Z Waves丨從洗衣店女孩到“AI教母”，50歲的李飛飛再造AI新范式，用World Labs開啟空間智能革命

圖片來源：

ifanr

她是當代人工智能界最具象征意義的女性科學家之一。提到人工智能領(lǐng)域，李飛飛（Fei-Fei Li）無疑是最醒目的那一個。1976年出生的她，早年在美求學，1999年以物理學榮譽學士畢業(yè)于普林斯頓大學，隨后在加州理工學院獲得電氣工程博士學位。如今，她是斯坦福大學計算機科學教授、以人為本人工智能研究所（Human-Centered Artificial Intelligence）聯(lián)合主任，AI4ALL的創(chuàng)始人及主席，也是Twitter公司董事會獨立董事，加拿大風險投資機構(gòu)Radical Ventures科學合伙人。

2007年，李飛飛啟動了一個看似簡單卻深遠影響的項目：ImageNet——這是一個超過千萬張標注圖像的大規(guī)模數(shù)據(jù)集和評測競賽平臺，它將“數(shù)據(jù)”從AI的配角提升為核心資源。2012年，基于ImageNet的神經(jīng)網(wǎng)絡(luò)AlexNet，在競賽中取得突破性表現(xiàn)，從此，深度學習在計算機視覺領(lǐng)域迎來了爆發(fā)式發(fā)展。ImageNet不只是一個技術(shù)工具，更成為視覺AI的底層標配和社區(qū)共同創(chuàng)造的基準。

學術(shù)之外，李飛飛也走進了工業(yè)界。2017-2018年間，她在Google Cloud擔任AI/ML（Artificial Intelligence / Machine Learning）首席科學家，推動包括AutoML（自動機器學習——讓非專業(yè)人士也能夠利用機器學習技術(shù)的工具，使機器學習變得更為自動化和易用）。在內(nèi)的一系列的人工智能產(chǎn)品，同時促進谷歌AI在全球范圍內(nèi)的合作與人才培養(yǎng)。之后，她重返斯坦福繼續(xù)教授與研究，并通過HAI強調(diào)將AI技術(shù)與社會責任結(jié)合。

2020年，大語言模型（LLM）席卷全球，李飛飛提出一個新的疑問：AI是否在二維之外理解世界？她認為，語言和圖像生成固然重要，但對真實三維空間的理解、推理與交互能力缺失，是當前AI的一個核心短板。基于這種洞察，2024年她聯(lián)合創(chuàng)立了World Labs，提出“空間智能（Spatial Intelligence）”的理念，致力于讓AI能在3D世界中感知、理解并行動。

World Labs推出的首款產(chǎn)品Marble能通過文字或圖像提示生成可瀏覽、可導出的三維世界。不同于專注文本交互的LLM，Marble支持文本、照片、視頻等多模態(tài)輸入，可生成持久化、可編輯、可下載的3D交互環(huán)境，解決了傳統(tǒng)AI生成內(nèi)容“空間不一致”“創(chuàng)意不可控”的核心痛點。

從ImageNet引發(fā)的視覺革命，到倡導以人為中心的AI，再到現(xiàn)在追逐三維世界的“新北極星”，李飛飛的時間線不僅勾勒出一個科學家的成長，也映射著AI技術(shù)從識別到理解、從二維到三維的演進。她的一句總結(jié)耐人尋味：“沒有空間智能的AGI是不完整的。”

圖片來源：領(lǐng)英

01從成都到普林斯頓：一個跨越文化與語言的求知旅程

Fei-Fei Li出生于1976年的北京，兒時在四川成都長大。父母是中學教師與化工廠計算機部門員工。她在少年時期，就展現(xiàn)出對數(shù)理與科學的濃厚興趣，并且在學校表現(xiàn)優(yōu)異。12歲那年，她的父親移民到了美國。為了更好的教育機會，她和她母親在16歲（1992年）時一起移民到了父親那里，整個家庭搬入新澤西一個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習英語，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)學得滿分800分。在她的努力下，考進了普林斯頓大學物理系并獲得全額獎學金。洗衣機的噪音、熨斗的蒸汽與化學溶劑的刺鼻氣味，構(gòu)成了她大學生活的另一面。這個物理系的優(yōu)等生或許并未想到，這段“腳踏實地”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，正是讓機器學會“看見”并理解我們身處的這個復雜、具體、充滿物理規(guī)律的真實世界。

