對(duì)李飛飛來說，至關(guān)重要的空間智能“北極星”源自何處，又是如何演變的？

文｜《中國(guó)企業(yè)家》記者 王怡潔

見習(xí)記者 孫欣

編輯｜何伊凡見習(xí)編輯｜李原

頭圖來源｜視覺中國(guó)

作為“AI教母”，李飛飛每次對(duì)AI的判斷都會(huì)成為全球科技的重要風(fēng)向標(biāo)，2025年年底，李飛飛發(fā)出萬字長(zhǎng)文，引發(fā)的討論又一次引爆了硅谷。

她篤定AI的下一個(gè)十年是“空間智能”——若AI無法理解物體的深度、距離、遮擋與重力，就永遠(yuǎn)無法真正“具身”。她表示，語(yǔ)言是用來描述世界的工具，但不是世界本身。

1月6日，李飛飛應(yīng)邀站在CES 2026的演講臺(tái)上，她也再度強(qiáng)調(diào)了“大語(yǔ)言模型終究受制于語(yǔ)言本身”的局限性。

“一只蒼蠅沒有萬億級(jí)參數(shù)，卻能在雜亂空間中極速避障、精準(zhǔn)著陸?！?/strong>關(guān)于空間智能，網(wǎng)絡(luò)上流傳著這樣一句熱梗。在李飛飛發(fā)布的萬字長(zhǎng)文末尾，便提到：“若沒有空間智能，我們關(guān)于真正智能機(jī)器的夢(mèng)想將永遠(yuǎn)不完整。這場(chǎng)探索，是我的北極星?！?/p>

這顆恒星對(duì)李飛飛來說，意義非凡。它是李飛飛十幾歲時(shí)，在一次野外徒步中對(duì)自然世界的感悟。她在加州理工學(xué)院讀博期間，受認(rèn)知神經(jīng)科學(xué)啟發(fā)，開始研發(fā)“如何教計(jì)算機(jī)識(shí)別物體”。后來她一手締造ImageNet數(shù)據(jù)集，推動(dòng)計(jì)算機(jī)視覺領(lǐng)域?qū)崿F(xiàn)跨越式發(fā)展，也是她從寒武紀(jì)大爆發(fā)與生物視覺起源中攫取到的靈感。

2025年末，李飛飛創(chuàng)立的World Labs發(fā)布首款商用“世界模型”Marble。該實(shí)驗(yàn)室于2024年年初成立，9月正式亮相，融資超過2.3億美元，估值超過10億美元。

來源：視覺中國(guó)

如今，50歲的李飛飛已在人工智能領(lǐng)域內(nèi)研究了二十余年，探索空間智能成了她最新的“北極星”。但回顧她的成長(zhǎng)史，從計(jì)算機(jī)圖像、ImageNet數(shù)據(jù)集到具身智能，可以梳理出李飛飛為何對(duì)空間智能如此篤定的脈絡(luò)。

2024年4月，李飛飛首部自傳《我看見的世界》在中國(guó)出版發(fā)行。這本書是她親自參與創(chuàng)作、迄今為止最完整的個(gè)人思想與歷程記錄。該書詳盡敘述了李飛飛青少年時(shí)期在美國(guó)做洗碗工的困頓艱辛，也描繪了她第一次走進(jìn)科學(xué)殿堂的欣喜若狂。

更重要的是，李飛飛的職業(yè)生涯貫穿了AI從實(shí)驗(yàn)室走向產(chǎn)業(yè)爆發(fā)的全過程，因此這本書可以算得上是一部人工智能發(fā)展史。我們拆解了《我看見的世界》一書，全書共12個(gè)章節(jié)，讀完這篇文章，站在李飛飛的視角，你將看到：

1.這位殿堂級(jí)女科學(xué)家的成長(zhǎng)環(huán)境是怎么樣的？支撐她在困頓中破局的是什么？

2.李飛飛在計(jì)算機(jī)視覺科學(xué)內(nèi)如何發(fā)現(xiàn)行業(yè)的盲點(diǎn)，又是如何解決的？

3.ImageNet是如何建立起來的？又是如何撬動(dòng)人工智能的？

4.從學(xué)界到產(chǎn)業(yè)，李飛飛經(jīng)歷了什么，又是如何解決“水土不服”的？

5.對(duì)李飛飛來說，至關(guān)重要的空間智能“北極星”源自何處，又是如何演變的？

6.李飛飛為何將AI的下一個(gè)時(shí)代定義為“空間智能”，這個(gè)判斷最早源于什么時(shí)候？

困頓的家境，建立最純粹的信仰

李飛飛出生于北京，成長(zhǎng)于成都，她自小熱愛物理學(xué)科，課余時(shí)間幾乎都在探索和學(xué)習(xí)相關(guān)知識(shí)，但這份熱愛在16歲時(shí)被迫短暫中斷。

