Per annunciare l’ingresso della sua azienda in AMD, Fei-Fei Li di World Labs ha scelto un verso dell‘Ulisse di Tennyson, quello in cui il vecchio navigatore dice ai compagni che non è troppo tardi per cercare un mondo più nuovo.
L’accordo, reso pubblico il 28 settembre, porta World Labs, il laboratorio fondato da Li all’inizio del 2024 per costruire modelli capaci di ragionare sullo spazio tridimensionale, dentro il principale sfidante di Nvidia negli acceleratori per l’intelligenza artificiale, con una transazione interamente in azioni da circa 8,2 miliardi di dollari che dovrebbe chiudersi entro fine anno, autorizzazioni permettendo.
Li diventerà executive vice president e chief scientist, a riporto diretto di Lisa Su.
Il mondo più nuovo che Li ha in mente è quello fisico, ed è lo stesso verso cui si sta orientando l’intera industria dei semiconduttori: dopo tre anni in cui il valore dell’AI si è misurato in token di testo generati dentro i data center, la domanda che arriva da robot, impianti, veicoli e simulazioni industriali chiede modelli diversi e chip diversi, spesso lontani dal data center. AMD ha deciso di comprare chi quei modelli li costruisce prima di disegnare il silicio che dovrà farli girare, e l’ordine delle operazioni racconta parecchio della traiettoria dei prossimi anni.
Indice degli argomenti
Perché AMD compra World Labs per 8,2 miliardi
A febbraio World Labs aveva raccolto un miliardo di dollari a una valutazione di circa 5 miliardi, con AMD, Nvidia e Autodesk tra i finanziatori (quest’ultima da sola con 200 milioni).
Sette mesi dopo AMD ne paga 8,2, un premio di oltre il 60% per una società che non ha ricavi rilevanti e il cui primo prodotto, Marble, è uscito appena a novembre 2025. È la seconda acquisizione più grande della storia di AMD, dietro soltanto ai circa 50 miliardi spesi per Xilinx nel 2022, e l’analista Patrick Moorhead l’ha definita un’operazione sul talento e sulla comprensione dei modelli, più che sui ricavi.
Il mercato ha reagito con prudenza: il titolo ha chiuso la seduta dell’annuncio in calo di quasi il 4%, intorno ai 608 dollari, in una giornata già negativa per il rialzo dei rendimenti dei Treasury e dopo una corsa di oltre il 180% da inizio anno.
Il pagamento in azioni preserva la cassa ma diluisce gli azionisti, e con un titolo a quei livelli AMD sta usando una moneta cara per comprare un asset senza flussi di cassa. Chi investe dovrebbe però leggere la cifra come una forma di ricerca e sviluppo capitalizzata: il valore sta nella capacità di anticipare di qualche anno come saranno fatti i carichi di lavoro che le GPU di AMD dovranno servire, assai più che nei conti di World Labs.
C’è anche un dettaglio di ironia industriale, perché Nvidia, tra i finanziatori del round di febbraio, incasserà un ritorno consistente dalla vendita del laboratorio al suo concorrente diretto. E c’è una rassicurazione rivolta ai clienti: secondo quanto riferito da Moorhead, Vamsi Boppana, senior vice president per l’AI di AMD, ha escluso l’intenzione di competere con le aziende che sviluppano modelli di frontiera e che comprano chip AMD, descrivendo il team di World Labs come una capacità orizzontale al servizio di tutta l’azienda.
I world model di World Labs e la tesi della physical AI
Per capire cosa compra AMD serve tornare al lavoro che ha reso celebre Li: ImageNet, il grande archivio di immagini etichettate che alla fine degli anni Duemila ha reso possibile la stagione moderna del deep learning. World Labs nasce dalla convinzione che il linguaggio da solo non basti. «L’universo non è fatto di parole, è fatto di cose reali», scrive Li nel post che accompagna l’accordo, e i problemi più rilevanti per l’AI, dalla scienza alla robotica, richiedono modelli capaci di ragionare sulla struttura e sul comportamento del mondo fisico.