普林斯頓大學畢業(yè)時的李飛飛，來源湖南科技大學

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

02 ImageNet：讓機器第一次“看清世界”

2005年8月至2009年6月，她先后在伊利諾伊大學厄巴納-香檳分校電氣與計算機工程系和普林斯頓大學計算機科學系擔任助理教授，在這兩所院校還同時兼任過心理學系的助理教授。

那時候，人工智能的寒冬尚未完全過去。當時主流的計算機視覺研究，大多依賴于精心設(shè)計的手工特征和有限的小規(guī)模數(shù)據(jù)集，機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)：當時的學術(shù)界與AI領(lǐng)域都在狂熱地打磨算法，卻唯獨忽視了“數(shù)據(jù)”的價值。李飛飛意識到，如果數(shù)據(jù)無法映射真實世界，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。”當時的圖像識別數(shù)據(jù)庫只有上萬張圖片，而她想建一個百萬級、標注完備、覆蓋整個世界物體的圖像宇宙。ImageNet的野心不僅在于識別熊貓、教堂等實體，更試圖囊括“愛情”這類抽象概念。

起初，李飛飛試圖以時薪10美元聘請本科生手動收集圖片。但現(xiàn)實很快給了她一記重擊：按這個速度，完成項目需要整整90年。人力走不通，團隊轉(zhuǎn)而嘗試算法，試圖讓計算機自動抓取圖片，人類僅做審核。但幾個月后，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：這個項目唯一的優(yōu)勢，僅僅因為李飛飛是個女性。

就在項目瀕臨流產(chǎn)時，一次與研究生的閑聊帶來了轉(zhuǎn)機。學生提到了亞馬遜的Mechanical Turk（眾包服務(wù)）——一個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能撬動地球的杠桿，這是普林斯頓的本科生哪怕花上一個世紀也無法做到的。”

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？辨認一只貓或許兩人足矣，但要確認一只體型特殊的哈士奇，可能需要十輪反復驗證。為了防止眾包人員“劃水”作弊，團隊專門開發(fā)了一套統(tǒng)計模型，以此確保每一張入庫圖片的純度。這是一場漫長的攻堅戰(zhàn)。歷時兩年半，涵蓋5247個類別、12個子樹的320萬張標記圖片終于匯聚成塔。

2009年，當團隊帶著這篇日后改變世界的論文亮相CVPR時，并未迎來預想中的掌聲。作為頂會，CVPR甚至沒有給他們上臺演講的機會，只允許在角落張貼海報。團隊不得不靠分發(fā)印有Logo的鋼筆來以此博取關(guān)注。當時的主流學界對“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，如果連識別一個物體都做不到，搞幾千幾萬個又有什么意義？”

為了將影響力推向大眾，李飛飛遠赴歐洲，尋求與當時最權(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，研究人員意外發(fā)現(xiàn)了一個改變行業(yè)認知的現(xiàn)象：凡是經(jīng)過ImageNet預訓練的模型，在處理其他識別任務(wù)時，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，更是認知的飛躍。”——這便是后來被廣泛應(yīng)用的“遷移學習”。

真正的“奇點”發(fā)生在首屆大賽兩年后的2012年。如果說AI的繁榮需要一個引爆點，那無疑是AlexNet公布成績的那一刻。多倫多大學的Geoffrey Hinton與其學生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)了舊時代。

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

03從學界到產(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驗室（SAIL）主任，在這里她并不僅是管理者，更像一個帶著顯微鏡和望遠鏡的探路者：一邊帶領(lǐng)團隊讓視覺理解從簡單“識別”逐步走向更深層次的“理解”，推動AI愈發(fā)能感知世界的細節(jié)；另一方面，她開始思考一個更大的問題——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。

