尧图网站建设 
过去三年生成式人工智能最耀眼的能力是“理解语言”。它可以写文章、回答问题、写代码、分析数据。随后AI开始理解图片、声音和视频。但真正改变工业世界的下一步很可能是理解三维世界。9月28日AMD宣布以约82亿美元全股票方式收购World Labs。这家AI公司由著名计算机视觉研究者李飞飞参与创立主要研究空间智能和三维世界模型。交易完成后李飞飞将加入AMD担任执行副总裁兼首席科学家。这笔交易的意义不只是AMD收购了一家AI公司。它意味着全球芯片产业正在追逐新的AI计算场景Physical AI也就是物理世界中的人工智能。一、为什么“理解世界”比“理解文字”更难语言本身是抽象的。我们说“把杯子放到桌子上。”人类很容易理解。但真正让机器人执行这句话至少需要知道什么是杯子什么是桌子杯子在哪里桌子在哪里手从哪里伸过去杯子有多重抓在哪里不会掉桌子的边缘在哪里整个任务其实涉及大量三维空间信息。所以从语言模型进入物理世界实际上跨越了一道巨大的技术鸿沟从符号理解走向空间理解。这就是所谓的空间智能。二、为什么AMD现在开始重视它因为传统AI芯片市场已经高度集中。Nvidia在数据中心AI训练和推理领域拥有极强优势。AMD虽然正在通过Instinct系列加速器扩大市场但如果只是继续在GPU层面竞争就需要面对非常强的既有生态壁垒。所以AMD需要寻找新的AI计算入口。World Labs的空间智能技术恰好提供了另一种方向。AI如果真正进入机器人、自动驾驶、工业仿真和设计领域计算需求会发生巨大变化。过去模型主要处理、文字、图片、Token。未来模型还要处理三维场景、物理状态、运动轨迹、环境变化、模拟结果。这意味着新的算力需求。三、机器人为什么需要“世界模型”机器人最大的问题一直不是“会不会走路”。而是能不能理解为什么这么走。例如一个人类机器人走进厨房。如果只是让它重复训练动作那么换一个厨房环境之后很可能需要重新训练。但人类不是这样。人看到新的厨房可以迅速理解炉子大概在哪里水槽大概在哪里杯子可以从哪里拿哪些地方不能碰。人脑依靠的是一个内部世界模型。我们并不是逐帧计算环境。而是在脑中形成对物理世界的大致理解。如果AI也能够建立类似能力那么机器人就可能从“动作机器”进入“通用执行者”。四、这就是为什么物理AI可能比聊天机器人更难商业化聊天机器人面对的是数字世界。数字世界里的错误可以通过重新生成重新计算重新运行。物理世界不行。机器人拿杯子时抓错了杯子可能摔碎。自动驾驶判断错误可能造成事故。工业机器人执行错误可能损坏设备。所以Physical AI需要更高的可靠性。这意味着机器人不会因为一个Demo很惊艳就马上进入大规模商业化。真正决定市场的是长期稳定性。五、中国机器人产业正在经历类似过程路透社近期分析认为中国在人形机器人硬件制造方面进展明显Unitree、UBTECH等企业已经展示出较强的运动控制和机械能力但真正的瓶颈仍然是能够理解真实世界并自主执行任务的具身AI软件。这其实非常值得关注。因为机器人产业已经完成了一部分最困难的硬件工程。电机更小了关节更轻了电池更好了传感器更便宜了。但下一步真正的竞争是机器人能不能理解环境能不能学习能不能泛化能不能把一个视频里的动作转移到真实场景如果这些问题解决人形机器人可能迎来真正意义上的产业化。六、Physical AI会重新定义芯片需求AI芯片过去主要优化矩阵乘法Transformer大规模并行计算。但机器人需要更多低延迟多模态融合实时推理传感器数据处理3D空间计算。因此未来AI芯片可能出现新的架构。机器人芯片不一定追求绝对最大算力。它更看重单位功耗性能响应速度本地推理传感器融合。这意味着AMD收购World Labs的意义也可能不仅是获得一家AI公司的技术。更重要的是提前布局下一代计算负载。