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。
