晶片巨頭AMD最近半年動作多，美股股價已漲209%，比起同期漲37.56%的輝達（NVDA）亮眼。本週一蘇姿丰更宣布以82億美元全股票併購人工智慧先驅李飛飛創辦的World Labs。NVIDIA先前力推Cosmos 3，Google DeepMind發表Genie 3，科技巨頭同樣關注世界模型（World Model）的發展。世界模型到底是什麼？它跟過去只會聊天的ChatGPT、或是生成影片的Seedance、Sora有何本質差別？AI的下一波概念股題材就看這裡？
【目錄】
• 什麼是世界模型？
• 世界模型跟大型語言模型、Sora影片生成有何不同？
• 為什麼AMD、NVIDIA、Google科技巨頭都要研發世界模型？
• 世界模型有哪些應用？
2026年9月28日，半導體大廠AMD正式宣布已達成協議，將以約82億美元全股票交易收購AI新創公司World Labs，這家公司由知名電腦視覺學者、史丹佛大學教授李飛飛與團隊於2024年共同創立。當日，AMD收盤跌3.61%，報 607.87 美元；但盤後收購消息公布後，股價小幅上漲約0.4%。
延伸閱讀： 蘇姿丰來台指AI Agent與CPU正崛起！AMD下階段晶片突破在這
根據World Labs公告，收購完成後，李飛飛將正式加入AMD擔任執行副總裁兼首席科學家，直接向董事長暨執行長蘇姿丰匯報。
不過，當前全球AI熱潮多半圍繞在大型語言模型與AI Agent的應用，為何一家全球晶片大廠，願意砸下天價買下一家主打「空間智慧」與「世界模型」的年輕新創？
正如李飛飛在宣布World Labs與AMD達成收購協議的公開專文中所言，「真實世界不是由文字組成的，而是由實體事物構成。語言本身並不足以支撐未來的模型發展。」
她強調，從科學探索、數位娛樂到機器人，許多AI難題都要求模型理解物理世界的結構與行為。
倘若AI要走出螢幕、進入工廠、道路與家庭，只掌握文字與語言並不足夠。從NVIDIA Cosmos 3、Google DeepMind Genie 3與Gemini Robotics，到AMD重金收購World Labs，世界模型正成為科技巨頭布局的下一塊戰場。
究竟什麼是世界模型？它為什麼重要？
什麼是世界模型？
要理解世界模型，可以先想像人類如何在行動前預判後果。
伸出手拿東西時，我們會自然判斷周遭物體的位置，避免碰撞或打翻。這種「預測環境如何隨行動改變」的能力，就是世界模型試圖掌握的方向。
Google DeepMind研究副總裁紀懷新（Ed Chi）過去接受《遠見》專訪時，曾以生動的日常例子點出若要完成上述動作，所需要的能力究竟為何。
「我把水放在這，它有可能會倒下去嗎？這種預測問題也是對物理世界的了解，」他解釋，當人們討論機器人時，機器人必須先理解，手臂出多少力才能夾起水瓶而不致捏破，還得知道需要用什麼角度，才能拿起水瓶。
「如果是人類撞倒水瓶，根本不用思考就知道倒了，但是機器人要怎麼捕捉到這件事情？這都是要克服的挑戰。」
具體來說，「世界模型」目前並沒有一致的定義。
資策會資深產業分析師楊淳安解釋，可以從三種能力理解世界模型：首先是「渲染」，描繪環境樣貌；其次是「模擬」，建立幾何與物理狀態，推演環境如何變化；最後是「規劃」，根據環境與目標決定下一步行動。
World Labs也採取類似分類，將世界模型分為渲染器（Renderers）、模擬器（Simulators）與規劃器（Planners），並指出三者界線正在逐漸融合。
簡單來說，世界模型是一系列讓AI建立「世界如何運作」內部表徵的技術，其中一個重要方向，就是回答：「如果我採取某個行動，接下來世界可能發生什麼變化？」