七、空间智能还有一个巨大的潜在市场工业设计很多人想到Physical AI只想到机器人。其实三维智能的价值远不止机器人。它可以进入汽车设计建筑设计工业仿真游戏电影制作数字孪生AR/VR工程训练。例如一个汽车设计团队可以先构建虚拟工厂然后让AI模拟人员如何移动机器人如何工作零部件如何运输设备可能出现什么问题。这样很多生产问题在真正建厂之前就可以通过AI发现。因此世界模型可能成为工业软件的新基础设施。八、为什么“世界模型”可能成为下一代大模型基础能力过去的大模型学习的是互联网世界。它们通过文本、图片和视频学习人类知识。但现实世界还有一个维度物理规律。如果AI真正理解世界它不仅要知道“杯子是什么。”还要知道杯子掉下来会怎样。桌子倾斜以后杯子会怎样。机器人触碰杯子以后会怎样。这实际上涉及物理模拟。因此未来可能出现语言模型世界模型物理模型。这一组合的能力可能远超今天的聊天机器人。九、这也是为什么AI产业正在从“数字经济”进入“实体经济”生成式AI第一阶段主要改变内容生产。第二阶段改变软件生产。第三阶段可能改变实体生产。当AI进入工厂、仓库、物流、汽车、机器人、建筑。AI的经济价值会真正扩大。因为它开始直接影响劳动生产率制造成本设备利用率库存效率。因此Physical AI很可能是未来AI最重要的增量市场之一。十、AMD真正押注的不是一家初创公司而是一种计算未来AMD用82亿美元收购World Labs本质上是在购买一种长期能力让芯片理解未来AI会计算什么。如果AI计算仍然主要是文本和图像那么GPU竞争仍然是核心。但如果AI开始理解三维世界、控制机器人、模拟工业系统那么计算架构也会改变。因此未来AI芯片的真正竞争不只是谁能训练最大模型。更是谁最早知道下一代模型将计算什么。语言智能解决的是“知道”。空间智能解决的是“在哪里”。物理智能解决的是“怎么做”。而AI真正走进现实世界需要三者结合。 AMD斥资82亿美元押注World Labs：AI的下一场战争，正在从“理解文字”走向“理解世界”
过去三年生成式人工智能最耀眼的能力是“理解语言”。它可以写文章、回答问题、写代码、分析数据。随后AI开始理解图片、声音和视频。但真正改变工业世界的下一步很可能是理解三维世界。9月28日AMD宣布以约82亿美元全股票方式收购World Labs。这家AI公司由著名计算机视觉研究者李飞飞参与创立主要研究空间智能和三维世界模型。交易完成后李飞飞将加入AMD担任执行副总裁兼首席科学家。这笔交易的意义不只是AMD收购了一家AI公司。它意味着全球芯片产业正在追逐新的AI计算场景Physical AI也就是物理世界中的人工智能。一、为什么“理解世界”比“理解文字”更难语言本身是抽象的。我们说“把杯子放到桌子上。”人类很容易理解。但真正让机器人执行这句话至少需要知道什么是杯子什么是桌子杯子在哪里桌子在哪里手从哪里伸过去杯子有多重抓在哪里不会掉桌子的边缘在哪里整个任务其实涉及大量三维空间信息。所以从语言模型进入物理世界实际上跨越了一道巨大的技术鸿沟从符号理解走向空间理解。这就是所谓的空间智能。二、为什么AMD现在开始重视它因为传统AI芯片市场已经高度集中。Nvidia在数据中心AI训练和推理领域拥有极强优势。AMD虽然正在通过Instinct系列加速器扩大市场但如果只是继续在GPU层面竞争就需要面对非常强的既有生态壁垒。所以AMD需要寻找新的AI计算入口。World Labs的空间智能技术恰好提供了另一种方向。AI如果真正进入机器人、自动驾驶、工业仿真和设计领域计算需求会发生巨大变化。过去模型主要处理、文字、图片、Token。未来模型还要处理三维场景、物理状态、运动轨迹、环境变化、模拟结果。这意味着新的算力需求。三、机器人为什么需要“世界模型”机器人最大的问题一直不是“会不会走路”。而是能不能理解为什么这么走。例如一个人类机器人走进厨房。