、能把模型落地到具体业务里的人会越来越值钱。世界模型这个方向尤其如此它天然就和机器人、自动驾驶、数字孪生这些实体场景绑在一起光会调模型不够还得懂物理、懂工程、懂业务。我个人的建议是如果你在做三维内容或者机器人相关的工作现在就该把世界模型的技术栈纳入学习计划。不用等 AMD 的产品出来先用开源方案把原理跑通等生态成熟了你就是第一批能上手的人。技术浪潮来的时候提前站在浪头上的人永远比追着浪跑的人轻松。
阅读完成 · 觉得有帮助？