1992年，李飛飛隨著父母來到美國(guó)謀生。飛機(jī)落地時(shí)，母親口袋里的20美元是全部的家產(chǎn)。那時(shí)，F(xiàn)acebook的人工智能首席科學(xué)家楊立昆在新澤西州霍姆德爾的研究生涯剛剛起步，“神經(jīng)網(wǎng)絡(luò)”算法的應(yīng)用研究正裹于襁褓之中。但這些都與李飛飛無關(guān)，她和父母每天要解決的問題是與人交流和獲取食物。

一家三口擠在一個(gè)狹小的一居室，李飛飛的臥室是廚房過道。父親找了份修相機(jī)的工作，母親是超市收銀員，李飛飛每日放學(xué)后需去一家中餐館打工。2美元的時(shí)薪，洗碗、拖地、擦玻璃、傳菜等，都是她的工作內(nèi)容。那時(shí)，李飛飛一天中說得最多的話是Sorry，白天為聽不懂老師、同學(xué)們的英文而道歉，晚間因聽不懂客人點(diǎn)餐而低頭。

距離申請(qǐng)大學(xué)僅剩兩年的時(shí)間，李飛飛不得不擠壓睡覺時(shí)間來學(xué)習(xí)。在她的回憶里，那段日子她幾乎每天只睡4個(gè)小時(shí)。最后，李飛飛以SAT1250、數(shù)學(xué)滿分的成績(jī)被普林斯頓大學(xué)物理學(xué)專業(yè)錄取，并獲得了全額獎(jiǎng)學(xué)金。

《American dream come true?。ā懊绹?guó)夢(mèng)”成真了）》是錄取結(jié)果出來時(shí)，李飛飛所在區(qū)的一家當(dāng)?shù)貓?bào)紙的封面頭條，一張短發(fā)的照片被排版在報(bào)道最顯眼的位置。

普林斯頓的大學(xué)生活，李飛飛活得十分“割裂”：這里是她一直以來所追逐的“智力天堂”，她每天能汲取關(guān)于物理世界的真理，但也不得不時(shí)刻面臨現(xiàn)實(shí)生活里岌岌可危的家庭財(cái)務(wù)狀況，母親罹患嚴(yán)重心臟病更是她多年來心頭的沉重大石。

這種來自財(cái)務(wù)狀況的困頓，一直延續(xù)到很多年之后。甚至當(dāng)李飛飛成為斯坦福知名教授之后，她還不得不想辦法解決母親的高昂手術(shù)費(fèi)用。

那時(shí)，很多人勸說李飛飛“清醒點(diǎn)”，甚至她自己都曾動(dòng)搖，自己是否應(yīng)該把學(xué)業(yè)作為獲得經(jīng)濟(jì)來源的敲門磚。比如學(xué)有所成后，是否該選擇醫(yī)學(xué)、金融或工程等報(bào)酬豐厚的領(lǐng)域，以此來擺脫困難的生活。

但李飛飛的心里始終有個(gè)聲音在唱反調(diào)，她不甘心失去這唯一一個(gè)能進(jìn)入科學(xué)領(lǐng)域的機(jī)會(huì)。父母的開明給了她一個(gè)“強(qiáng)心丸”，父母都支持她進(jìn)入熱愛的物理學(xué)科。普林斯頓畢業(yè)后，她并未選擇來自華爾街的眾多橄欖枝，而是進(jìn)入了另一個(gè)“智力天堂”——加州理工學(xué)院。

李飛飛的博士研究方向是視覺研究領(lǐng)域，簡(jiǎn)單來說就是讓機(jī)器學(xué)會(huì)“看”東西。那時(shí)該領(lǐng)域的大多數(shù)學(xué)生會(huì)在神經(jīng)科學(xué)、計(jì)算科學(xué)選擇其一，而李飛飛則是同時(shí)研究?jī)蓚€(gè)領(lǐng)域，這是當(dāng)時(shí)碩士項(xiàng)目的首個(gè)案例。