如果只是让它重复训练动作那么换一个厨房环境之后很可能需要重新训练。但人类不是这样。人看到新的厨房可以迅速理解炉子大概在哪里水槽大概在哪里杯子可以从哪里拿哪些地方不能碰。人脑依靠的是一个内部世界模型。我们并不是逐帧计算环境。而是在脑中形成对物理世界的大致理解。如果AI也能够建立类似能力那么机器人就可能从“动作机器”进入“通用执行者”。四、这就是为什么物理AI可能比聊天机器人更难商业化聊天机器人面对的是数字世界。数字世界里的错误可以通过重新生成重新计算重新运行。物理世界不行。机器人拿杯子时抓错了杯子可能摔碎。自动驾驶判断错误可能造成事故。工业机器人执行错误可能损坏设备。所以Physical AI需要更高的可靠性。这意味着机器人不会因为一个Demo很惊艳就马上进入大规模商业化。真正决定市场的是长期稳定性。五、中国机器人产业正在经历类似过程路透社近期分析认为中国在人形机器人硬件制造方面进展明显Unitree、UBTECH等企业已经展示出较强的运动控制和机械能力但真正的瓶颈仍然是能够理解真实世界并自主执行任务的具身AI软件。这其实非常值得关注。因为机器人产业已经完成了一部分最困难的硬件工程。电机更小了关节更轻了电池更好了传感器更便宜了。但下一步真正的竞争是机器人能不能理解环境能不能学习能不能泛化能不能把一个视频里的动作转移到真实场景如果这些问题解决人形机器人可能迎来真正意义上的产业化。六、Physical AI会重新定义芯片需求AI芯片过去主要优化矩阵乘法Transformer大规模并行计算。但机器人需要更多低延迟多模态融合实时推理传感器数据处理3D空间计算。因此未来AI芯片可能出现新的架构。机器人芯片不一定追求绝对最大算力。它更看重单位功耗性能响应速度本地推理传感器融合。这意味着AMD收购World Labs的意义也可能不仅是获得一家AI公司的技术。更重要的是提前布局下一代计算负载。七、空间智能还有一个巨大的潜在市场工业设计很多人想到Physical AI只想到机器人。其实三维智能的价值远不止机器人。它可以进入汽车设计建筑设计工业仿真游戏电影制作数字孪生AR/VR工程训练。例如一个汽车设计团队可以先构建虚拟工厂然后让AI模拟人员如何移动机器人如何工作零部件如何运输设备可能出现什么问题。这样很多生产问题在真正建厂之前就可以通过AI发现。因此世界模型可能成为工业软件的新基础设施。八、为什么“世界模型”可能成为下一代大模型基础能力过去的大模型学习的是互联网世界。它们通过文本、图片和视频学习人类知识。但现实世界还有一个维度物理规律。如果AI真正理解世界它不仅要知道“杯子是什么。”还要知道杯子掉下来会怎样。桌子倾斜以后杯子会怎样。机器人触碰杯子以后会怎样。这实际上涉及物理模拟。因此未来可能出现语言模型世界模型物理模型。这一组合的能力可能远超今天的聊天机器人。九、这也是为什么AI产业正在从“数字经济”进入“实体经济”生成式AI第一阶段主要改变内容生产。第二阶段改变软件生产。第三阶段可能改变实体生产。当AI进入工厂、仓库、物流、汽车、机器人、建筑。AI的经济价值会真正扩大。因为它开始直接影响劳动生产率制造成本设备利用率库存效率。因此Physical AI很可能是未来AI最重要的增量市场之一。十、AMD真正押注的不是一家初创公司而是一种计算未来AMD用82亿美元收购World Labs本质上是在购买一种长期能力让芯片理解未来AI会计算什么。如果AI计算仍然主要是文本和图像那么GPU竞争仍然是核心。但如果AI开始理解三维世界、控制机器人、模拟工业系统那么计算架构也会改变。因此未来AI芯片的真正竞争不只是谁能训练最大模型。更是谁最早知道下一代模型将计算什么。语言智能解决的是“知道”。空间智能解决的是“在哪里”。物理智能解决的是“怎么做”。而AI真正走进现实世界需要三者结合。