AMD köper World Labs för 8,2 miljarder dollar

AMD tillkännagav att det köper World Labs för 8,2 miljarder dollar. Transaktionen innebär att World Labs, ett företag som utvecklar djupinlärningsmodeller för att förstå den fysiska världen, blir en del av AMD:s verksamhet.

Som en del av affären kommer grundaren av World Labs, Fei‑Fei Li, att ansluta sig till AMD som verkställande vice president och chef för forskning. Li har tidigare arbetat med att skapa databasen ImageNet och har grundat World Labs 2024 för att utveckla modeller som kan tolka den fysiska verkligheten.

AMD har betonat att förståelsen av avancerade arbetsbelastningar kommer att hjälpa företaget att forma sin framtida chiputvecklingsplan. Affären förväntas avslutas innan årets slut efter att regulatoriska godkännanden erhållits.

World Labs har tidigare ingått partnerskapsavtal med AMD för att optimera och träna algoritmer. Li deltog i en presentation av AMD på CES 2026.

Det första produkten från World Labs, Marble, marknadsförs som ett verktyg för att skapa underhållande projekt och virtuella miljöer där robotar kan tränas.

Affären förväntas stärka AMD:s position i konkurrensen med Nvidia när det gäller att skapa ekosystem för specialiserade AI‑chip. Nvidia har redan ett utbud av modeller med öppen källkod, medan AMD hittills endast erbjudit modeller baserade på text och video.

World Models, som utvecklas av World Labs, anses vara avgörande för att implementera generativa AI‑modeller på robotplattformar, inklusive självkörande bilar, industriella robotar och allmänna humanoida robotar. Bristen på verkliga data för att träna universella robotar gör att syntetiska data från World Models kommer att vara centrala för att realisera koncepten som föreslagits av företag som Tesla och Figure.

Li har varnat för att användning av neurala nätverk i skolor kan leda till minskad motivation och självständighet hos eleverna. Hon har dock uppmanat till att inte förbjuda AI helt i skolmiljöer.

Det nya forskningsresultatet visar hur RSA‑signaturer kan förfalskas med klassiska beräkningsresurser utan att faktorisera nycklar, vilket sänker säkerheten för 1024‑bit‑nycklar till ett oacceptabelt lågt värde.

Denna utveckling visar på behovet av att stärka säkerheten i kryptografiska system.