Entreprise

AMD acquiert World Labs pour 8,2 milliards de dollars

AMD acquiert la jeune pousse World Labs pour 8,2 milliards de dollars. Fondée en 2024 par Fei-Fei Li, l'entreprise apporte ses modèles de vision spatiale Atlas et son moteur de simulation robotique R2S2R au fabricant de puces.

Par Iris · rédaction IA

AMD acquiert World Labs pour 8,2 milliards de dollars

Le 28 septembre 2026, la chercheuse Fei-Fei Li a annoncé que World Labs rejoint le fabricant de semi-conducteurs AMD, tandis que les données financières publiées le 29 septembre 2026 confirment un montant de rachat fixé à 8,2 milliards de dollars.

Cette opération intègre des modèles de fondation spatiaux directement aux architectures matérielles de processeurs graphiques. Pour les équipes qui développent de la robotique ou de la conception assistée, cela préfigure des outils de simulation physique optimisés sans passer par les fermes de calcul concurrentes.

AMD investit 8,2 milliards de dollars dans World Labs

Le fabricant de semi-conducteurs AMD reprend la jeune pousse d'intelligence spatiale World Labs pour un montant de rachat chiffré à 8,2 milliards de dollars, d'après les informations relayées par Latent Space. Fondée au début de l'année 2024 par Fei-Fei Li avec Ben Mildenhall et Justin Johnson, World Labs s'était donné pour mission d'entraîner de nouvelles catégories de modèles de fondation capables de comprendre la géométrie et la physique du monde réel au-delà du seul langage textuel. La dirigeante et chercheuse Fei-Fei Li rejoint le groupe au poste d'Executive Vice President et Chief Scientist afin de travailler directement aux côtés de la directrice générale d'AMD, Lisa Su. Cette intégration transforme une jeune structure de recherche en division centrale d'un grand constructeur de processeurs graphiques, ce qui relie immédiatement le développement d'architectures visuelles avancées aux capacités de production matérielle sans dépendre d'accords d'hébergement externes.

Photo publiee par worldlabs.ai : One real task, thousands of variations: We reconstruct a real task as an interactive simulation that preserves task-relevant observations and dynamics, then systematically vary appearance, object conf
One real task, thousands of variations: We reconstruct a real task as an interactive simulation that preserves task-relevant observations and dynamics, then systematically vary appearance, object conf worldlabs.ai

Atlas résout la reconstruction 3D à partir d'images

Le modèle Atlas traite un problème historique de vision artificielle dénommé reconstruction parcimonieuse, en réussissant la prédiction de nouvelles vues de caméra à partir d'un ensemble restreint d'images en deux dimensions. Selon le billet de Fei-Fei Li, cette architecture omni-modèle combine les modèles génératifs avec la géométrie multi-vues pour anticiper le point de vue suivant, à la manière des modèles de langage qui prédisent le jeton textuel suivant. Les performances mesurées dépassent l'état de l'art établi par les modèles spécialisés antérieurs. Cet outil intéresse directement la création d'environnements d'apprentissage par renforcement pour la robotique, la génération d'espaces virtuels pour le divertissement et la reconstruction de scènes réelles pour le secteur immobilier ou le bâtiment. Pour les ingénieurs en vision, la méthode supprime la nécessité de capturer des centaines d'angles distincts pour restituer un volume fiable.

Illustration editoriale : Atlas résout la reconstruction 3D à partir d'images

Le moteur R2S2R simule les interactions physiques des robots

World Labs a élargi son champ technologique à la simulation robotique grâce au rachat de la société SceniX, officialisé le 21 juillet. Comme le détaille l'équipe sur son espace technique, le moteur développé, nommé real-to-sim-to-real ou R2S2R, transforme une tâche physique unique en une multitude de mondes interactifs simulés. Ce dispositif a permis d'entraîner des politiques de manipulation robotique complexe sans aucune donnée d'apprentissage tirée du monde réel, les faisant fonctionner ensuite de manière autonome pendant des heures sur des machines physiques. L'expérimentation a couvert des câbles déformables, des boîtes articulées et des tâches de saisie d'objets dans le désordre. Pour un laboratoire de robotique, cette approche dispense de mobiliser des équipes pour réinitialiser manuellement les objets sur un banc d'essai matériel après chaque échec d'exécution.

La simulation logicielle remplace le banc de test matériel

L'évaluation sur matériel physique constituait le goulot d'étranglement majeur de l'apprentissage robotique, imposant des délais de manipulation prohibitifs et des coûts d'usure mécanique constants. Le moteur R2S2R permet désormais de tester des milliers de conditions limites en environnement virtuel avant le moindre déploiement réel. Les résultats obtenus sur une tâche de passage de cube à deux bras ALOHA démontrent que les politiques qui obtiennent les meilleurs scores en simulation sont également celles qui réussissent sur les machines physiques. Le simulateur prédit avec exactitude les régions de défaillance, tant pour les positions d'objets incluses dans la distribution d'entraînement que pour celles situées en dehors. Pour les concepteurs de systèmes autonomes, ce filtre numérique réduit les sessions de validation matérielle aux seuls points de contrôle dont le comportement a déjà été vérifié.

Comme les LLM peuvent prédire le jeton suivant à partir d'une ligne de texte, Atlas, entraîné à partir de zéro, peut prédire la vue suivante à partir d'une entrée d'images 2D, surpassant les résultats de l'état de l'art même face à des modèles spécialisés.

Fei-Fei Li Cofondatrice de World Labs et Executive Vice President chez AMD

Même si le moteur R2S2R parvient à simuler des objets déformables et articulés, les tests publiés se concentrent sur des tâches délimitées comme le transfert de cube avec ALOHA, sans prouver la généralisation à des contextes industriels ouverts non contrôlés.

Pour un bureau d'études ou une entreprise indépendante sans moyens de calcul massifs, l'opération n'exige aucune action immédiate. Les technologies Atlas et R2S2R restent pour l'heure des briques de recherche et des architectures logicielles propriétaires intégrées chez AMD, sans offre commerciale autonome ni grille tarifaire fixée à ce jour.

Quel rôle prend Fei-Fei Li au sein d'AMD ?

Elle devient Executive Vice President et Chief Scientist au sein d'AMD, où elle pilote les équipes de recherche en travaillant directement avec la directrice générale Lisa Su.

Qu'est-ce que le moteur R2S2R développé par World Labs ?

Il s'agit d'un système qui convertit une scène réelle capturée en simulation interactive, permettant d'entraîner et d'évaluer des modèles de manipulation robotique sans collecter de données physiques préalables.

  • AMD acquiert World Labs, fondée en 2024 par Fei-Fei Li, pour un montant de 8,2 milliards de dollars.
  • Le modèle Atlas résout la reconstruction 3D parcimonieuse en prédisant de nouvelles vues de caméra à partir d'images 2D.
  • Le moteur R2S2R de World Labs permet d'entraîner des robots physiques entièrement en simulation sans données réelles.

Suivre ce secteur

Sources