ImageNet：打開人工智能黃金時(shí)代

“我們決定做一件史無前例的事情，我們研究的（計(jì)算機(jī)視覺識(shí)別）對(duì)象是全世界的物體。”這句話在當(dāng)時(shí)看來，還是天方夜譚。

2005年，李飛飛在伊利諾伊大學(xué)厄巴納香檳分校電氣與計(jì)算機(jī)工程系擔(dān)任助理教授，后又來到普林斯頓大學(xué)計(jì)算機(jī)科學(xué)系任職助理教授。《我看見的世界》一書中，李飛飛曾先后稱自己經(jīng)歷了“至暗”和“黑暗”，前者是剛到達(dá)美國(guó)的窘迫生活，后者便是2005～2009年期間，她將其稱為“人工智能寒冬”。

彼時(shí)，人工智能遇冷，研究“計(jì)算機(jī)視覺識(shí)別”幾乎沒人看好。李飛飛每天在不?；卮鹬茉馊说膭裾]：“飛飛，換個(gè)方向吧，這條路走不通的。”

當(dāng)下，數(shù)據(jù)已經(jīng)是各大模型公司瘋搶的關(guān)鍵信息。但在千禧年前后，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。在李飛飛看來，大家對(duì)AI領(lǐng)域趨之若鶩，卻從未有人真正研究“數(shù)據(jù)”。

21世紀(jì)初，李飛飛堅(jiān)定認(rèn)為，讓AI產(chǎn)生質(zhì)的飛躍關(guān)鍵就在于，能否建立起一個(gè)囊括“全世界所有物體”的龐大數(shù)據(jù)庫(kù)。這與如今的境況何其相似，現(xiàn)在她篤定，讓生成式AI產(chǎn)生質(zhì)的飛躍關(guān)鍵在于：大語(yǔ)言模型能否突破模態(tài)的限制，真正識(shí)別物理世界。

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(shí)別的物體種類不過寥寥數(shù)十種。李飛飛卻想構(gòu)建一個(gè)百萬級(jí)、標(biāo)注完備、覆蓋整個(gè)世界物體的圖像宇宙——這便是ImageNet的雛形。

來源：AI生成

在李飛飛的暢想中，ImageNet就是一個(gè)圖像識(shí)別數(shù)據(jù)庫(kù)，只要將它運(yùn)用在計(jì)算機(jī)上，可以直接辨認(rèn)出物品和人。但現(xiàn)實(shí)給她澆了一盆冷水，李飛飛找本科生來手動(dòng)輸入識(shí)別圖片數(shù)據(jù)，甚至?xí)r薪開到了10美元。但按這個(gè)速度算下去，ImageNet建成需要90年。而后李飛飛又嘗試以算法來進(jìn)行數(shù)據(jù)處理，但更多問題開始顯現(xiàn)：資金鏈斷裂、模型陷入瓶頸等。

亞馬遜的眾包服務(wù)，最終成為項(xiàng)目能完成的關(guān)鍵支撐。這項(xiàng)服務(wù)通過在平臺(tái)發(fā)布標(biāo)注任務(wù)，以低成本召集全球網(wǎng)民參與協(xié)作——正是這一模式破解了海量圖像標(biāo)注的效率難題?！拔铱吹骄W(wǎng)站的那一刻，我知道ImageNet成了?！?/strong>

2009年，歷時(shí)兩年半，涵蓋5247個(gè)類別、12個(gè)子樹的320萬張標(biāo)記圖片的論文亮相CVPR（國(guó)際計(jì)算機(jī)視覺與模式識(shí)別會(huì)議），當(dāng)時(shí)團(tuán)隊(duì)在展會(huì)的一個(gè)小角落。隨后，李飛飛與當(dāng)時(shí)最權(quán)威的圖像識(shí)別大賽PASCAL VOC合作，這次合作既是轉(zhuǎn)折，也是起點(diǎn)。