世界模型跟大型語言模型、Sora影片生成有何不同？
有人可能會問，過去三年下來，我們已經看過ChatGPT寫文章、寫程式，也看過Seedance生成以假亂真的影片，也看過機械手臂點揀貨物、機器人在晚會上大秀舞藝。
如此說來，世界模型跟它們到底有何不同？
以ChatGPT背後的GPT模型為代表的大型語言模型（LLM）來說，Meta首席AI科學家楊立昆（Yann LeCun）長年對其提出質疑。
他主張，LLM主要透過預測下一個符元（token）學習文字統計結構，欠缺像人類與動物一樣從感知建立理解世界運作方式的能力，因此，僅靠大型語言模型不足以建立對實體世界的完整理解，
對照之下，世界模型更重視從視覺、空間與互動經驗中，學習物體與環境如何變化。
其次，則是既有影像生成模型仍有局限。
2024年初，OpenAI發表Sora時，以「Video generation models as world simulators」為技術報告標題，主張影片生成可能成為通往世界模擬器的一條路。
不過，許多影片生成模型的目標，是生成視覺上合理、前後連貫的時空序列，即使畫面逼真，仍可能出現物理錯誤、物件變形或憑空出現等現象，讓觀者發現破綻。
此外，傳統影片生成大多是在給定條件後產生一段既定序列，並不要求模型在使用者或AI Agent持續採取行動時，即時重新推演接下來的世界狀態。
對照之下，互動式世界模型更強調根據外部動作持續更新環境，讓使用者或AI Agent的每一步行動，都能影響模型接下來生成的世界。
最後則是近來也頗受討論的VLM、VLA，廣泛運用在實體AI與機器人領域中。這兩類模型與世界模型強調的能力不同，但彼此正逐漸走向融合。
「視覺語言模型（VLM）」主要負責「看懂」世界。例如看到桌上的水杯，能辨識物體、理解場景，並回答「這是一只裝滿水的玻璃杯」，不過，它本身通常不直接輸出機器人的控制動作。
「視覺－語言－動作模型（VLA）」則進一步把感知與語言指令轉化為動作，例如收到「抓取水杯」的指令後，模型可以根據相機畫面，直接輸出機械手臂的移動與抓取指令。
不過，直接從觀察映射到動作，和「理解這個動作接下來會如何改變世界」仍是兩種不同能力。
早期VLA模型在陌生物件、環境變化與長時間任務上，往往容易受到訓練資料分布限制；近年的模型則正快速補強泛化、規劃與自我修正能力。
圖策機器人處長陳哲堅舉例，如果訓練一隻機器手臂拿滑鼠，即使模型看過大量相似資料，當滑鼠翻面、位置改變或環境出現新的干擾時，仍可能因為缺乏足夠的泛化能力而失敗。
因此，VLA與世界模型並非互相取代。前者將感知與指令轉化為行動，後者則可協助預測行動後果、規劃與修正；前沿模型正逐漸把這些能力整合在同一套系統中。
為什麼NVIDIA、Google科技巨頭都要研發世界模型？
世界模型受到重視的一大原因，在於真實世界的情境與變化難以靠人工逐一建構。楊淳安便直言，具身智慧當前最核心的痛點已經不是技術路線之爭，而是實體AI訓練資料極度匱乏。
以訓練機器人來說，動作收集緩慢、人力昂貴，且機器人在真實環境中反覆摸索碰撞，動輒損壞造價昂貴的手臂與感測器，訓練機器人代價極高。
過去產業界的折衷辦法，是將機器人丟進類似電玩遊戲的3D物理模擬器中練習，但仰賴既有物理引擎、人工建立的3D資產與大量參數調校。
只是，現實環境複雜，被壓扁的寶特瓶、油膩的抹布或者反光的地磚，有著太多細節，難以將真實世界的所有細節全錄入電腦當中。因此，才會有機器人在模擬器裡很聰明，一到真實世界就頻頻出錯的情況發生。
陳哲堅指出，若直接在真機上反覆試錯，發生嚴重錯誤時，可能造成昂貴硬體損壞；世界模型則讓部分訓練與驗證能先移往模擬環境，大幅降低試錯成本。
