Ang AMD (AMD.US) na lumampas sa trillion-dollar market value ay nagsimula nang makipag-agawan sa "karapatan sa pagtukoy ng computing power"! Opisyal na inihayag ang $8.2 bilyong pagkuha sa World Labs na itinatag ni Li Fei-Fei

Nakakuha ng impormasyon ang APP ng Pananalaping Zn na inilathala, na ang pinakamalakas na kakumpitensya ng Nvidia sa AI GPU—ang AMD (AMD.US), ang nangunguna sa high-performance na chips para sa PC at AI datacenter sa Estados Unidos na kamakailan lang ay unang lumampas sa $1 trilyong market cap at patuloy na nagtataas ng presyo ng stock—ay biglaang inanunsyo nitong Lunes, oras ng Eastern US, ang $8.2 bilyong pag-aakuisisyon sa AI startup na World Labs na itinatag ng “Ina ng AI” Fei-Fei Li. Ayon sa balita, planong bilhin ng AMD, sa pamumuno ni Lisa Su, ang World Labs sa pamamagitan ng $8.2 bilyong all-stock deal, isinasama ang isa sa mga pinakapangunahing puwersang R&D ng AI sa larangan ng world model at spatial intelligence sa pinagsamang business blueprint ng chip supergiant na ito.

Inaasahang makukumpleto ang malakihang acquisition deal na ito bago matapos ang 2026, ngunit kailangan pa ring makakuha ng pahintulot mula sa mga pangunahing regulatory agencies; batay sa pahayag ng dalawang partido, kapag natapos na ang mga kinakailangang proseso, si Fei-Fei Li ay magiging Executive Vice President at Chief Scientist ng AMD, at tuwirang mag-uulat ng progreso ng trabaho kay CEO ng AMD na si Lisa Su.

Sa simpleng salita, ang di-inaasahang pangunahing value ng strategic acquisition na ito para sa mga mamumuhunan ay ang layunin ng AMD na gayahin ang Nvidia (NVDA.US)—ang global company na may pinakamataas na market cap at pinakamalakas na kakumpitensya sa AI chips—sa mas malalim at mas siksik na pagsasama ng cutting-edge na R&D ng AI large models sa chip, software, at AI system design. Lalo na ngayong nagpapasiklab ang AI agent wave na pinamumunuan ng Meta Muse at OpenAI GPT-6 Astra, habang tumatawid ang AI tech mula simpleng pagsagot ng tanong papunta sa awtonomong pagsasagawa ng napakakumplikadong tasks, nais ng AMD na maagang maunawaan ang susunod na henerasyon ng AI workload upang makapagdisenyo ng mas angkop na supercomputing platform—na nangangahulugan ding i-challenge ang “compute power definition right” na kasalukuyang pag-aari lang ng Nvidia; nais ng AMD na, sa pamamagitan ng pagkuha ng pinakapangunahing computational requirements ng mga cutting-edge models, makilahok nang mas maaga sa susunod na henerasyon ng chip at system architecture design.

Ayon sa mga pampublikong tala, ang World Labs ay isang AI startup na tumututok sa spatial intelligence at world models, na ang pangunahing negosyo ay gawing posible para sa mga makina na makita, mag-generate, mag-reconstruct, at mag-simulate ng three-dimensional na mga environment. Maaaring mag-generate ang kanilang Marble product ng mga 3D world na pwedeng galugarin batay sa teksto, larawan, o video; ang bagong henerasyong Atlas model na inilabas noong Setyembre ay higit pang nagsasama ng 3D reconstruction, viewpoint generation, at spatiotemporal simulation. Pinaigting rin ng kumpanya ang simulation technology para sa robotics sa pamamagitan ng pag-aakuisisyon sa SceniX, itinutulak ang R&D workflow mula “tunay na environment—virtual training—real world deployment” para sa application domains ng robotics large models, advanced physics, digital content, at industrial scenarios.

Mula sa pagiging challenger ng Nvidia GPU patungo sa R&D ng AI large models, balak ng AMD na bilhin ng $8.2 bilyon ang World Labs na itinatag ni Fei-Fei Li

Pumayag ang American chip giant Advanced Micro Devices (AMD) na bilhin ang World Labs sa halagang $8.2 bilyon, isasama ang startup na itinatag ng AI pioneer at beteranong researcher na si Fei-Fei Li.

Ayon sa joint statement na inilabas ng dalawang kumpanya nitong Lunes, ang malaking all-stock deal ay inaasahang makukumpleto bago matapos ang taon, ngunit kailangang makuha ang regulatory approval.

