全球AI界有兩位大神，一男一女，剛好都是華人。男生就是黃仁勛，家喻戶曉了；女生李飛飛，人稱AI教母，如果沒有她，AI的發(fā)展進(jìn)程，可能還會晚個一二十年。

她創(chuàng)辦的ImageNet，是全球第一個大型AI數(shù)據(jù)庫，是AI視覺研究的基石。

她33歲成為斯坦福終身教授，45歲成為美國三大權(quán)威科學(xué)院的院士，在AI界更是桃李滿天下，英偉達(dá)、谷歌、OpenAI，都有她的高徒。她還擔(dān)任過谷歌副總裁，推動成立了谷歌AI中國中心。

今天，一口氣帶你認(rèn)識李飛飛。

先說家世。

1976年，李飛飛出生在北京的一個知識分子家庭。

爸爸是工程師，媽媽是人民教師。這樣的家庭，按說應(yīng)該拼命雞娃。

而李飛飛的童年卻沒有這些，而且她爸爸在世俗眼里還有點(diǎn)“不著調(diào)”。

比如李飛飛這個名字的由來，就很有戲劇性。李飛飛出生當(dāng)天，爸爸因?yàn)樵诠珗@看鳥忘了時間，錯過了孩子的出生時刻。回家后要給孩子起名，他還滿腦袋都是鳥，孩子就叫“飛飛”吧。

成為新手爸爸后，他也沒有為人父的壓力和焦慮，什么奧數(shù)班英語班，都靠一邊，他只想著帶孩子瘋玩。

比如帶飛飛去公園看鳥，去田里捉昆蟲，還會找來各種零件，DIY自行車，載著飛飛到處逛。

李飛飛后來回憶說，爸爸就是個迷失在成年人身份中的大孩子。

爸爸的“不著調(diào)”，本質(zhì)上是純粹的好奇心，這反而成為李飛飛的科學(xué)啟蒙。以至于上完物理課，她騎自行車轉(zhuǎn)彎時，都要思考加速度和角動量的變化。

如果說爸爸培養(yǎng)起了飛飛的好奇心，那媽媽就是拼盡了全力保護(hù)她的求知欲。

上初中時，有次飛飛被叫了家長，班主任說：別人家孩子都看奧數(shù)、背單詞，再不濟(jì)的也翻翻《意林》《讀者文摘》，記點(diǎn)作文素材，你家孩子看的都是什么？《不能承受的生命之輕》，海洋生物之謎、UFO……這些又不能提高分?jǐn)?shù)，你作為家長的怎么不管管？

老師倒是一片苦心，可飛飛媽媽不干了，她直接回懟：我家孩子就愛看這些書，有問題嗎？老師被噎得說不出話來。

飛飛不只是愛看閑書，上學(xué)時她還把頭發(fā)剪得跟男生一樣短，天天跟一群男生聊戰(zhàn)斗機(jī)和UFO。

過了倆月，老師又找上門了，說飛飛天天打扮得跟個男生似的，沒有一點(diǎn)女孩子的樣子，不能仗著腦瓜聰明就不守紀(jì)律。

這次媽媽也沒慫，她說：飛飛首先是一個獨(dú)立的個體，然后才是女孩。

這件事也讓她開始思考，這樣的教育環(huán)境，是飛飛想要的嗎？這是我對她的期望嗎？也許飛飛和我一樣，都不屬于這里。

沒過多久，夫妻倆就辭去工作，全家到美國新澤西州定居，飛飛的人生從此發(fā)生巨變。

除了父母，李飛飛家還有位特殊的成員，那就是她在異國他鄉(xiāng)的避風(fēng)港，薩貝拉老師。

1992年，15歲的李飛飛來到美國。黃皮膚、亞洲人、語言不通，這幾個因素一疊加，幾乎預(yù)告了李飛飛艱難的求學(xué)路。好在她遇到了數(shù)學(xué)老師薩貝拉。

有次數(shù)學(xué)考試，李飛飛得了89.4分，90分才能拿A，就差0.6。從小就是尖子生的李飛飛很難受，她去辦公室找薩貝拉老師通融，結(jié)果被直接拒絕。薩貝拉說：想要A，只能靠你自己努力，其他免談。

