李飞飞对话苏姿丰：机器人将成为算力需求增长新引擎

　　11月12日，在CoRL 2026机器人学习会上，World Labs创始人兼CEO李飞飞与AMD董事长兼CEO苏姿丰展开对话，围绕机器人发展、物理AI、算力需求、人工智能模型路线及未来研究方向等话题进行讨论。李飞飞认为，机器人将推动计算能力进入下一发展阶段，带动训练端和边缘端算力需求大幅增长。苏姿丰则预计，未来几年物理AI尤其是机器人市场规模可能达到数千亿美元。

　　此次对话也是AMD宣布收购World Labs以来，两人首次公开同台。今年9月，AMD宣布与World Labs达成最终收购协议，交易价值约82亿美元，预计于2026年底前完成。

　　机器人有望成为AI算力需求增长的重要驱动力

　　苏姿丰表示，当前人工智能仍处于发展初期，物理AI特别是机器人领域蕴含巨大市场机会。未来五至十年，机器人将成为极其重要的技术发展方向，而理解物理规律、构建环境模型以及优化计算系统，是推动这一领域发展的关键。

　　她指出，AMD长期投资于人工智能技术栈的各个层面，包括数据中心、边缘计算和嵌入式系统。随着机器人技术的发展，企业需要进一步推动硬件、软件与系统的协同优化。

　　李飞飞对此表示认同。她提出，“AI就是计算，计算就是AI”，无论世界模型还是语言模型，其发展都与计算能力密不可分。随着不同类型人工智能模型逐渐融合，硬件和软件之间的协同设计将变得更加重要。

　　谈及机器人对算力的影响，李飞飞认为，机器人将推动计算能力进入下一个发展阶段。过去，机器人由于需要与复杂的物理世界交互，技术进展相对缓慢，也缺少类似大语言模型所带来的强劲推动力。但随着人工智能技术持续突破，机器人领域正在迎来重要转折点。

　　她表示，尽管目前难以准确预测未来的发展速度，但机器人技术已经进入上升趋势，未来将大规模推动不同形态的计算需求增长，不仅包括模型训练所需的云端算力，也包括机器人实际部署过程中所需的边缘算力。

　　苏姿丰指出，未来的计算需求将覆盖云端、企业内部、边缘设备及现实物理环境等多个层面。机器人需要实时完成感知、推理和行动，同时面临严格的功耗和延迟限制，因此必须根据不同工作负载提供相应规模和形态的计算能力。

　　她强调，解决这些问题需要统筹计算、内存、软件和系统设计，而非单纯增加芯片性能。

　　世界模型成为机器人技术发展的重要方向

　　在对话开始前，李飞飞发表了题为《Atlas：一个用于生成与重建的统一世界模型》的主题演讲，介绍World Labs最新开发的世界模型Atlas。

　　李飞飞指出，机器人需要解决三个核心问题：理解并表征周围环境，预测自身动作可能产生的后果，以及通过仿真生成不同环境和状态，以补充真实世界数据。这些问题分别对应世界模型中的渲染、规划和仿真能力。

　　据介绍，Atlas采用多模态自回归扩散Transformer架构，能够接收文本、图像、视频、深度信号及三维结构等不同类型的输入，并通过相机位姿条件控制预测新的观察视角。

　　该模型能够在同一框架下完成三类任务：利用大量图像进行稠密三维重建，根据少量图像进行稀疏重建，以及仅凭文本提示词生成具有空间一致性的虚拟场景。

　　李飞飞展示的案例表明，Atlas能够根据不同数量的斯坦福大学校园照片逐步重建三维环境，并生成原始照片未覆盖的观察视角。随着输入图像增加，模型对真实场景的还原能力也随之提高。

　　她还透露，Atlas经过模型蒸馏后，已能够以每秒15帧的速度运行。研究团队正在测试其在机器人训练、导航和仿真中的实际价值，探索如何让机器人在虚拟环境中完成训练，并将获得的能力迁移至真实世界。

　　通用模型与专用模型或将长期并存

　　对于未来机器人究竟应采用通用基础模型，还是针对不同任务开发专用模型，李飞飞认为，目前仍不能断言某一种技术路线将最终胜出。

　　她表示，大语言模型和视觉语言模型驱动的机器人将在未来发挥越来越重要的作用，但机器人系统层面仍存在大量尚未解决的问题。尽管近期技术进展令人瞩目，整个领域仍处于早期探索阶段。

　　苏姿丰也认为，不存在能够解决所有应用问题的单一模型。在部分场景中，前沿大语言模型可能具有明显优势，但在其他场景中，经过针对性优化的专用模型可能更加有效。

　　两人均强调，不同规模、不同类型的模型需要与相应计算系统协同发展。

　　谈及AMD的机器人业务布局，苏姿丰透露，公司目前已经拥有一支规模相当不错的物理AI和机器人研究团队，但相关工作仍处于早期阶段。AMD现有的嵌入式FPGA、处理器和AI引擎等产品，已经能够支持部分工业机器人的控制需求。

　　她表示，未来希望通过World Labs加入AMD，进一步加强机器人研究，并推动企业、大学、研究机构和初创公司之间的合作。

　　呼吁扩大公共科研算力资源供给

　　随着人工智能模型规模持续扩大，学术研究机构获取算力资源的难度也成为双方讨论的重点。

　　李飞飞指出，大学和非营利组织是基础研究和早期创新的重要来源，但目前公共研究部门正面临严重的计算资源短缺。她呼吁行业为公共部门提供更多算力支持，以促进基础科学研究、人才培养及人工智能安全评估。

　　苏姿丰表示，目前人工智能计算资源的需求仍远远超过供应。AMD正在建设规模庞大的计算能力，并应当将部分资源用于长期研究，帮助大学和下一代创新者获得所需算力。

　　在讨论人工智能未来发展时，苏姿丰还表示，尽管当前AI取得巨大进展，但距离真正的通用人工智能仍有相当距离。人工智能的实际表现仍然高度依赖具体任务，以及人类如何引导和使用相关技术。

　　李飞飞则强调，即使AI技术不断进步，人类智能仍然具有不可替代的价值。人工智能正在改变科研方式，但研究者的好奇心、专业判断和探索精神依然至关重要。

　　对于未来机器人产业的发展，两人的共同判断是，物理AI将推动人工智能从数字世界进一步走向现实环境，同时对计算基础设施、模型架构和系统效率提出新的要求。随着机器人应用场景不断拓展，从云端训练到边缘实时推理的完整计算体系，有望成为下一阶段人工智能产业发展的重要支撑。