01從成都到普林斯頓：一個(gè)跨越文化與語言的求知旅程

Fei-Fei Li出生于1976年的北京，兒時(shí)在四川成都長大。父母是中學(xué)教師與化工廠計(jì)算機(jī)部門員工。她在少年時(shí)期，就展現(xiàn)出對數(shù)理與科學(xué)的濃厚興趣，并且在學(xué)校表現(xiàn)優(yōu)異。12歲那年，她的父親移民到了美國。為了更好的教育機(jī)會，她和她母親在16歲（1992年）時(shí)一起移民到了父親那里，整個(gè)家庭搬入新澤西一個(gè)只有一間臥室的小公寓。

作為第一代中國移民，李飛飛一家三口都不會說英語，家庭微薄的收入難以為繼。剛到美國的最初兩年，家庭生活拮據(jù)，她曾到餐館打工，做過家庭清潔工；父母后來跟親友借錢，開了一家干洗店經(jīng)營。初到美國的她需從頭開始學(xué)習(xí)英語，就讀位于新澤西的帕西帕尼高中，1995年以全班第六名的成績畢業(yè)，SAT取得1250分，其中數(shù)學(xué)得滿分800分。在她的努力下，考進(jìn)了普林斯頓大學(xué)物理系并獲得全額獎學(xué)金。洗衣機(jī)的噪音、熨斗的蒸汽與化學(xué)溶劑的刺鼻氣味，構(gòu)成了她大學(xué)生活的另一面。這個(gè)物理系的優(yōu)等生或許并未想到，這段“腳踏實(shí)地”的經(jīng)歷，會在未來與她“仰望星空”的科研事業(yè)產(chǎn)生深刻共鳴——她終其一生所追求的，正是讓機(jī)器學(xué)會“看見”并理解我們身處的這個(gè)復(fù)雜、具體、充滿物理規(guī)律的真實(shí)世界。

普林斯頓大學(xué)畢業(yè)時(shí)的李飛飛，來源湖南科技大學(xué)

1999年，大學(xué)畢業(yè)時(shí)，她以優(yōu)異成績獲得普林斯頓大學(xué)授予的物理學(xué)榮譽(yù)學(xué)士學(xué)位。畢業(yè)后曾贏得獎學(xué)金前往西藏研究西藏傳統(tǒng)藥物。隨后，她進(jìn)入加州理工學(xué)院（California Institute of Technology）深造，攻讀電氣工程、計(jì)算機(jī)科學(xué)與認(rèn)知神經(jīng)科學(xué)方向的博士學(xué)位，師從計(jì)算機(jī)視覺業(yè)內(nèi)專家Pietro Perona教授和克里斯托夫·科赫教授，并于2005年完成博士學(xué)業(yè)，博士論文為"視覺識別：計(jì)算模型與人類心理物理學(xué)（Visual Recognition: Computational Models and Human Psychophysics）。

02 ImageNet：讓機(jī)器第一次“看清世界”

2005年8月至2009年6月，她先后在伊利諾伊大學(xué)厄巴納-香檳分校電氣與計(jì)算機(jī)工程系和普林斯頓大學(xué)計(jì)算機(jī)科學(xué)系擔(dān)任助理教授，在這兩所院校還同時(shí)兼任過心理學(xué)系的助理教授。

那時(shí)候，人工智能的寒冬尚未完全過去。當(dāng)時(shí)主流的計(jì)算機(jī)視覺研究，大多依賴于精心設(shè)計(jì)的手工特征和有限的小規(guī)模數(shù)據(jù)集，機(jī)器能識別的物體種類不過寥寥數(shù)十種。李飛飛敏銳地察覺到了行業(yè)的盲區(qū)：當(dāng)時(shí)的學(xué)術(shù)界與AI領(lǐng)域都在狂熱地打磨算法，卻唯獨(dú)忽視了“數(shù)據(jù)”的價(jià)值。李飛飛意識到，如果數(shù)據(jù)無法映射真實(shí)世界，再精妙的算法也是空中樓閣。她決定另辟蹊徑——構(gòu)建一個(gè)囊括“全世界所有物體”的龐大數(shù)據(jù)庫。這便是ImageNet的雛形。

李飛飛說，“我們決定做一件史無前例的事情。我們的對象是全世界的物體。”當(dāng)時(shí)的圖像識別數(shù)據(jù)庫只有上萬張圖片，而她想建一個(gè)百萬級、標(biāo)注完備、覆蓋整個(gè)世界物體的圖像宇宙。ImageNet的野心不僅在于識別熊貓、教堂等實(shí)體，更試圖囊括“愛情”這類抽象概念。

