AMDがWorld Labs買収でAIエコシステム強化へ

米AMDは、2026年9月28日、ディープラーニングモデル開発の主要企業であるWorld Labsを82億ドルで買収すると発表しました （出典）。World Labsは、物理的な現実世界を理解するためのモデル開発に特化しており、この買収はAMDのAI戦略において極めて重要な意味を持ちます。AMDは、World Labsが開発するようなフロンティアワークロードを理解することが、将来のチップ製造ロードマップを形成すると述べています。

今回の買収により、AMDはAI向けチップのエコシステム構築でNVIDIAとの競争力を高めることが期待されます。

World Labs側は、AI開発にはモデル研究、システム、コンピューティング間の密接な連携が必要であると買収の正当性を説明しています。両社は昨年、推論最適化とトレーニングに関するパートナーシップを結んでおり、以前から緊密な関係を築いていました。

AIのパイオニア、Li Fei-Fei氏がAMDに参画

買収に伴い、World Labsの創設者であるLi Fei-Fei氏が、AMDのエグゼクティブバイスプレジデント兼チーフサイエンティストとしてAMDに加わります （出典）。Li氏はスタンフォード大学のコンピューターサイエンス教授であり、ImageNetデータベースの構築とその後のAIコンペティションを通じて、特にコンピュータービジョンの分野でAIのパイオニアとして広く認識されています。彼女は2024年にWorld Labsを設立し、テキストデータを超えた物理世界の理解と推論能力を持つ、より堅牢なディープラーニングモデルの開発を目指してきました。

Li氏は今回の提携について、「World Labsの技術的ブレークスルーを研究所の枠を超えてスケールさせたいという願望の結果である」と述べています （出典）。

「これを実現するには、我々の取り組みを拡大し、リーチを広げ、ハードウェアにさらに近づく必要があります。」

Li氏の参加は、AMDの研究開発能力を飛躍的に向上させ、特にAI分野におけるリーダーシップを強化するでしょう。彼女の専門知識は、AMDがワールドモデルという比較的新しい分野でNVIDIAに追いつき、追い越すための重要な鍵となると考えられます。

ワールドモデルとは何か？そしてその重要性

「ワールドモデル」という用語は、依然として漠然とした概念ですが、視覚入力も理解できる言語モデルから、現実の高忠実度シミュレーションを生成・維持できるモデルまで、幅広い意味を含んでいます （出典）。World Labsの最初の製品「Marble」は、エンターテインメント体験の創造だけでなく、ロボットトレーニングのためのシミュレーション環境作成ツールとしても位置付けられています。

ワールドモデルは、自律走行車、産業用ロボット、汎用ヒューマノイドロボットなど、ロボットプラットフォームに生成AIモデルを導入する上で不可欠であると見られています。特に、汎用ロボットをトレーニングするための有用な実世界データが不足している現状では、ワールドモデルから生成される合成データが、TeslaやFigureといった企業が掲げるビジョンを実現するための鍵となるでしょう。

NVIDIAは既に「Cosmos」のようなオープンウェイトのワールドモデル群を提供していますが、AMDはこれまでテキストおよびビデオベースのモデルしか公開していませんでした。今回の買収により、AMDはワールドモデル分野での競争力を大きく向上させることができると感じます。

エンジニア目線で見ると：AMDのハードウェア戦略とAIの未来

今回のAMDによるWorld Labs買収は、ハードウェアベンダーがソフトウェア、特にモデル開発に深くコミットしていく潮流を明確に示すものだと感じます。これまではGPUのような強力なハードウェアを提供し、その上で動くAIモデルの開発は外部に任せるという分業体制が一般的でした。しかし、高性能なAIモデル、特に物理世界を理解するワールドモデルの開発には、ハードウェアとソフトウェアの密接な連携が不可欠であることが改めて示された形です。

個人的には、GCPのTPUも同様にハードウェアとソフトウェアの最適化が進んでいますが、NVIDIAのCUDAエコシステムは強力で、後追いのAMDがどのように差別化を図るのか注目していました。今回のWorld Labs買収は、NVIDIAが持つ「Cosmos」のようなワールドモデルに対抗する強力な一手となり得るのではないでしょうか。特に、ロボティクス分野やシミュレーション環境の需要は今後爆発的に増加すると予想されるため、この分野で主導権を握ることは、AMDのGPU製品の需要を大きく押し上げる可能性があります。

Pythonバインディングが充実し、既存の機械学習フレームワーク（PyTorchやTensorFlowなど）との連携がスムーズであれば、私の個人プロダクトにも組み込んでみたいですね。特に、ローカルLLMを動かす際のシミュレーションや、物理法則を考慮した環境での学習データ生成に活用できるとなれば、かなり魅力的だと感じます。買収が年内に完了する予定とのことなので、今後の統合ロードマップと、開発者向けのツール提供に期待したいところです。