看著是吃了閉門羹，但李飛飛一點(diǎn)沒往心里去，反而激發(fā)了她的好勝心。她天天往辦公室跑，一邊練口語、一邊學(xué)數(shù)學(xué)。一次她讓薩貝拉推薦幾本書，老師推薦了自己喜歡的科幻小說，結(jié)果李飛飛剛好讀過，從此倆人靠著這個共同愛好打開了話匣子，越聊越投機(jī)。從分享書籍聊到家長里短，李飛飛還時不時跑到老師家里蹭飯，相處的跟自家人一樣，薩貝拉老師也把飛飛當(dāng)干女兒。

飛飛考上大學(xué)，他幫著研究入學(xué)文件；飛飛母親生病，他幫著聯(lián)系醫(yī)院；飛飛一家想開干洗店，他更是大手一揮，借出去好幾萬美元。

在爸爸媽媽和老師的幫助下，李飛飛考上著名的藤校普林斯頓。與其說李飛飛改變了世界，不如說這三個她最感謝的人，共同托舉起了一個天選科學(xué)家。

那李飛飛是怎么成長為科學(xué)家的呢？她又為什么在AI界有這么高的地位呢？

先做個輕科普，新一代AI技術(shù)有三大基石，GPU、神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)集。GPU提供算力，神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)算法，數(shù)據(jù)圖集則是訓(xùn)練的資源。

AI史上第一個數(shù)據(jù)圖集ImageNet，正是李飛飛20年前帶隊(duì)完成的。

下面我來帶你復(fù)盤一下ImageNet的誕生記。

回到2000年，24歲的李飛飛面臨人生的一個分水嶺，是成為拿著高薪的華爾街精英，還是繼續(xù)完成心中的科研夢想。李飛飛選擇了后者。

從普林斯頓畢業(yè)之后，她來到加州理工繼續(xù)求學(xué)，成為錢學(xué)森和錢偉長的學(xué)妹，主攻的正是AI和視覺識別。

當(dāng)時AI研究已經(jīng)停滯了很多年，科學(xué)家們前赴后繼地努力提升模型和算法，卻一無所獲。

但李飛飛意識到，只關(guān)注模型和算法沒有用，還得把數(shù)據(jù)重視起來。這跟學(xué)數(shù)學(xué)一樣，光訓(xùn)練邏輯思維沒用，你要讓他做足夠多的題。

比如你想讓機(jī)器識別出更多圖片，就得先讓機(jī)器學(xué)習(xí)海量標(biāo)注好的圖片。

但問題是，這些素材圖片從哪來？當(dāng)時可沒有現(xiàn)在的技術(shù)發(fā)達(dá)，敲個代碼就能搞定。沒有別的辦法，只能一個個手動收集。

于是在加州理工，她帶著幾個本科生，手敲出來一個有101個分類、9000多張圖片的數(shù)據(jù)集，叫Caltech101，在科研圈引發(fā)了不小的關(guān)注。

有了成績之后，李飛飛想要繼續(xù)完善這個數(shù)據(jù)庫，好推動進(jìn)一步的研究。

但這個想法立馬被同行們潑了一盆冷水。因?yàn)楫?dāng)時在AI圈，算法才是絕對C位，數(shù)據(jù)集基本沒人關(guān)注。

一連串的質(zhì)疑也讓她無力反駁：怎么做？你有計(jì)劃嗎？能做成嗎？靠譜嗎？

他們倒不是打擊飛飛，而是視覺識別這個科研方向太冷門了，不但拉不到經(jīng)費(fèi)，還可能因此一輩子評不上教授。

而且要想實(shí)現(xiàn)李飛飛的設(shè)想，需要的圖像分類可就不是101個了，而是3萬個。

光是上百個分類，他們就加班加點(diǎn)干了好幾個月，如果沒有資金支持，按這個進(jìn)度，三萬個至少要干上百年！這是李飛飛遇到的第一個坎兒。

不過在一片質(zhì)疑聲之外，李飛飛也遇到了一位支持者，李凱。他和李飛飛是普林斯頓計(jì)算機(jī)科學(xué)系教師中唯二的中國移民。

之所以他會站出來支持，不僅僅是因?yàn)橥侨A人，而是李凱本來就是這方面的專家，還是一位成功的創(chuàng)業(yè)者，不差錢。

商人加學(xué)者的雙重身份，讓他篤信大規(guī)模數(shù)據(jù)集的未來。李教授不僅捐了一套工作站（一種計(jì)算機(jī)）給李飛飛團(tuán)隊(duì)，還把自己的學(xué)生鄧嘉推薦給了她。