起初，李飛飛試圖以時(shí)薪10美元聘請本科生手動收集圖片。但現(xiàn)實(shí)很快給了她一記重?fù)簦喊催@個(gè)速度，完成項(xiàng)目需要整整90年。人力走不通，團(tuán)隊(duì)轉(zhuǎn)而嘗試算法，試圖讓計(jì)算機(jī)自動抓取圖片，人類僅做審核。但幾個(gè)月后，這條路也被堵死了——他們意識到，用現(xiàn)有的算法去生成數(shù)據(jù)，未來的模型將永遠(yuǎn)無法超越現(xiàn)有水平，陷入死循環(huán)。

困境接踵而至：人工太慢，算法太笨，資金也斷了鏈。李飛飛四處奔走，卻未能申請到任何聯(lián)邦撥款。冷嘲熱諷隨之而來，有人甚至譏諷普林斯頓研究這種課題簡直是“恥辱”，更有人刻薄地評價(jià)：這個(gè)項(xiàng)目唯一的優(yōu)勢，僅僅因?yàn)槔铒w飛是個(gè)女性。

就在項(xiàng)目瀕臨流產(chǎn)時(shí)，一次與研究生的閑聊帶來了轉(zhuǎn)機(jī)。學(xué)生提到了亞馬遜的Mechanical Turk（眾包服務(wù)）——一個(gè)能以低廉成本動員全球網(wǎng)民完成簡單任務(wù)的平臺。

“她給我看網(wǎng)站的那一刻，我知道ImageNet成了。”李飛飛回憶道，“我們終于找到了那個(gè)能撬動地球的杠桿，這是普林斯頓的本科生哪怕花上一個(gè)世紀(jì)也無法做到的?！?/p>

亞馬遜

Mechanical Turk

的圖像分類界面，來源：騰訊云

即使有了眾包平臺，ImageNet的建設(shè)并非一鍵生成的坦途。李飛飛的博士生Jia Deng和Olga Russakofsky不得不面對棘手的質(zhì)控難題：一張圖片究竟需要幾雙眼睛審核？辨認(rèn)一只貓或許兩人足矣，但要確認(rèn)一只體型特殊的哈士奇，可能需要十輪反復(fù)驗(yàn)證。為了防止眾包人員“劃水”作弊，團(tuán)隊(duì)專門開發(fā)了一套統(tǒng)計(jì)模型，以此確保每一張入庫圖片的純度。這是一場漫長的攻堅(jiān)戰(zhàn)。歷時(shí)兩年半，涵蓋5247個(gè)類別、12個(gè)子樹的320萬張標(biāo)記圖片終于匯聚成塔。

2009年，當(dāng)團(tuán)隊(duì)帶著這篇日后改變世界的論文亮相CVPR時(shí)，并未迎來預(yù)想中的掌聲。作為頂會，CVPR甚至沒有給他們上臺演講的機(jī)會，只允許在角落張貼海報(bào)。團(tuán)隊(duì)不得不靠分發(fā)印有Logo的鋼筆來以此博取關(guān)注。當(dāng)時(shí)的主流學(xué)界對“數(shù)據(jù)驅(qū)動”嗤之以鼻，正如Jia Deng所回憶的那樣：“人們質(zhì)疑，如果連識別一個(gè)物體都做不到，搞幾千幾萬個(gè)又有什么意義？”

為了將影響力推向大眾，李飛飛遠(yuǎn)赴歐洲，尋求與當(dāng)時(shí)最權(quán)威的圖像識別大賽PASCAL VOC合作。相比于ImageNet的浩瀚，僅有20個(gè)分類的PASCAL雖顯袖珍，卻擁有極高的數(shù)據(jù)質(zhì)量。這次聯(lián)手讓ImageNet迅速站穩(wěn)了腳跟。隨著競賽推進(jìn)，研究人員意外發(fā)現(xiàn)了一個(gè)改變行業(yè)認(rèn)知的現(xiàn)象：凡是經(jīng)過ImageNet預(yù)訓(xùn)練的模型，在處理其他識別任務(wù)時(shí)，只需微調(diào)便能表現(xiàn)驚人。正如Berg所言：“這不僅是神經(jīng)網(wǎng)絡(luò)的突破，更是認(rèn)知的飛躍。”——這便是后來被廣泛應(yīng)用的“遷移學(xué)習(xí)”。

