AMD以82亿美元全股票形式收购World Labs，这一重磅交易搅动整个具身智能与世界模型赛道。这家成立不足两年、尚未实现营收的企业获得高额收购，本质不是资本盲目追捧概念，而是行业看到4D世界模型已经走到规模化扩张的关键拐点。

4D世界模型，即三维空间叠加一维时间，与大语言模型处理一维文本、视频模型处理二维图像形成明显区分。从底层逻辑看，真实世界所有物理规则都运行在四维时空之中，依靠二维像素数据训练AI，很难理解遮挡、布料形变、流体运动等物理现象，容易出现穿模、误判背景干扰等问题。而4D建模可以直接对齐现实世界的时空逻辑，让模型学习真实的物理因果，减少幻觉与无效相关性干扰，这也是众多企业押注该赛道的底层动因。

World Labs新模型Atlas实现的核心突破，就是依靠稀疏视角摄像头完成4D数据生成。过去高精度4D采集依赖数十个摄像头、高端服务器，设备成本高达百万元，训练一次数据耗时长达一天，根本无法部署到真实场景。稀疏视角技术的出现，打破了海量4D数据采集的桎梏，仅用少数摄像头就可以产出4D内容，意味着技术可以走出实验室，走向工厂、家庭等真实环境。同时外部竞品加速追赶，留给创业公司小步迭代的时间窗口被压缩，需要大厂算力、资本加持完成工业化规模化，这也是AMD重金收购的核心逻辑。

国内企业影身智能与World Labs在技术路线上不谋而合，同样选择稀疏视角生成4D，但是走出不一样的落地路径。团队持续做技术“减法”，将采集设备从80个摄像头压缩至4‑6个普通摄像头，算力需求从两台八卡服务器降低到普通消费级GPU，训练渲染时间由一天压缩到几十毫秒的准实时级别。不同于行业普遍采用的Real‑to‑Sim‑to‑Real方案，影身智能选择Real‑to‑Real直接通路，跳过仿真模拟器环节。仿真环境依赖人工设定规则与简化假设，天然存在Sim‑to‑Real现实鸿沟；直接真实世界到4D输出，依靠模型隐式学习物理规律，规避仿真带来的泛化缺陷，但该路径的核心挑战转变为如何获取足够多的高质量4D监督数据。

为了解决数据来源，影身智能搭建起一套数据飞轮体系：先用初始高精度4D数据集训练初代模型，依靠模型能力降低采集门槛，采集更多真实场景数据反哺迭代下一代模型，把大模型作为“数据冶炼引擎”，替代传统人工标注、仿真生成的模式。在场景选择上，企业优先切入制鞋这类柔性工业产线。刚性物体场景包含的物理信息有限，而布料形变、柔性工件操作蕴含大量复杂物理规律，可以产出高价值训练数据。目前这套4D驱动的机器人已经实现毫米级作业精度、99.9%良率，国内收获数亿元订单，海外销往越南、埃及、土耳其等多国，同时4D直播、4D互动内容也已经公开亮相。

AMD大手笔收购，对整个4D赛道而言是一次重要的信用背书。过去4D世界模型属于相对小众的方向，企业需要反复向市场论证路线可行性。资本与芯片大厂用真金白银证明，稀疏视角4D生成是具备巨大潜力的未来方向。当然赛道远未到成熟时刻，技术路线尚未完全收敛，海量高质量4D数据供给依旧是行业共同卡点。

放眼未来两到三年，4D世界模型赛道将同时推进工业与数字文娱两大方向。一方面持续深耕服装鞋帽等柔性制造，用4D智能赋能工业机器人；另一方面拓展4D直播、互动游戏、虚拟演出等消费场景。国内团队计划推出开源版本的4D基座能力，降低行业使用门槛，联合更多生态伙伴挖掘4D技术的可能性。当4D世界模型完成从0‑1突破，下一步比拼的，就是真实场景落地能力与源源不断的数据生产能力。