当地时间 11 月 12 日，在 CoRL 2026 机器人学习大会上，World Labs 创始人兼 CEO 李飞飞与 AMD 董事长兼 CEO 苏姿丰展开对话，由大会组织者 Peter Stone 主持。这是 AMD 宣布收购 World Labs 之后，两人首次公开同台——这个时间点让一场学术会议上的对话具备了产业含义。
先交代两位主角的位置。李飞飞是斯坦福教授、计算机视觉领域代表人物，创办的 World Labs 主攻空间智能与世界模型，主张 AI 需要理解三维物理世界而不只是处理文本。苏姿丰领导的 AMD 是英伟达在 AI 算力上最直接的挑战者，产品线覆盖 GPU、CPU、FPGA 与嵌入式 AI 引擎。AMD 收购 World Labs，等于在硬件之外补上了「理解物理世界」的软件层。
苏姿丰给出的市场判断是：人工智能仍处早期，物理 AI 尤其是机器人领域蕴含巨大机会，未来几年市场规模可能达到数千亿美元。她认为机器人需要真正理解物理规律、模型与周围环境，硬件、软件与系统之间的协同优化将发挥重要作用。AMD 已有一支规模可观的物理 AI 与机器人研究团队，但布局仍处早期；公司具备嵌入式 FPGA、处理器与 AI 引擎等技术，可支持工业机器人等设备，未来希望加强与大学、初创企业及研究机构的合作。
李飞飞提出的观点是「AI 就是计算，计算就是 AI」。她认为世界模型、语言模型与多模态模型之间正在出现融合趋势，硬件与软件也需要共同演进。谈到语言模型与视觉语言模型在机器人上的应用，她表示这些模型会越来越重要，但不能认为机器人领域的系统性问题已经解决——机器人需要与物理世界直接交互，仍有大量技术问题待探索。
两人在模型路线上没有给出统一答案，这恰恰是对话最有价值的部分。苏姿丰认为不同场景需要不同类型模型，不存在一种模型或单一技术路线能解决所有问题：部分场景前沿大语言模型表现出色，另一些场景专用模型更合适。这与行业近一年的实践吻合——通用模型负责规划与语言理解，专用模型负责控制与感知，中间靠 Skill 与工具调用衔接。
算力需求的讨论更具体。苏姿丰认为机器人会推动不同形态的计算需求，包括用于模型训练的云端算力、企业内部计算资源、边缘计算，以及直接部署在物理环境中的设备；未来需要不同规模、不同形态的算力，并通过硬件、软件与系统协同优化提升整体效率。随着机器人越来越多进入现实环境，低功耗、高效率、低延迟会变得更重要。这段话实际上是在描述一个分层市场：训练要极致性能，推理要能效比，端侧要实时性。
从资本动作看这场对话的逻辑就清楚了。AMD 收购 World Labs 之后，需要向市场说明「为什么买一家做世界模型的公司」。答案就是苏姿丰说的那句话：机器人是数千亿美元的市场，而机器人需要理解物理世界的模型。反过来，World Labs 也需要 AMD 的算力与生态来把研究变成产品。两人同台，是这笔交易的对内对外解释。
对机器人公司来说，这条消息的实际影响是供给端的选择变多了。过去两年物理 AI 的训练与仿真几乎默认跑在英伟达的栈上，CUDA 加 Isaac Sim 形成了事实标准。AMD 若能把 World Labs 的世界模型与自家芯片、嵌入式平台打通，至少在推理与端侧会形成第二个选项；议价空间与路线自由度都会随之变化。当然，生态迁移的成本很高，短期内不会出现大规模换栈。
值得注意的是，这场对话发生在 CoRL 这样以学术论文为主的会议上，而不是产品发布会。这个场合选择释放的信号是：物理 AI 的竞争已经从模型指标转向系统能力——谁能把仿真、数据、训练、部署与芯片串成闭环，谁就更可能在数千亿美元的市场里分到份额。学术会议成了产业联盟的宣布场所，本身就说明这条赛道进入了工程化阶段。
接下来值得观察三件事：AMD 与 World Labs 整合后的第一批产品形态是什么（是开发工具、仿真平台还是端侧推理套件）；CoRL 上关于世界模型与操作策略的论文，有多少能被两家直接吸收进产品；以及英伟达在 CEO 更迭的过渡期，会不会因此失去一部分物理 AI 生态的注意力。这三件事的答案，会决定「数千亿美元」这个判断是愿景还是路径。