真正的“奇點(diǎn)”發(fā)生在首屆大賽兩年后的2012年。如果說AI的繁榮需要一個(gè)引爆點(diǎn)，那無疑是AlexNet公布成績的那一刻。多倫多大學(xué)的Geoffrey Hinton與其學(xué)生Ilya Sutskever、Alex Krizhevsky提出的深度卷積神經(jīng)網(wǎng)絡(luò)，以領(lǐng)先第二名41%的碾壓性優(yōu)勢奪冠，徹底終結(jié)了舊時(shí)代。

今天所有的視覺AI應(yīng)用：自動駕駛、醫(yī)學(xué)影像、安防識別、手機(jī)相冊分類……都站在ImageNet的基礎(chǔ)上。這是她改變整個(gè)行業(yè)的第一次。

03從學(xué)界到產(chǎn)業(yè)—為“AI為人類”而努力

2013年，李飛飛正式出任斯坦福人工智能實(shí)驗(yàn)室（SAIL）主任，在這里她并不僅是管理者，更像一個(gè)帶著顯微鏡和望遠(yuǎn)鏡的探路者：一邊帶領(lǐng)團(tuán)隊(duì)讓視覺理解從簡單“識別”逐步走向更深層次的“理解”，推動AI愈發(fā)能感知世界的細(xì)節(jié)；另一方面，她開始思考一個(gè)更大的問題——AI不應(yīng)該只是少數(shù)人的專利。在她看來，讓人工智能服務(wù)更多人類群體，才是真正值得投入心血的方向。

在這個(gè)時(shí)間段，李飛飛并沒有只局限于實(shí)驗(yàn)室的白板和代碼里。2015年，她與他人聯(lián)合創(chuàng)立了AI4ALL，一項(xiàng)非營利教育項(xiàng)目，旨在將AI教育帶給更多女性、少數(shù)族裔與普通青年，讓這個(gè)領(lǐng)域的未來構(gòu)建者來自更廣泛的背景，而不是集中在少數(shù)精英圈層里。這個(gè)倡議從根本上應(yīng)對了AI教育與參與的結(jié)構(gòu)性不平衡問題。

2017年，李飛飛給自己安排了一段特別的“假期”——她從斯坦福暫時(shí)離開，在Google Cloud 擔(dān)任AI/ML首席科學(xué)家兼副總裁，這是真正將學(xué)術(shù)洞見帶入產(chǎn)業(yè)實(shí)踐的階段性役使。她參與制定谷歌云在人工智能與機(jī)器學(xué)習(xí)上的戰(zhàn)略方向，同時(shí)推動了一系列旨在降低AI技術(shù)門檻的產(chǎn)品與工具。

其中最為人熟知的成果，當(dāng)屬Google Cloud AutoML。這個(gè)產(chǎn)品的誕生，不再需要開發(fā)者精通復(fù)雜算法，只需上傳數(shù)據(jù)，便可自動生成定制化機(jī)器學(xué)習(xí)模型。2018年初AutoML Vision正式發(fā)布，并在隨后擴(kuò)展出了文字與翻譯等功能，這一設(shè)計(jì)正中她長期倡導(dǎo)的“AI普惠化”理念：AI的價(jià)值不在于炫技，而在于讓更多企業(yè)、開發(fā)者乃至普通用戶都能用得起、用得好。與此同時(shí)，她還和團(tuán)隊(duì)推動成立了Google AI中國中心，表態(tài)“AI沒有國界”“AI應(yīng)該是每個(gè)人的”，體現(xiàn)了她對AI全球共享價(jià)值的思考。

2018年，當(dāng)她返回斯坦福繼續(xù)教學(xué)與研究時(shí)，李飛飛已經(jīng)不只是一個(gè)學(xué)術(shù)主理者，而是一個(gè)連接學(xué)術(shù)與產(chǎn)業(yè)、技術(shù)與公民、機(jī)器智能與人類價(jià)值的“橋梁建造者”。她在斯坦福和谷歌之間的這段旅程，既是技術(shù)落地的底色，也是讓AI更貼近真實(shí)世界與更多人的起點(diǎn)。

圖片來源：領(lǐng)英

04人性、倫理與未來—她對AI的另一種思考

2025年春，一場在倫敦圣詹姆斯宮舉行的頒獎典禮將全世界目光聚焦在了李飛飛（Fei-Fei Li）身上——這位被媒體稱為“AI教母”的華裔科學(xué)家，與黃仁勛等AI先驅(qū)一同榮獲伊麗莎白女王工程獎（Queen Elizabeth Prize for Engineering），成為全球工程界最受矚目的人物之一。該獎項(xiàng)常被譽(yù)為工程領(lǐng)域的“諾貝爾獎”，以表彰對科技與人類福祉作出深遠(yuǎn)貢獻(xiàn)的創(chuàng)新者。

