企业官网建设流程全解析

1. 这笔交易到底在买什么

1.1 从标题说起：82亿买的不是芯片产线

看到“AMD砸82亿买下李飞飞”这个标题，很多人的第一反应是：AMD不是做CPU和GPU的吗，怎么突然跟李飞飞扯上关系了？这里需要先把事实理清楚——AMD收购的是World Labs，一家由李飞飞参与创立的、专注空间智能和世界模型方向的公司。82亿这个数字是市场传闻中的估值量级，具体条款外界并不完全清楚，但方向是明确的：AMD在往“模型层”和“空间理解层”下注。

这件事之所以值得单独拿出来聊，是因为它标志着一个信号：芯片公司不再只卖算力硬件，开始往“算力+模型+场景”的打包能力上走。过去十年，AMD在数据中心GPU上跟英伟达贴身肉搏，靠的是性价比和开放生态。但硬件参数堆到一定程度之后，客户真正缺的不是更多的浮点算力，而是“拿来就能用”的模型能力和场景方案。World Labs做的世界模型，恰好补的就是这块。

所以这笔交易的核心逻辑，不是AMD要去做芯片设计之外的多元化，而是它要在“算力—模型—应用”这条链上，把中间那段最值钱的模型层攥在自己手里。芯片还是卖，但卖法变了。

1.2 世界模型是什么，为什么芯片厂商要抢

世界模型这个词这两年出现频率很高，但很多人对它只有一个模糊印象。用大白话讲，世界模型就是让AI在内部建立一个对物理世界运行规律的“压缩表示”，它能预测“如果我这样动，世界会变成什么样”。这跟语言大模型预测“下一个词是什么”是两种不同的能力。语言模型处理的是符号序列，世界模型处理的是空间、时间、因果和交互。

为什么芯片厂商要抢这个方向？因为世界模型的训练和推理，对硬件的需求和语言模型不一样。语言模型吃的是显存带宽和矩阵算力，世界模型除了这些，还特别吃空间一致性计算和长时序推理。比如一个机器人在房间里走动，模型要持续维护一个三维空间表示，还要预测动作后果，这对内存层级、缓存一致性、低精度推理的稳定性都有新要求。

AMD如果只是卖通用GPU，客户拿回去还要自己搭世界模型的训练框架、自己调推理管线，门槛很高。把World Labs收进来，等于把“世界模型怎么在AMD硬件上跑得最好”这件事内部化了。这跟英伟达做CUDA生态、做Omniverse是同一个思路，只是AMD选了一个更聚焦的切口。

1.3 不卖芯片卖什么：三种可能的变现路径

那AMD到底打算怎么赚钱？我梳理下来，大概有三条路。

第一条是模型授权与订阅。World Labs的世界模型如果成熟，可以按API调用量或者按年授权给机器人公司、自动驾驶公司、工业仿真客户。这条路的毛利远高于卖芯片，而且客户一旦接入，迁移成本很高。

第二条是软硬一体参考设计。AMD可以把世界模型和自家的GPU、NPU打包成一套参考平台，卖给做具身智能的团队。客户买的不是一块卡，而是一套“能跑世界模型的开发套件”。这跟当年英伟达卖DGX整机是一个逻辑，只是AMD更强调开放和可定制。

第三条是数据与仿真服务。世界模型天然适合做合成数据生成和仿真环境构建。自动驾驶和机器人训练最缺的就是长尾场景数据，世界模型可以生成大量可控的仿真数据。AMD如果把这个能力做成云服务，按仿真时长或数据量收费，也是一门好生意。

这三条路都不依赖“多卖几块芯片”，而是把芯片作为载体，把模型和服务作为利润中心。这才是标题里“不卖芯片卖什么”的真正含义。

2. 世界模型的技术底座与硬件需求拆解

2.1 世界模型的三个核心能力层

要理解AMD为什么愿意花这个钱，得先搞清楚世界模型到底由哪些能力构成。我把它拆成三层。

最底层是空间表示层。这一层负责把传感器输入（图像、点云、深度）编码成一个紧凑的、可查询的三维表示。常见做法包括神经辐射场、三维高斯泼溅、体素网格等。这一层的计算特点是内存访问密集，对显存容量和带宽极其敏感。