2007年，在李教授和鄧嘉的支持下，李飛飛的數(shù)據(jù)集終于正式啟動，這就是ImageNet。

她規(guī)劃了22000個類別，每個類別配1000張圖，一共2200萬張。這還只是成品，為了選出這2200萬張，需要先找到至少10億張。

這工作量絕對是天文數(shù)字，好在找圖、標(biāo)注沒啥技術(shù)含量，他們雇了一群本科生，每小時10美元，做一個無情的標(biāo)注機(jī)器。

但即便如此，ImageNet完工也得整整19年。

為了提高效率，李飛飛和鄧嘉想了不少辦法，比如優(yōu)化圖片下載流程，原本需要點(diǎn)三下鼠標(biāo)，給它壓縮到一下搞定；再比如自動在谷歌輸入圖片類別，提高下載速度。

一頓操作猛如虎，到頭來，預(yù)計(jì)只能把19年的開發(fā)周期壓縮到18年，還因?yàn)橄螺d太多，被谷歌封了賬號。

其實(shí)要提速也簡單，撒錢招人就行了，但每小時10美元是個天文數(shù)字，而且他們也沒有多大的辦公場地可用。ImageNet再次陷入了僵局，這是李飛飛遇到的第二個坎兒。

在絕望之下，李飛飛茶不思飯不想，甚至想過開幾家干洗店，一邊賺錢一邊養(yǎng)開發(fā)。不過好在幸運(yùn)女神再次眷顧了她。

一個叫孫民的研究生有一天突然找到她，說有種工作模式叫眾包，就是可以遠(yuǎn)程分配工作，全世界的人都可以同時參與，而且價格絕對比線下找本科生便宜，亞馬遜就有這種服務(wù)，正好可以解決李飛飛的問題。

聽到這個消息，她立馬轉(zhuǎn)向眾包模式，團(tuán)隊(duì)的標(biāo)注員開始指數(shù)級增長。最多時有來自167個國家的4.8萬人參與，開發(fā)時間也從十幾年縮短到5年、2年和不到1年，勝利就在眼前，但很快，李飛飛發(fā)現(xiàn)口袋里又沒錢了，研究資金再次告急。這是李飛飛遇到的第三個坎兒。

她到處洽談投資合作，最后斯坦福拋來了橄欖枝，而代價則是讓他們整個團(tuán)隊(duì)搬到斯坦福所在的加州。

本來已經(jīng)安居樂業(yè)的李飛飛，要離開工作生活了十幾年的地方，再次陷入兩難。有母校，有親人朋友，有熟悉的工作環(huán)境，但當(dāng)李飛飛看到跟著自己奮斗好幾年的同事們，李飛飛最終決定冒險一把。

2009年初，李飛飛帶團(tuán)隊(duì)跳槽到斯坦福，當(dāng)年6月，ImageNet的初始版本問世，收錄了1500萬張圖片，涵蓋22000個類別，而且每張圖片都經(jīng)過了手工標(biāo)注，并在層次結(jié)構(gòu)中進(jìn)行了組織，經(jīng)過了三重驗(yàn)證，建立起人工智能史上最大的人工編輯數(shù)據(jù)集。

回首看，ImageNet的完成，除了李飛飛團(tuán)隊(duì)的日夜辛苦，還要?dú)w功于當(dāng)時互聯(lián)網(wǎng)、數(shù)碼相機(jī)、搜索引擎等等更多技術(shù)的融合，所有這些大時代里的趨勢匯集到一起，相互成就，才促成了最后的成功。

但是回到2009年，ImageNet的誕生跟“科研碩果”、“改寫歷史”這些詞一點(diǎn)都沾不上邊，李飛飛帶著ImageNet去參加計(jì)算機(jī)視覺與模式識別大會，結(jié)果被忽視，只在會場邊上的海報上展示一下，幾乎無人問津。