李飛飛的名字與ImageNet密不可分。這個(gè)在2000年代初啟動的大規(guī)模圖像數(shù)據(jù)庫，讓機(jī)器“看見”世界成為可能，并為深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的突破建立了基準(zhǔn)。ImageNet不只是一組數(shù)據(jù)，更是讓AI能理解圖像語義的通用“語料庫”，推動了算法從實(shí)驗(yàn)室走向產(chǎn)業(yè)應(yīng)用。

對李飛飛來說，AI的進(jìn)步不止于技術(shù)的加速，更關(guān)乎人類自身的價(jià)值與倫理。在領(lǐng)獎現(xiàn)場及隨后接受BBC等采訪時(shí)，她強(qiáng)調(diào)自己對被稱為“AI教母”既感到自豪，也意識到這個(gè)稱號帶來的責(zé)任：它不僅代表技術(shù)成就，更代表推動更多女性和少數(shù)群體在科技領(lǐng)域獲得認(rèn)可的機(jī)會。在談及AI的未來時(shí)，李飛飛并不迷信技術(shù)的無限擴(kuò)張。她指出，AI發(fā)展不應(yīng)陷入兩極化的極端論述——既不盲目悲觀地視其為“滅絕風(fēng)險(xiǎn)”，也不單純以技術(shù)奇點(diǎn)作為幻想終點(diǎn)。她認(rèn)為，AI的真正挑戰(zhàn)在于如何將創(chuàng)新與人性、倫理、社會價(jià)值深度融合，讓技術(shù)服務(wù)于更廣泛的公共利益，而不是僅為算力或商業(yè)增長服務(wù)。

這種思想源于她長期倡導(dǎo)的“以人為本的AI”理念。早在2019年，李飛飛就與同事共同創(chuàng)立了斯坦福人本AI研究所（HAI），推動跨學(xué)科對話，讓工程師、社會科學(xué)家、政策制定者一同參與AI的未來設(shè)計(jì)。這一切的背后，是一位科學(xué)家對技術(shù)與社會關(guān)系的深刻洞察：當(dāng)AI能夠處理語言與視覺之后，下一個(gè)挑戰(zhàn)是讓它真正理解人類生活的復(fù)雜性。在這個(gè)過程中，技術(shù)應(yīng)成為增強(qiáng)人類能力、而非削弱人類價(jià)值的力量。

05 “AI教母”李飛飛集結(jié)WorldLabs，劍指AI新圣杯——空間智能

回看李飛飛過去二十年的研究軌跡，你會發(fā)現(xiàn)她幾乎每一次關(guān)鍵選擇，都踩在技術(shù)范式轉(zhuǎn)移的臨界點(diǎn)上。這種“踩點(diǎn)”并非直覺或運(yùn)氣，而是一種高度結(jié)構(gòu)化的判斷邏輯：當(dāng)一個(gè)技術(shù)突破完成從“可行”到“規(guī)模化”的躍遷后，新的瓶頸必然會出現(xiàn)在系統(tǒng)能力的邊界處。在語言模型解決了“理解與生成語言”、視覺模型完成了“看見與分類”之后，人工智能仍然缺失一個(gè)核心能力——對真實(shí)世界空間關(guān)系與物理結(jié)構(gòu)的理解。如果機(jī)器無法理解“物體在何處”“彼此如何關(guān)聯(lián)”“在物理規(guī)則下會發(fā)生什么”，那么推理與行動就無法真正閉環(huán)。

基于這一判斷，李飛飛提出：人工智能的下一個(gè)邊界不是更大的模型，而是空間智能（Spatial Intelligence）。它并非簡單的“看見世界”，而是讓機(jī)器理解世界中的位置、關(guān)系、結(jié)構(gòu)乃至物理規(guī)律，從而實(shí)現(xiàn)感知—推理—互動的一體化能力。正是在這一邏輯之下，李飛飛聯(lián)合前Meta科學(xué)家、密歇根大學(xué)教授Justin Johnson等人，于2024年創(chuàng)立了World Labs，系統(tǒng)性地推進(jìn)空間智能的研究與產(chǎn)品化探索。

圖片來源：

worldlabs

官網(wǎng)