中间层是动态预测层。给定当前状态和一个动作，预测下一时刻的状态。这一层通常用扩散模型或者自回归Transformer来实现，计算特点是序列长、注意力矩阵大，对矩阵算力和片间互联带宽要求高。

最上层是规划与决策层。这一层把预测结果转化成动作序列，通常跟强化学习或者模型预测控制结合。这一层对延迟极其敏感，因为机器人或车辆不能等几秒钟才出一个决策。

这三层对硬件的需求并不一致。空间表示层吃显存，动态预测层吃算力和互联，规划决策层吃延迟和确定性。AMD的GPU产品线里，MI系列适合前两层，而锐龙AI系列里的NPU适合第三层。World Labs的模型如果能在AMD全栈硬件上做分层部署，这就是一个很有说服力的卖点。

2.2 训练世界模型需要什么样的算力配置

我拿一个中等规模的世界模型训练任务来举例，方便你理解硬件门槛。假设你要训练一个基于视频预测的世界模型，输入是64帧、分辨率256×256的RGB序列，输出是未来16帧的预测。

先算一下单样本的显存占用。64帧×256×256×3通道，原始像素约12.6M个浮点数。经过编码器压缩到潜空间后，假设压缩比是16倍，潜变量约0.79M个。但训练时还要存激活值、梯度、优化器状态。按混合精度训练估算，单样本的激活显存大约在2到4GB之间。批量大小设为8，光激活就要16到32GB。再加上模型参数和优化器状态，一张80GB的卡勉强能跑，但批量上不去，训练效率很低。

这就是为什么世界模型训练通常需要多卡甚至多机。AMD的MI300X有192GB HBM3，单卡容量优势明显，可以塞下更大的批量或者更长的序列。但多卡训练时，卡间互联带宽就成了瓶颈。世界模型的注意力计算需要频繁的all-reduce和all-gather，如果互联带宽不够，算力再强也跑不满。

所以AMD收World Labs，不只是买模型，也是在买“模型怎么在AMD互联拓扑上高效并行”的工程经验。这部分经验很难从论文里学到，必须跟模型团队一起磨。

2.3 推理侧的关键指标：延迟、吞吐与一致性

训练是一回事，推理是另一回事。世界模型如果要用在机器人或自动驾驶上，推理侧有三个硬指标。

第一个是端到端延迟。从传感器输入到动作输出，通常要求控制在50毫秒以内，有些场景甚至要求20毫秒。这意味着模型不能太大，或者必须做蒸馏和量化。

第二个是吞吐稳定性。世界模型推理是持续不断的，不能这一帧快、下一帧慢。如果硬件调度不稳定，机器人动作就会抖动。这对驱动和运行时提出了很高要求。

第三个是空间一致性。同一场景在不同时刻的推理结果必须一致，不能这次预测桌子在左边、下次跑到右边。这跟硬件的数值精度和确定性计算有关。

AMD的ROCm软件栈在这几个指标上一直在改进，但跟英伟达的CUDA相比，工具链成熟度还有差距。World Labs的团队如果能把模型针对ROCm做深度优化，比如自定义算子、内存复用策略、确定性推理模式，那这套组合的竞争力就会强很多。

3. 从芯片到模型：AMD的生态拼图怎么拼

3.1 硬件层：GPU、NPU与自适应计算

AMD的硬件家底其实比很多人想象的厚。数据中心有Instinct MI系列GPU，客户端有锐龙AI系列集成的NPU，还有收购赛灵思得来的FPGA和自适应计算产品线。

这三类硬件在世界模型场景里可以分工。GPU负责训练和重推理，NPU负责端侧轻量推理，FPGA负责传感器预处理和确定性低延迟任务。比如机器人上的视觉前端，用FPGA做去畸变、对齐、降噪，比用GPU更省电、更确定。

