01 从成都到普林斯顿：跨越文化与语言的求知之旅

李飞飞出生于北京，儿时在四川成都长大，父母分别是中学教师和化工厂计算机部门员工。少年时期的她就对数理科学展现出浓厚兴趣，学业成绩始终名列前茅。12岁时，父亲率先移民美国；1992年，16岁的李飞飞与母亲一同前往美国团聚，一家三口挤在新泽西一间只有卧室的小公寓里，开启了艰辛的移民生活。

作为第一代中国移民，一家三口都不懂英语，家庭收入微薄，生活拮据。初到美国的两年里，李飞飞曾在餐馆打工、做家庭清洁工补贴家用，父母则借钱开了一家干洗店维持生计。洗衣机的轰鸣、熨斗的蒸汽与化学溶剂的刺鼻气味，成为她大学生活挥之不去的背景音。这段“脚踏实地”的经历，日后竟与她“仰望星空”的科研事业产生深刻共鸣——她终其一生追求的，正是让机器学会“看见”并理解这个复杂、具体、充满物理规律的真实世界。

语言障碍与生活压力并未阻挡李飞飞的求知脚步。她从零开始学习英语，就读于新泽西帕西帕尼高中，1995年以全班第六名的成绩毕业，SAT取得1250分，其中数学斩获满分800分。凭借优异的成绩，她成功考入普林斯顿大学物理系，还获得了全额奖学金。1999年，李飞飞以优异成绩获得普林斯顿大学物理学荣誉学士学位；毕业后，她曾获奖学金前往西藏研究传统药物，随后进入加州理工学院深造，攻读电气工程、计算机科学与认知神经科学方向博士学位，师从计算机视觉领域专家Pietro Perona教授和克里斯托夫·科赫教授，2005年顺利毕业，博士论文聚焦“视觉识别：计算模型与人类心理物理学”。

02 ImageNet：让机器第一次“看清世界”

2005年8月至2009年6月，李飞飞先后在伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系、普林斯顿大学计算机科学系担任助理教授，同时还兼任两校心理学系助理教授。彼时，人工智能的寒冬尚未完全消散，主流计算机视觉研究依赖精心设计的手工特征和小规模数据集，机器能识别的物体种类仅有数十种。李飞飞敏锐地察觉到行业盲区：学术界与AI领域都在狂热打磨算法，却严重忽视了“数据”的核心价值。她坚信，若数据无法映射真实世界，再精妙的算法也只是空中楼阁。

2007年，李飞飞启动了一项看似简单却影响深远的项目——ImageNet，旨在构建一个囊括“全世界所有物体”的大规模数据集和评测竞赛平台。当时的图像识别数据库仅有上万张图片，而她的目标是打造一个百万级、标注完备、覆盖全球物体的“图像宇宙”，不仅涵盖熊猫、教堂等实体，还试图囊括“爱情”这类抽象概念。“我们决定做一件史无前例的事情。我们的对象是全世界的物体。”李飞飞曾这样回忆。

项目初期充满波折：起初计划以时薪10美元聘请本科生手动收集图片，按此速度完成项目需90年；转而尝试算法自动抓取图片，却发现会让未来模型陷入无法超越现有水平的死循环；资金链断裂、联邦拨款申请无果，还遭遇冷嘲热讽，有人讥讽普林斯顿研究此类课题是“耻辱”，甚至刻薄地称项目唯一优势是“李飞飞是女性”。

转机来自一次与研究生的闲聊。学生提及的亚马逊Mechanical Turk众包服务，让李飞飞看到了希望——这个能以低廉成本动员全球网民完成简单任务的平台，成为“撬动地球的杠杆”。即便如此，项目推进仍需攻克质控难题：识别普通物体可能只需两人审核，确认特殊体型的哈士奇却需十轮反复验证；为防止众包人员作弊，团队还专门开发统计模型保障图片纯度。历时两年半，涵盖5247个类别、12个子树的320万张标记图片终于汇聚成塔。

2009年，团队带着这篇日后改变世界的论文亮相CVPR顶会，却未获上台演讲机会，只能在角落张贴海报，靠分发印有Logo的钢笔吸引关注。当时主流学界对“数据驱动”嗤之以鼻，有人质疑“连一个物体都识别不了，搞几千几万个又有什么意义？”为扩大影响力，李飞飞远赴欧洲与权威图像识别大赛PASCAL VOC合作，借助其高质量数据让ImageNet迅速站稳脚跟。后续研究更意外发现“迁移学习”现象：经ImageNet预训练的模型，处理其他识别任务时只需微调便能表现惊艳。

2012年，真正的“奇点”来临。多伦多大学Geoffrey Hinton团队基于ImageNet开发的深度卷积神经网络AlexNet，以领先第二名41%的碾压性优势夺冠，彻底终结了传统计算机视觉的旧时代。如今，自动驾驶、医学影像、安防识别、手机相册分类等所有视觉AI应用，都建立在ImageNet的基础之上。李飞飞用一个数据集，将“数据”从AI的配角提升为核心资源，更奠定了视觉AI的底层标配和社区共同创造的基准，完成了对整个行业的第一次颠覆。