在這個時間段，李飛飛并沒有只局限于實驗室的白板和代碼里。2015年，她與他人聯(lián)合創(chuàng)立了AI4ALL，一項非營利教育項目，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”——她從斯坦福暫時離開，在Google Cloud 擔任AI/ML首席科學家兼副總裁，這是真正將學術(shù)洞見帶入產(chǎn)業(yè)實踐的階段性役使。她參與制定谷歌云在人工智能與機器學習上的戰(zhàn)略方向，同時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，當屬Google Cloud AutoML。這個產(chǎn)品的誕生，不再需要開發(fā)者精通復雜算法，只需上傳數(shù)據(jù)，便可自動生成定制化機器學習模型。2018年初AutoML Vision正式發(fā)布，并在隨后擴展出了文字與翻譯等功能，這一設(shè)計正中她長期倡導的“AI普惠化”理念：AI的價值不在于炫技，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，她還和團隊推動成立了Google AI中國中心，表態(tài)“AI沒有國界”“AI應(yīng)該是每個人的”，體現(xiàn)了她對AI全球共享價值的思考。

2018年，當她返回斯坦福繼續(xù)教學與研究時，李飛飛已經(jīng)不只是一個學術(shù)主理者，而是一個連接學術(shù)與產(chǎn)業(yè)、技術(shù)與公民、機器智能與人類價值的“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更貼近真實世界與更多人的起點。

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。該獎項常被譽為工程領(lǐng)域的“諾貝爾獎”，以表彰對科技與人類福祉作出深遠貢獻的創(chuàng)新者。

李飛飛的名字與ImageNet密不可分。這個在2000年代初啟動的大規(guī)模圖像數(shù)據(jù)庫，讓機器“看見”世界成為可能，并為深度學習在計算機視覺領(lǐng)域的突破建立了基準。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”，推動了算法從實驗室走向產(chǎn)業(yè)應(yīng)用。

對李飛飛來說，AI的進步不止于技術(shù)的加速，更關(guān)乎人類自身的價值與倫理。在領(lǐng)獎現(xiàn)場及隨后接受BBC等采訪時，她強調(diào)自己對被稱為“AI教母”既感到自豪，也意識到這個稱號帶來的責任：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)域獲得認可的機會。在談及AI的未來時，李飛飛并不迷信技術(shù)的無限擴張。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“滅絕風險”，也不單純以技術(shù)奇點作為幻想終點。她認為，AI的真正挑戰(zhàn)在于如何將創(chuàng)新與人性、倫理、社會價值深度融合，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），推動跨學科對話，讓工程師、社會科學家、政策制定者一同參與AI的未來設(shè)計。這一切的背后，是一位科學家對技術(shù)與社會關(guān)系的深刻洞察：當AI能夠處理語言與視覺之后，下一個挑戰(zhàn)是讓它真正理解人類生活的復雜性。在這個過程中，技術(shù)應(yīng)成為增強人類能力、而非削弱人類價值的力量。

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)移的臨界點上。這種“踩點”并非直覺或運氣，而是一種高度結(jié)構(gòu)化的判斷邏輯：當一個技術(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核心能力——對真實世界空間關(guān)系與物理結(jié)構(gòu)的理解。如果機器無法理解“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科學家、密歇根大學教授Justin Johnson等人，于2024年創(chuàng)立了World Labs，系統(tǒng)性地推進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航、調(diào)整元素，并導出為可用于游戲、影像制作或虛擬現(xiàn)實應(yīng)用的資源。與傳統(tǒng)的3D設(shè)計工具不同，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增值（freemium）和付費訂閱模式，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)計等創(chuàng)意行業(yè)，還可能深刻影響機器人導航、增強現(xiàn)實（AR）、自動駕駛模擬，以及科學研究中的三維推理任務(wù)。李飛飛和團隊正在將這一領(lǐng)域從實驗室前沿逐步推向產(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，而是多個能力融合的長期演進。隨著空間智能成為新的推動力，我們或許正迎來AI認知體系的第三次大躍進——一次讓機器真正“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，更是新一代智能時代理想的方向標。

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

【IT行業(yè)名人傳記】執(zhí)著理想，純粹當下—— 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)量的科技和財經(jīng)內(nèi)容。

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

我們正在招募新一期的實習生