World model, simulazione e robotica
Questi modelli si chiamano world model, ossia sistemi che generano, ricostruiscono e simulano ambienti tridimensionali coerenti, capaci di prevedere come appare una scena da un punto di vista mai osservato o come si muove un oggetto quando un braccio meccanico lo afferra. Li stessa ne ha proposto una tassonomia funzionale che distingue modelli che renderizzano, modelli che simulano e modelli che pianificano, indicando nel simulatore il perno di tutto, perché è il luogo in cui un agente può agire, sbagliare e imparare.
I risultati degli ultimi mesi spiegano il prezzo. A settembre World Labs ha presentato Atlas, un modello che da due o tre fotografie ricostruisce uno spazio reale in tre dimensioni e genera ciò che vedrebbero le telecamere di un robot mentre lo attraversa; a luglio aveva acquisito SceniX, specializzata nel trasformare compiti robotici reali in simulazioni, e ha poi mostrato robot addestrati interamente in simulazione, con zero dati raccolti nel mondo reale, capaci di lavorare per un’ora di fila senza interventi umani.
Sono dati dichiarati dall’azienda e ancora da verificare in modo indipendente, ma indicano dove sta il collo di bottiglia della robotica: la scarsità di esperienza fisica da cui imparare, che nessun corpus testuale può sostituire.
Li aggiunge un passaggio che riguarda direttamente il silicio: senza uno sforzo dedicato sull’hardware, scrive, l’AI resta limitata in efficienza e in scala e, per gli obiettivi di World Labs, «intrappolata nel mondo digitale». Tradotto in ingegneria, il mondo più nuovo di Tennyson passa anche dai chip.
Physical AI ed edge nella strategia di AMD
La physical AI, l’intelligenza artificiale che percepisce e agisce nel mondo attraverso robot, macchine e sensori, ha un profilo di calcolo diverso da quello dei chatbot. Una parte vive nei data center, dove si addestrano i modelli e si generano i mondi simulati in cui i robot fanno pratica, e questo lavoro consuma GPU in quantità paragonabile all’addestramento dei grandi modelli linguistici. Un’altra parte vive all’edge, cioè sul dispositivo stesso, dove contano latenza di millisecondi, consumi contenuti, comportamento deterministico e la possibilità di funzionare senza connessione.
Dai data center ai processori embedded
AMD si sta attrezzando su entrambi i fronti. A luglio, all’evento Advancing AI, ha lanciato i processori Ryzen AI Embedded X100, pensati per robot e automazione industriale, con fino a 16 core, una GPU integrata e un acceleratore neurale sullo stesso chip, fino a 126 TOPS complessivi e un ciclo di vita garantito di dieci anni, affiancati da moduli Kria che aggiungono logica programmabile FPGA, l’eredità diretta di Xilinx. Intorno ha costruito una rete di una trentina di partner per la robotica aperta, con software basato su ROS 2 e sullo stack open source ROCm.
World Labs completa il quadro dal lato dei modelli. Boppana ha spiegato che l’addestramento avverrà prevalentemente su infrastruttura AMD mentre il deployment resterà multipiattaforma, e Atlas produce già ambienti in un formato, i Gaussian splat, pensato per essere visualizzato direttamente sul dispositivo. La direzione che si intravede è una divisione del lavoro in cui i data center generano mondi e addestrano politiche di controllo, mentre l’edge le esegue: per un produttore di chip significa vendere due volte la stessa rivoluzione, prima in GPU per la simulazione, poi in processori embedded per i robot che da quella simulazione escono.
La sfida tra AMD e Nvidia si sposta lungo lo stack
L’operazione arriva meno di un mese dopo che Nvidia ha firmato l’accordo per comprare Hugging Face per circa 12,9 miliardi, la piattaforma dove si pubblicano e si scaricano i modelli aperti, dopo aver speso 20 miliardi a dicembre per gli asset di Groq. I due principali costruttori di acceleratori stanno risalendo lo stack, cioè la pila di strati che va dal silicio al software fino ai modelli e alle applicazioni, e lo fanno per la stessa ragione: chi controlla o comprende a fondo i carichi di lavoro può progettare chip migliori e rendere più costoso per i clienti cambiare fornitore.