后來她想到辦比賽，號召全球的AI算法從業(yè)者，用ImageNet訓(xùn)練他們的模型，最后比一比誰的效果最厲害。

這樣既能提高知名度，還能在各類算法模型的測試中優(yōu)化自己，一箭雙雕。

但2010年5月首屆比賽的結(jié)果公布后，她的心又涼了半截，獲勝的算法團(tuán)隊(duì)，還是當(dāng)時公認(rèn)的行業(yè)標(biāo)準(zhǔn)，成績也沒比在其他數(shù)據(jù)集訓(xùn)練的好多少。

到第二屆，報名人數(shù)差點(diǎn)腰斬，比賽結(jié)果跟第一年也差不多。

李飛飛一度懷疑自己是不是錯了。

直到2012年8月，第三屆比賽的結(jié)果出爐，獲勝的是一個神經(jīng)網(wǎng)絡(luò)算法團(tuán)隊(duì)，而且準(zhǔn)確率比上屆冠軍高10%。

所有人都震驚了，因?yàn)樯窠?jīng)網(wǎng)絡(luò)并不是當(dāng)時正統(tǒng)的算法，甚至有點(diǎn)“老古董”的感覺。

這就好比一個名不見經(jīng)傳的老頭，一下?lián)魯×烁鞔箝T派，拿下了武林盟主。

李飛飛當(dāng)即決定，必須要親自見見這個團(tuán)隊(duì)，看看到底是何方神圣。

而這個團(tuán)隊(duì)的老大我們都很熟了，就是拿下2024年諾貝爾物理學(xué)獎的辛頓教授。

辛頓教授團(tuán)隊(duì)開發(fā)的算法模型AlexNet，在這次比賽中的識別準(zhǔn)確率達(dá)到85%，創(chuàng)下世界紀(jì)錄。更奇怪的是，AlexNet屬于卷積神經(jīng)網(wǎng)絡(luò)，這是一個20多年都沒什么進(jìn)展的算法方向，這次究竟是出現(xiàn)了神跡，還是辛頓撞了大運(yùn)？都不是，這其實(shí)是科學(xué)界的一次風(fēng)云際會。

簡單說，神經(jīng)網(wǎng)絡(luò)的思路相當(dāng)于模擬人腦，模擬生物進(jìn)化。比如視覺識別，別的算法都是預(yù)先決定先找圖片的哪些特征，而AlexNet沒有預(yù)設(shè)，完全靠訓(xùn)練數(shù)據(jù)學(xué)習(xí)，來培養(yǎng)自己的敏感度，逐漸形成對世界的認(rèn)知，跟嬰兒認(rèn)知世界的方式一樣。

辛頓教授之所以坐20年冷板凳，不是因?yàn)樯窠?jīng)網(wǎng)絡(luò)的思路有問題，而是它缺少資源，其中最核心的是算力和數(shù)據(jù)。

而ImageNet，恰好提供了足夠多的數(shù)據(jù)，內(nèi)置了CUDA的英偉達(dá)GPU，又恰好提供超強(qiáng)算力。這次科學(xué)界的風(fēng)云際會，成就了李飛飛，正名了辛頓，造富了黃仁勛。

AlexNet的成功讓神經(jīng)網(wǎng)絡(luò)正式成為AI主流，2年后，機(jī)器的人臉識別準(zhǔn)確率正式超越人類。

李飛飛用大數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的想法也被業(yè)內(nèi)瘋狂追捧，從圖像擴(kuò)展到語音、文字、視頻等其他領(lǐng)域，AI革命被徹底點(diǎn)燃。

即便已經(jīng)功成名就，李飛飛也沒有躺平，而是繼續(xù)推動AI進(jìn)化。2024年1月，她創(chuàng)立了World Labs，要把AI模型從2D像素提升到3D世界，賦予和人類世界一樣豐富的空間智能。今年她又親自下場，基于通義千問，只用了50美元，就訓(xùn)練出一個媲美DeepSeek R1的新模型S1。

李飛飛“AI教母”稱號的含金量，還在不斷地提高。

作者 | 吳婷

參考資料：
[1]李飛飛.我看見的世界.中信出版集團(tuán).2024
[2]50美元復(fù)現(xiàn)DeepSeek R1，李飛飛團(tuán)隊(duì)也選了阿里Qwen.硬ai.2025
[3]阿里云回應(yīng)李飛飛團(tuán)隊(duì)50美元訓(xùn)練出AI模型.觀點(diǎn)網(wǎng).2025