World Labs的模型如果能在这些异构硬件上做流水线拆分，那AMD就能提供一个从云到端的完整方案。这比单纯卖一张GPU卡要有粘性得多。

3.2 软件层：ROCm、ONNX与自研推理引擎

软件是AMD过去最大的短板，但也是最近两年投入最猛的地方。ROCm现在已经支持主流训练框架，PyTorch和TensorFlow都能跑，但算子覆盖和性能调优还是不如CUDA。

World Labs进来之后，最直接的价值是带来一个“标杆模型”。AMD可以用这个模型来驱动ROCm的优化方向，哪些算子缺就补哪些，哪些层慢就优化哪些。这比泛泛地支持所有模型要高效得多。

另外，世界模型推理往往需要自定义算子，比如三维高斯泼溅的渲染、神经辐射场的采样。这些算子在标准框架里没有，必须自己写。World Labs如果把这些算子开源或者贡献给ROCm，整个生态都会受益。

3.3 模型层：World Labs的差异化在哪里

世界模型这个赛道并不缺玩家。英伟达有Cosmos，谷歌有Genie系列，Meta有V-JEPA。World Labs的差异化，我理解主要在两点。

一是对空间智能的聚焦。很多世界模型是从视频生成角度切入的，追求画面逼真。World Labs更强调空间一致性和物理合理性，这对机器人操作和自动驾驶更有价值。

二是与硬件的协同设计。李飞飞团队有很强的学术背景，但World Labs如果只是发论文，AMD没必要花这个钱。合理的推测是，World Labs的模型在设计之初就考虑了硬件部署，比如算子融合、量化友好、内存访问模式优化。这种“为硬件而设计”的模型，迁移到AMD平台上的成本会低很多。

4. 实操视角：如果你要在AMD平台上跑世界模型

4.1 环境准备与依赖安装

假设你拿到了一套AMD MI300X的机器，想跑一个世界模型的开源实现。第一步是装驱动和ROCm。我建议用Ubuntu 22.04，内核版本不要太高，5.15或者6.1都比较稳。

# 添加ROCm仓库 wget https://repo.radeon.com/amdgpu-install/latest/ubuntu/jammy/amdgpu-install_6.0.60002-1_all.deb sudo apt install ./amdgpu-install_6.0.60002-1_all.deb sudo amdgpu-install --usecase=rocm # 验证安装 rocm-smi rocminfo | grep gfx

装完之后，用rocm-smi看卡是否识别正常。如果显示gfx942，说明MI300X认到了。然后装PyTorch的ROCm版本，注意版本要跟ROCm匹配。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.0

装完跑一个简单的矩阵乘法，确认GPU能用。

import torch print(torch.cuda.is_available()) # ROCm下也返回True a = torch.randn(4096, 4096).cuda() b = torch.randn(4096, 4096).cuda() c = a @ b print(c.sum())

这一步如果报错，大概率是ROCm版本和PyTorch版本不匹配，或者用户权限没配好。把当前用户加到render和video组里，重启一下通常能解决。

4.2 世界模型推理的关键参数调优

世界模型推理有几个参数特别影响性能和效果，我逐个说。

批量大小：推理时批量不是越大越好。世界模型通常有时序依赖，批量太大反而增加延迟。建议从1开始试，如果吞吐不够再往上加。

精度：FP16是默认选择，但有些世界模型的渲染层对精度敏感，用FP16会出现闪烁或漂移。可以试试BF16，动态范围更大，对空间一致性更友好。

KV Cache策略：如果模型是自回归的，KV Cache的管理很关键。世界模型的序列通常很长，KV Cache会占大量显存。可以用分页注意力或者滑动窗口来限制缓存大小。

算子融合：ROCm的MIOpen和Composable Kernel支持算子融合，但需要手动开启。比如把卷积、归一化、激活融合成一个算子，能减少内存往返，提升推理速度。

# 开启MIOpen的算子融合 export MIOPEN_FIND_MODE=FAST export MIOPEN_DEBUG_CONV_IMPLICIT_GEMM=1

这些环境变量不是万能的，不同模型效果不一样，需要实测。

4.3 多卡并行与通信优化

世界模型训练通常需要多卡。ROCm下的多卡通信靠RCCL，用法跟NCCL类似。

import torch.distributed as dist dist.init_process_group(backend='nccl') # ROCm下backend名还是nccl