Bilang pinakapangunahing challenger ni Nvidia sa AI chip market, makukuha ng AMD ang isang team na binubuo ng mga top researchers at ang kanilang foundational tech para sa AI large models, na magbibigay-daan para sa mas malalim na pag-unawa sa direksyon ng developments sa AI large model tech. Dapat makatulong ito para sa mga hinaharap na plano ng kumpanya hinggil sa paglulunsad ng serye ng mahahalagang hardware para sa AI infrastructure.

“Habang mas malalim ang pag-unawa mo sa end-to-end na proseso, mas magandang system ang magagawa mo,” sabi ni AMD CEO Lisa Su sa panayam noong Lunes. Naipalabas ang panayam noong hapon, lokal na oras.

“Ito ang dahilan ng pagbili namin sa World Labs,” dagdag ni Lisa Su, “Gusto naming makuha ang world-class AI large model talent na pinangunahan ni Fei-Fei Li, at i-combine sila sa kakayahan ng AMD pagdating sa hardware, software, at systems.”

Nagde-develop ang World Labs ng tinatawag na “world models”—malalaking AI software platforms na sumusuporta sa pangunahing trend ng tunay na pisikal na application ng AI. Mabilis at eksaktong nakaka-generate at nakakapag-reconstruct ang mga modelong ito ng three-dimensional environments. Ayon sa AI startup, magagamit ang ganitong kakayahan sa robotics, scientific discovery, at new-generation na factory equipment para sa mas mabisang operations.

Dati ring naging CEO ng World Labs si Fei-Fei Li, kilalang researcher at computer scientist ng Stanford University. Ayon sa kasunduan, sasama siya sa AMD bilang Executive Vice President at Chief Scientist, at direktang mag-uulat kay Lisa Su.

“Habang lumalago ang kumpanya, lumalaki rin ang aming mga ambisyon,” sabi ni Fei-Fei Li sa interview nitong Lunes. Binigyang-diin niya na nagdudulot din ito ng mas mataas na demand sa computation power para sa startup.

“Sa yugtong ito, kung makikipagsosyo kami sa AMD, talagang nililikha namin ang significant opportunity for growth para sa amin, sa AMD, at sa buong AI ecosystem—pinapabilis nito ang synergy ng software at hardware development,” paliwanag niya sa panayam.

Magbibigay-daan ang deal para sa AMD na, gaya ng pamumuno ni Jensen Huang sa Nvidia, magbigay ng iba’t ibang AI large models sa mga kliyente, pinapalakas ang product at service lineup nito. Palawak ang kanilang product offerings para makabenta ng mas maraming produkto at serbisyo sa datacenter clients; kasalukuyang sila ang pinakamalaking pinagmumulan ng kita. Ang pinakabagong business philosophy: mag-supply ng kumpletong elements na kailangan para mabilis itayo at paganahin ang mga pangunahing AI facilities na ito.

“Sa hinaharap, magkakaroon ng open models at proprietary models,” sabi ni Lisa Su, “Palagi nang nagbibigay ang AMD ng ambag sa larangang ito. Sa tingin ko, patuloy nating palalakihin ang ambag na iyon.”

Idinagdag pa ni Lisa Su, ang ultimate goal ay gumawa ng mas mabuting artificial intelligence. “Ambisyon naming tukuyin ang landas ng hinaharap ng AI computing.”

Ang mas malaking kakumpitensya ng AMD sa AI chip, ang Nvidia, ang unang gumamit ng bundled scheme sa AI infra core equipment, AI cloud computing services at large models, at AI chip compute hardware, tumulong sa mga kliente na mabiling makapagsimula at makatakbo ng AI large model systems/platforms. Ginagamit din ng Nvidia ang estratehiyang ito para palawakin ang range ng kliente, lampas sa mga cloud computing giants na hanggang ngayon ay nagbibigay ng karamihan sa kanilang paglago.

Kamakailan lamang, pumayag din ang Nvidia na bilhin ang Hugging Face—isang kilalang AI startup—sa halagang $13 bilyon. Ang Hugging Face ay katumbas ng “GitHub sa larangan ng AI models,” na nag-uugnay ng models, datasets, developer tools, business clients, at mga developer. Pagkatapos ng acquisition, magagawang i-complete ng Nvidia ang mga bahaging “model discovery—evaluation—optimization—deployment” sa ibabaw ng GPU, NVLink neural network, CUDA software stack, at AI systems, mas natural na maka-aangkop ang open models sa kanilang ultra-large scale AI training at inference platform, habang mas maagang nalalaman kung anong model architectures at workloads ang bubuuin para sa susunod na demand sa compute power.

Itinatag ang World Labs noong 2024 at kasalukuyang may halos 70 empleyado, kabilang ang isang robot expert team mula sa nakuha nilang SceniX noong Hulyo. Ang SceniX ay isang startup na gumagawa ng software para matutong magsanay ang mga robot sa napakatotoong virtual na mundo.