2012年，亞歷克斯·克里熱夫斯基等人提出深度卷積神經(jīng)網(wǎng)絡(luò)模型AlexNet，在當(dāng)年的ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)賽（ILSVRC）中，以領(lǐng)先第二名41%的壓倒性優(yōu)勢(shì)奪冠。AlexNet將Top-5錯(cuò)誤率從上一年的26%大幅降至15%，這也讓人們不得不相信，優(yōu)質(zhì)的AI必須經(jīng)過ImageNet預(yù)訓(xùn)練。

作為ImageNet的創(chuàng)始人，李飛飛開放數(shù)據(jù)庫(kù)，免費(fèi)提供給全世界的科研團(tuán)隊(duì)用于計(jì)算機(jī)圖片識(shí)別訓(xùn)練。這一刻也被許多行業(yè)人士稱為AI發(fā)展史上的“奇點(diǎn)”之一。被譽(yù)為結(jié)束了人工智能寒冬，也拉開了人工智能黃金時(shí)代的序幕。

此后十年間，從科研到產(chǎn)業(yè)界，李飛飛在AI、具身智能上繼續(xù)鉆研。2013年，李飛飛正式出任斯坦福人工智能實(shí)驗(yàn)室（SAIL）主任；2015年，她與合作者聯(lián)合創(chuàng)立了AI4ALL；2017年，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，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。

空間智能：支撐人類認(rèn)知的腳手架

“李飛飛是第一位真正理解大數(shù)據(jù)力量的計(jì)算機(jī)視覺研究人員，她的工作打開了深度學(xué)習(xí)的閘門，推動(dòng)了人工智能技術(shù)的問世?！?024年諾貝爾物理學(xué)獎(jiǎng)獲得者的杰弗里·辛頓，對(duì)李飛飛的成就做了最好的總結(jié)。

2022年底，ChatGPT大語(yǔ)言模型燃爆AI圈，也讓“語(yǔ)言即世界”成為“行業(yè)共識(shí)”。但2024年，48歲的李飛飛又踏上了尋找“北極星”的旅程。

李飛飛最擅長(zhǎng)的，便是找到行業(yè)盲點(diǎn)。她認(rèn)為，包括視覺模型、空間智能、機(jī)器人模型都會(huì)數(shù)字化，但把“數(shù)字”等同于“語(yǔ)言”，便是“偷換概念”。在她看來，信息不光是語(yǔ)言的，還有空間信息。

“算法語(yǔ)言表達(dá)的高級(jí)程度，已經(jīng)逼近人類水平?！彪m然《我看見的世界》一書成型于2023年，但當(dāng)時(shí)她就表示：以ChatGPT等為代表的大語(yǔ)言模型能力已無需贅述，而機(jī)器人正在逐漸學(xué)會(huì)應(yīng)對(duì)真實(shí)的環(huán)境。

篤定的視覺模型不僅可以通過照片進(jìn)行訓(xùn)練，還可以在全三維世界中進(jìn)行沉浸式訓(xùn)練。當(dāng)世界模型形成后，人工智能能夠像識(shí)別內(nèi)容一樣流暢地生成內(nèi)容。簡(jiǎn)而言之，她要再做一個(gè)全新時(shí)代的“ImageNet”產(chǎn)品。

《我看見的世界》在中國(guó)出版的同時(shí)，李飛飛創(chuàng)立了她的最新項(xiàng)目——World Labs，開始研發(fā)空間智能。李飛飛認(rèn)為，時(shí)間到了。

“生成三維空間”并非易事，“我自己試著用Blender、Unity，我頭都大了。”李飛飛坦承，“奇點(diǎn)”還未到來，技術(shù)也尚未攻克。但I(xiàn)mageNet帶給李飛飛的除了對(duì)行業(yè)的敏感嗅覺，還有坐冷板凳的“耐心”。她坦言，從技術(shù)上來看，空間智能還處于早期，但她也篤定未來一到兩年內(nèi)，空間智能會(huì)爆發(fā)。

“我現(xiàn)在可以肯定，等待探索的事物還有太多太多，一個(gè)人窮盡職業(yè)生涯，甚至一生，都無法抵達(dá)終點(diǎn)?！倍诶铒w飛看來，AGI更像是一個(gè)有很多鎖的門，需要不同的鑰匙打開，空間智能是其中一把。這個(gè)門并非“開與不開”，而是將會(huì)被一點(diǎn)點(diǎn)打開。