Cosmos, modelli aperti e simulazione come servizio
Sulla physical AI Nvidia parte avanti. Come ricorda TechCrunch, dispone già di una famiglia di world model a pesi aperti, Cosmos, mentre AMD finora aveva reso disponibili al pubblico soltanto modelli testuali e video; a questo si aggiungono le piattaforme di simulazione e i moduli Jetson per i robot. AMD insiste invece sulla carta dell’ecosistema aperto, parola che ricorre nel comunicato e nel post di Li, dove si parla dell’impegno a offrire i migliori modelli aperti e piattaforme per far girare l’AI dall’hardware ai dati.
Il prossimo passo, nella mia lettura, ha due forme probabili. La prima è il rilascio di world model derivati da Atlas con pesi aperti e ottimizzati per ROCm, la risposta più diretta a Cosmos e il modo più rapido per portare sviluppatori sulla piattaforma AMD. La seconda è la simulazione come servizio: offrire ai costruttori di robot la ricostruzione dei loro ambienti e l’addestramento delle politiche su GPU Instinct, trasformando un laboratorio di ricerca in un motore di domanda per i data center.
Non sarebbe sorprendente vedere, nel frattempo, altre acquisizioni nel software per la robotica e nei sensori, e una corsa degli altri attori, da Qualcomm ai grandi cloud, verso le startup dei world model rimaste indipendenti, a partire da Runway che a febbraio aveva raccolto fondi proprio da Nvidia e AMD.
Cosa significa l’acquisizione di World Labs per l’Europa
Per l’Europa la notizia ha un doppio fondo. Il continente ha una delle basi manifatturiere più robotizzate del mondo, con Germania e Italia ai primi posti in Europa per robot industriali installati, e la physical AI è destinata ad atterrare proprio nelle sue fabbriche, nei magazzini e negli ospedali.
Dal 20 gennaio 2027 si applicherà il Regolamento macchine (UE) 2023/1230, che per la prima volta disciplina la sicurezza dei macchinari con comportamenti che evolvono grazie all’apprendimento automatico, mentre il pacchetto Digital Omnibus ha spostato in avanti gli obblighi dell’AI Act sui sistemi ad alto rischio, compresi quelli incorporati nei prodotti. La finestra regolatoria c’è, ma servirà a poco se gli strumenti per addestrare, simulare e certificare quei sistemi arriveranno tutti da piattaforme americane.
Sovranità europea tra simulazione e infrastrutture
La storia recente non incoraggia. Nel 2024 AMD aveva già comprato per circa 665 milioni di dollari Silo AI, il laboratorio finlandese che la stessa AMD presentava come il più grande laboratorio privato di AI in Europa, e oggi il talento europeo sui world model si concentra in poche realtà, a partire da AMI Labs di Yann LeCun a Parigi, che a marzo ha chiuso un seed da oltre un miliardo di dollari.
La sovranità, su questo terreno, riguarda meno i modelli linguistici e molto di più i dati di simulazione, gli ambienti di test e le infrastrutture per validare robot che dovranno lavorare accanto alle persone. Le Testing and Experimentation Facilities finanziate dal programma Europa Digitale per manifattura e sanità sono il nucleo da cui partire, a condizione di collegarle a capacità di calcolo e a modelli che l’Europa possa ispezionare.
Nel poema di Tennyson, Ulisse parte sapendo che la nave è vecchia e che il porto lasciato alle spalle non lo aspetterà. Il mondo più nuovo dell’AI fisica lo stanno cartografando due aziende americane di semiconduttori, ma il territorio su cui quella mappa verrà usata, fatto di linee di produzione, capannoni e corsie d’ospedale, è in buona parte europeo, e chi abita il territorio ha di solito qualche titolo in più per decidere come disegnarne la carta.
Partecipa alla community