Sa 12 taon ng pamumuno ni Lisa Su sa AMD, ang US-based chip giant ay masigasig na nakakuha ng pagkilala para sa teknikal na kakayahan nito, at unti-unti nang tinatanggal ang imahe bilang tagasunod sa Silicon Valley. Sa pangunahing market nito ng processors, tuluyan nang naungusan ng AMD ang Intel, at ngayon ay may serye ng PC at datacenter CPUs na itinuturing na industry best.

Sa AI accelerator market (AI chip market para sa training at pagtakbo ng AI models), pangalawa pa rin ang AMD sa market share, at lumayong di-hamak sa halos 90% share ng Nvidia. Pero, sunod-sunod na naglalabas si Lisa Su ng mga bagong AI infra products, at ipinagmamalaki niyang tatalunin nito ang AI GPU product lines ng mas malaking kakumpitensya.

Tinuturing ng mga mamumuhunan na isa ang AMD sa pinakamalaking benepisyaryo ng walang kaparis na trilyon-dollar capital expenditure sa AI, dahilan para halos triple ang stock price nito ngayong taon. Dulot nito, umabot sa $1 trilyon ang market cap ng AMD, at kabilang lang ito sa 13 pinakamalalaking tech giants kabilang ang Nvidia at Apple na nakapaloob dito.

Nananatiling pinakamalaking kumpanya sa mundo ang Nvidia na may higit $5 trilyong market cap. Pero tumaas lang ang stock price nito ng mahigit 22% ngayong taon, at ang kasalukuyang performance mula 2026 ay mas mahina kumpara sa halos lahat ng sikat na chip/semiconductor listed companies, at malaki rin ang giangd sa Philadelphia Semiconductor Index, na tinuturing na “gauge ng AI compute infrastructure.”

Helios: Pagtugon sa Kasalukuyan, Pagpaplano ng World Models para sa Hinaharap: Mula pagbebenta ng compute power, lumalawak ang ambisyon ng AMD sa pakikibahagi sa pagde-define ng compute power ng AI

Noong Setyembre 21, unang nalampasan ng AMD ang $1 trilyong market cap, at sa nakalipas na taon, mahigit 200% ang itinaas ng stock price nito, dulot ng sabayang revaluation ng market sa AI accelerators nito at datacenter server CPUs para sa malakas na paglago sa hinaharap.

Ang pinakamalakas na challenger ng Nvidia GPU ecosystem, ang AMD, ay mabigat na inanunsyo kamakailan sa Global Technology Conference ng Citigroup na lumalawak na ang AI datacenter accelerated computing market size papuntang $2 trilyon (mula dating $1 trilyong estimate), at binigyang-diin na ang AI inference demand ang pangunahing pinanggalingan ng paglago sa需求 para sa AI compute power, at dinoble ng agent-based AI workflows ang demand para sa GPU at server CPUs.

Sinabi ng AMD sa conference na ang Meta at dalawang iba pang AI labs—ang tatlong pangunahing Helios clients—ay nagbigay ng procurement forecasts na mas mataas kaysa sa unang expectations sa pagsisimula ng strategic partnership. Kasabay nito, inaasahan ng kumpanya na aabot sa mahigit 80% ang paglago ng server CPU business sa second half ng taon at mahigit 70% sa susunod na taon. Malaki ang suporta ng kombinasyong ito sa patuloy na expansion ng demand para sa compute power, ngunit dahil nakatuon sa malaking taas ng client demand forecast, hindi ito puwedeng ituring lahat na irrevocable na compute infrastructure orders. Ang Helios ay rack-level AI compute system ng AMD, at ang Meta ng Facebook ay isa sa pangunahing kliyente nito.

Kailangang linawin, tinataya ng AMD na halos $2 trilyon ang kabuuang compute market pagsapit ng 2030, kabilang ang datacenter, PC, edge, at embedded fields, kung saan $1.4 trilyon ay para sa datacenter AI accelerators, at $220 bilyon naman para sa server CPUs.

Lalo pang kapansin-pansin ang masiglang pagpapatupad ng AI compute power demand, sinabi ng AMD management sa Citigroup meeting na ang Meta, OpenAI, at Anthropic, ang tatlong pangunahing clients, ay nagbigay ng demand forecasts na lampas pa sa inaasahan noong simula, at maging ang 2027 demand forecast para sa Helios ay mas mataas kaysa orihinal na projection ng AMD. Inaasahan ng management na magsisimula ng initial shipment ng MI450 at Helios sa dulo ng Q3, at magpapatuloy ang expansion ng deliveries sa Q4 at 2027; dati nang tinataya ng kumpanya na lolobo ng mahigit 100% year-over-year ang datacenter revenue sa 2027, at tataas ng mahigit 80% at 70% ang server CPU revenue sa ikalawang hati ng 2026 at 2027. Ang high-margin CPU business ay inaasahang magbibigay suporta sa overall profit, samantalang dadagdagan ng kooperasyon sa Cerebras ang low-latency inference capability.