Marble是World Labs的首款商業(yè)產(chǎn)品——一種基于“世界模型”的生成式AI工具，它能從文本提示、圖像、視頻甚至3D布局圖中自動創(chuàng)造出可編輯、可探索的三維世界。用戶不僅能生成高度逼真的3D場景，還可以在其中自由導(dǎo)航、調(diào)整元素，并導(dǎo)出為可用于游戲、影像制作或虛擬現(xiàn)實(shí)應(yīng)用的資源。與傳統(tǒng)的3D設(shè)計(jì)工具不同，Marble不再依賴人工繪制模型，而是借助AI的“空間理解”直接構(gòu)建物理合理、細(xì)節(jié)豐富的三維環(huán)境，從而大幅降低創(chuàng)作者構(gòu)建虛擬世界的門檻。它目前已面向公眾推出免費(fèi)增值（freemium）和付費(fèi)訂閱模式，覆蓋從輕量試用到專業(yè)創(chuàng)作的多種需求。

圖片：來源

Marble

網(wǎng)站

對于World Labs來說，Marble只是邁向空間智能時(shí)代的第一步。未來，這類世界模型不僅能助力電影、游戲、建筑設(shè)計(jì)等創(chuàng)意行業(yè)，還可能深刻影響機(jī)器人導(dǎo)航、增強(qiáng)現(xiàn)實(shí)（AR）、自動駕駛模擬，以及科學(xué)研究中的三維推理任務(wù)。李飛飛和團(tuán)隊(duì)正在將這一領(lǐng)域從實(shí)驗(yàn)室前沿逐步推向產(chǎn)業(yè)和社會應(yīng)用的前端。

AI的發(fā)展從來不是單一維度的突破，而是多個(gè)能力融合的長期演進(jìn)。隨著空間智能成為新的推動力，我們或許正迎來AI認(rèn)知體系的第三次大躍進(jìn)——一次讓機(jī)器真正“理解世界空間”的革命。李飛飛的World Labs和Marble，不只是技術(shù)產(chǎn)品，更是新一代智能時(shí)代理想的方向標(biāo)。

reference：

Stanford Medicine RAISE Health

Fei-Fei Li — RAISE Health Leadership Profile, Stanford Medicine RAISE Health. https://med.stanford.edu/raisehealth/leadership/fei-fei_li

[2] 新浪財(cái)經(jīng)

李飛飛最新訪談：追逐AI的“北極星”—從ImageNet到三維世界的空間智能 | 附全文+視頻, 新浪財(cái)經(jīng). https://finance.sina.com.cn/stock/t/2025-07-02/doc-infeanhm4426226.shtml

[3] Britannica

Laura Payne , Fei-Fei Li, Encyclopaedia Britannica. https://www.britannica.com/biography/Fei-Fei-Li

[4] Princeton University News

John Hopfield and Fei-Fei Li win Queen Elizabeth Prize as pioneers in modern AI, Princeton University.

https://www.princeton.edu/news/2025/02/06/john-hopfield-and-fei-fei-li-win-queen-elizabeth-prize-pioneers-modern-ai

[5] Stanford News / Queen Elizabeth Prize

Shana Lynch , Fei-Fei Li wins Queen Elizabeth Prize for Engineering, Stanford Report. https://news.stanford.edu/stories/2025/11/fei-fei-li-queen-elizabeth-prize-engineering

[6] Wikipedia

Fei-Fei Li, Wikipedia (English). https://en.wikipedia.org/wiki/Fei-Fei_Li

[7] Queen Elizabeth Prize Official Website

Queen Elizabeth Prize for Engineering: Winners and Information, Official QEPrize.org site. https://qeprize.org/

[8]湖南科技大學(xué)

【IT行業(yè)名人傳記】執(zhí)著理想，純粹當(dāng)下—— AI女神李飛飛的逆襲之路

https://computer.hnust.edu.cn/xsgz/kcsz/ITxygsh/0d0eb972f0fa4329808c4d9ce447fca1.htm

[9]騰訊云

ImageNet這八年：李飛飛和被她改變的AI世界

https://cloud.tencent.com/developer/article/1077004

歡迎掃碼加群參與討論

我們相信認(rèn)知能夠跨越階層，

致力于為年輕人提供高質(zhì)量的科技和財(cái)經(jīng)內(nèi)容。

稿件經(jīng)采用可獲邀進(jìn)入Z Finance內(nèi)部社群，優(yōu)秀者將成為簽約作者，00后更有機(jī)會成為Z Finance的早期共創(chuàng)成員。

我們正在招募新一期的實(shí)習(xí)生