以World Labs最新的Atlas模型為例，它能從少量真實影像或影片重建具空間一致性的3D環境，並進一步用於Real-to-Sim機器人模擬。開發者可以在模擬環境中改變物件、位置、機器人動作、光線與背景等條件，產生更多訓練與測試情境。
這正是科技大廠積極布局世界模型的原因之一。
對晶片商來說，下一波AI負載不再只有LLM運算，隨著AI走向3D生成、機器人、模擬與Physical AI，運算需求也將變得更加多元。
蘇姿丰因此指出，「打造下一代AI運算平台，需要對模型如何演進有深刻理解。」
在敲定收購協議前，雙方也已合作在AMD Instinct GPU上最佳化相關工作負載。把模型研究團隊納入旗下，讓AMD能更直接掌握下一代AI需要什麼樣的軟硬體。
AMD競爭對手NVIDIA更早就開始布局。黃仁勳近年持續將Physical AI定位為下一波重要運算浪潮，並以Cosmos世界模型搭配Omniverse、Isaac與Jetson平台，從模擬、機器人開發一路延伸至邊緣運算，形成完整的Physical AI技術堆疊。
延伸閱讀： 輝達黃仁勳宣布推Cosmos世界模型「機器人的ChatGPT時刻即將到來」
Google DeepMind主席哈薩比斯（Demis Hassabis）另外表示，具備互動能力的通用世界模型，是AI在物理世界學習與探索的重要一步。他們以Genie 3打造可即時探索的互動世界，同時透過Gemini Robotics推進機器人的空間推理、規劃與控制。
世界模型有哪些應用？
世界模型的商業價值並不需要等到通用人形機器人成熟才出現。目前相關技術已開始切入數位內容生成，也逐步被用來強化既有的模擬與訓練流程；長期則可能進一步成為通用實體機器人理解與預測環境的重要基礎。
楊淳安觀察，相較於長遠的機器人目標，短期之內遊戲設計與數位內容產製，可能是世界模型最有可能率先規模化商業落地的舞台。
過去打造3D遊戲或虛擬場景，需要美術與開發團隊逐步建立幾何模型、貼圖材質與互動邏輯。如今，世界模型開始提供另一條路徑：直接生成可探索、甚至可即時互動的虛擬環境。
新創公司Decart 推出的 Oasis 世界模型曾展示由神經網路即時生成、可透過鍵盤操作的類《Minecraft》互動世界。Google DeepMind的Genie 3亦能從文字描述生成可即時探索的互動環境，並根據使用者的操作持續生成後續世界狀態。
中期應用則可望進入自駕等高風險系統的安全驗證，因為許多罕見、危險情境難以直接在真實道路中反覆測試。
英國自駕獨角獸Wayve 推出的 GAIA-4 世界模型，與需要事先建立3D場景與模擬規則的傳統方法不同，GAIA-4直接從真實道路紀錄學習，並根據AI Driver的轉向、加減速等駕駛決策，持續生成下一步的感測器輸入，讓模型的每一次行動都會改變接下來看到的世界，形成「閉環模擬（Closed-loop Simulation）」，讓AI司機能在大量虛擬與反事實情境中接受安全評估。
長期的終極願景，則是走入人類社會的通用實體機器人。
例如，挪威人形機器人新創1X便成立World Model Lab，將世界模型直接納入機器人預訓練，希望讓人形機器人擺脫只能處理固定環境、狹窄任務的限制，進一步提升泛化、適應與自主學習能力。
過去三年，生成式AI證明了機器掌握人類語言的潛力；下一步，則是讓AI理解空間、物理與行動後果。
從遊戲、自駕模擬到機器人，世界模型正在把AI從螢幕裡的「回答者」，推向能在虛擬與真實世界中預測、規劃與行動的系統。AMD、NVIDIA與Google此刻提前卡位，爭的正是下一代AI與實體世界接軌的入口。不少投資專家看好，這趨勢也將捧出又一波新秀，概念股即將成軍。