Ang mga intelligence agent applications na pinangungunahan ng Muse at Astra ang nagsisilbing konkretong workload foundation ng expansion na ito: isang utos ang kayang mag-trigger ng browser operation, code execution, data retrieval, multiple-round reasoning, at result verification. GPU ang bahala sa model computation, CPU naman ang sumusuporta sa virtual machine, task orchestration at tool execution, memory at storage ang nag-iingat ng context, files at running state. Kapag ang AI super app platform ay lumabas pa sa screen papuntang robotics at physical environment, magdadagdag pa ng compute demands ang 3D scene generation, environment simulation, at multi-path action evaluation; ngunit ang aktuwal na lawak ng paglago ay nakasalalay pa rin sa scale ng tasks, modelo ng kahusayan, at deployment methods.

Pinapagana ng Muse ang cross-application tasks sa pamamagitan ng dedicated cloud virtual machine at browser, at maaring ipagpatuloy ang trabaho kahit hindi bukas ang app ng user; pinapalakas naman ng Astra ang kakayahan sa computer operations, software engineering at multi-step professional work. Kapag kayang kumpletuhin ng AI ang research, programming, shopping, at workflow automation, lalaki ang singil na puwedeng kolektahin mula sa simplified output patungo sa completed deliverable. Sa business growth logic, mas mataas na task success rate at mas mababang cost ng completion ang magtutulak sa enterprises at consumers na palawakin ang paggamit, na susuporta sa paglago ng subscription, usage-based payments at infrastructure-related revenue forecasts.

Ang ganitong expansion ng applications patungong compute capacity ay sumasaklaw sa complete computing system: ang GPUs at iba pang AI accelerators ang bahala sa model computation, kumuha ang CPU ng mga browser, code execution, virtual machines, tool calls at task orchestration; ang pagdami ng model weights, context at sabayang session ay nagtataas ng mabilis na memory demand, at ang task files, long-term memory at cache na angkop para sa tiered storage ay tumataas ang DRAM at enterprise SSD demand. Nabanggit sa engineering analysis ng Nvidia na ang bilis ng tool execution ng CPU ay nakakaapekto sa workflow throughput ng AI agent, at ang KV cache ay maaring hierarchical na pamahalaan sa GPU memory, CPU memory, at storage depende sa use case.

Ito rin ang dahilan kung bakit pabor ang mga higanteng Wall Street tulad ng Goldman Sachs at Jefferies sa mabilisang penetration ng AI applications at patuloy na expansion ng US stock market earnings sa ilalim ng AI compute power surge; habang tumataas ang AI agent penetration rate, asahan din ang sabayang pagtaas ng demand para sa compute, memory, storage, at optical interconnect sa AI infra core fields.

Kamakailan inihayag ng banking giant na Jefferies na, dahil sa AI investment frenzy at better-than-expected corporate earnings, inaasahang aabot sa 8,000 points ang S&P 500 Index bago matapos ang 2026, at posibleng umabot pa sa 9,000 sa 2027. Malinaw at matibay ang core logic ng Jefferies: sa cycle na driven ng AI na lumalampas ng higit sa dalawang beses sa historical average na earnings growth, mapanganib na kontrahin ang earnings trend. Nakabatay ang S&P 500 Index target na 8,000 points para 2026 sa EPS na $373 (35% year-over-year growth, mas mataas sa consensus na 29%) at 21.5x PE multiple.

Mula sa engineering at investment perspective, sa ilang antas maaaring ilarawan ang akuisisyong ito na lalo pang nilalayon ng AMD na patunayan ang “AI foundational compute power definition right” na pinangungunahan ni Nvidia—ang maagap na pag-alam kung anong hardware ang kailangan ng mga models. Gamit ang multimodal autoregressive diffusion architecture, ang Atlas ay may matrix computation, spatial context management, at iterative generation na may iba’t ibang requirement sa compute throughput, memory bandwidth, at scheduling efficiency; maaaring i-feedback ng AMD ang mga aktwal na kinakailangang ito sa Instinct GPU, EPYC CPU, ROCm software, at rack design. Dati nang may optimization collaboration ang parehong panig para sa Instinct, at mas didiretso pa ito ngayon dahil sa acquisition. Para sa shareholders o investors, nakatuon ang long-term value sa kung maililipat ba talaga sa mas mababang task completion cost, mas mabilis na client deployment, at mas matataas na product adoption rates ang mga gawaing ito.