但RCCL的调优参数跟NCCL不完全一样。有几个环境变量值得关注：

• NCCL_IB_HCA：指定用哪张网卡做RDMA，多机训练时必须设对。
• NCCL_SOCKET_IFNAME：指定socket通信的网口，避免走错网卡。
• RCCL_MSCCL_ENABLE：开启MSCCL优化，对all-reduce有提升。

我实测下来，MI300X单机8卡做all-reduce，带宽能跑到接近理论值，但多机场景下如果网卡配置不对，性能会掉得很厉害。建议先用rccl-tests跑一遍基准，确认通信没问题再上模型。

5. 常见问题与排查实录

5.1 驱动与运行时问题速查

5.2 几个我踩过的坑

第一个坑是ROCm版本升级太激进。我有一次直接升到最新版，结果PyTorch不认卡了。后来学乖了，生产环境只升到PyTorch官方支持的ROCm版本，不追新。

第二个坑是多卡训练时CPU亲和性没设。ROCm下如果进程在CPU核之间乱跳，通信性能会不稳定。可以用numactl把进程绑到跟GPU同NUMA节点的核上。

numactl --cpunodebind=0 --membind=0 python train.py

第三个坑是世界模型的渲染算子没有ROCm实现。有些开源世界模型用了自定义CUDA算子，在AMD平台上跑不了。这时候要么找替代实现，要么自己用HIP重写。HIP的语法跟CUDA很像，迁移成本不算太高，但调试比较费时间。

5.3 性能调优的优先级建议

如果你刚开始在AMD平台上跑世界模型，我建议按这个优先级调优：

1. 先保证能跑通，不要一上来就追求性能。
2. 用rocprof做性能分析，找到瓶颈在计算还是内存。
3. 如果是内存瓶颈，优先优化KV Cache和激活重计算。
4. 如果是计算瓶颈，再看算子融合和精度调整。
5. 最后才考虑多卡并行，因为多卡引入的复杂度最高。

这个顺序能帮你少走很多弯路。我见过太多人一上来就搞多机多卡，结果单卡都没跑明白，浪费大量时间。

6. 这件事对开发者和从业者意味着什么

6.1 对做具身智能的团队

如果你在做机器人或具身智能，AMD收World Labs这件事值得关注。因为这意味着未来可能出现一套“AMD芯片+世界模型”的参考方案，你不需要从零搭训练管线，也不需要自己调硬件。当然，前提是AMD能把这套东西做出来并且开放出来。

短期内，我建议保持观望，但可以开始熟悉ROCm生态。万一这套方案成熟了，你切换过去的成本会低很多。

6.2 对做芯片和编译器的工程师

世界模型对编译器提出了新要求。传统的深度学习编译器主要优化矩阵乘和卷积，但世界模型里有大量非规则计算，比如稀疏采样、动态索引、条件分支。这些在GPU上效率不高，需要新的编译策略。

如果你在做算子开发或编译器，世界模型是一个很好的切入点。它不像语言模型那样已经被优化得很充分，还有很多空间可以做。

6.3 对普通开发者的学习建议

如果你只是想了解世界模型，不一定要买AMD的卡。可以先从开源实现入手，用消费级显卡跑小规模实验。重点理解空间表示、动态预测、规划决策这三层是怎么串起来的。

等你能在小规模上跑通了，再考虑上大硬件。到时候AMD的平台如果成熟了，自然是一个选项。如果不成熟，英伟达的卡也能跑，只是成本高一些。

我个人在实际操作中的体会是，世界模型这个方向，硬件和模型的耦合比语言模型深得多。语言模型可以在不同硬件上迁移，性能差异有但不会太离谱。世界模型不一样，同样的模型在不同硬件上，空间一致性和延迟表现可能差好几倍。所以AMD收World Labs，本质上是在买“模型与硬件协同设计”的能力，这比单纯买一个模型权重值钱得多。

最后再分享一个小技巧：如果你要在AMD平台上做世界模型的实验，先把ROCm的docker镜像拉下来用，比自己装环境省事。等跑通了再考虑裸机部署，这样能避开很多驱动和依赖的坑。