03 从学界到产业：为“AI为人类”而努力

2013年，李飞飞出任斯坦福人工智能实验室（SAIL）主任。在这里，她既是科研领路人，带领团队推动视觉理解从“识别”向深层“理解”进阶；更是思想者，开始深入思考“AI不应是少数人的专利”，致力于让人工智能服务更多群体。

2015年，李飞飞联合创立非营利教育项目AI4ALL，旨在将AI教育带给更多女性、少数族裔与普通青年，打破AI领域由少数精英主导的格局，从根源上解决AI教育与参与的结构性不平衡问题。这一倡议让AI领域的未来构建者来源更广泛，为行业发展注入多元活力。

2017年，李飞飞从斯坦福暂时离职，开启了一段特别的“产业假期”——出任Google Cloud AI/ML（人工智能/机器学习）首席科学家兼副总裁。这段经历让她的学术洞见成功落地产业实践：她参与制定谷歌云AI与机器学习战略方向，推动一系列降低技术门槛的产品工具，其中最具代表性的便是Google Cloud AutoML。这款工具让非专业人士无需精通复杂算法，只需上传数据就能自动生成定制化机器学习模型，2018年初AutoML Vision正式发布，后续还扩展出文字与翻译等功能，完美践行了她“AI普惠化”的理念——AI的价值不在于炫技，而在于让更多企业、开发者乃至普通用户用得起、用得好。

与此同时，李飞飞还推动成立Google AI中国中心，明确表态“AI没有国界”“AI应该是每个人的”，彰显了她对AI全球共享价值的深刻思考。2018年重返斯坦福后，她已不再是单纯的学术主理者，而是成为连接学术与产业、技术与公民、机器智能与人类价值的“桥梁建造者”，为AI贴近真实世界与普通大众奠定了坚实基础。

04 人性、伦理与未来：对AI的深层思考

2025年春，伦敦圣詹姆斯宫举行的伊丽莎白女王工程奖颁奖典礼，让李飞飞再次成为全球焦点。被誉为工程领域“诺贝尔奖”的该奖项，旨在表彰对科技与人类福祉作出深远贡献的创新者，李飞飞与黄仁勋等AI先驱一同获此殊荣，成为全球工程界最受瞩目的人物之一。此次获奖，再次印证了她凭借ImageNet对人工智能领域的开创性贡献——这个21世纪初启动的大规模图像数据库，让机器“看见”世界成为可能，为深度学习在计算机视觉领域的突破建立基准，更成为AI理解图像语义的通用“语料库”，推动算法从实验室走向产业应用。

对于“AI教母”这一称号，李飞飞既感自豪，更深知责任重大。在领奖现场及后续接受BBC等媒体采访时，她强调这一称号不仅代表技术成就，更意味着要为更多女性和少数群体在科技领域争取认可与机会。谈及AI未来，她明确反对两极化极端论述：既不盲目悲观地将AI视为“灭绝风险”，也不单纯将技术奇点作为幻想终点。她认为，AI的真正挑战在于将创新与人性、伦理、社会价值深度融合，让技术服务于更广泛的公共利益，而非仅为算力或商业增长服务。

这种思考源于她长期倡导的“以人为本的AI”理念。2019年，李飞飞与同事共同创立斯坦福人本AI研究所（HAI），推动工程师、社会科学家、政策制定者跨学科对话，共同参与AI未来设计。在她看来，当AI能够处理语言与视觉后，下一个挑战是理解人类生活的复杂性，而技术的终极价值应是增强人类能力，而非削弱人类价值。

05 剑指AI新圣杯：以World Labs开启空间智能革命

回望李飞飞二十年科研轨迹，其关键选择始终精准契合技术范式转移的临界点。这种精准判断并非源于直觉或运气，而是基于清晰的逻辑：当一项技术完成从“可行”到“规模化”的跃迁后，新瓶颈必然出现在系统能力边界。在语言模型解决“理解与生成语言”、视觉模型完成“看见与分类”后，AI仍缺失核心能力——对真实世界空间关系与物理结构的理解。若机器无法知晓“物体在何处”“彼此如何关联”“遵循何种物理规律”，推理与行动便无法真正闭环。

基于这一洞察，李飞飞提出：人工智能的下一个边界不是更大的模型，而是“空间智能（Spatial Intelligence）”。这一概念并非简单的“看见世界”，而是让机器理解世界中的位置、关系、结构乃至物理规律，实现感知—推理—互动的一体化能力。2024年，李飞飞联合前Meta科学家、密歇根大学教授Justin Johnson等人创立World Labs，系统性推进空间智能的研究与产品化探索。

World Labs推出的首款商业产品Marble，成为空间智能的首个落地成果。这款基于“世界模型”的生成式AI工具，能通过文本、图像、视频甚至3D布局图等多模态输入，自动创造可编辑、可探索的三维世界。用户可在生成的高度逼真3D场景中自由导航、调整元素，并导出用于游戏、影像制作或虚拟现实应用的资源。与传统3D设计工具不同，Marble无需人工绘制模型，借助AI的“空间理解”就能构建物理合理、细节丰富的三维环境，大幅降低了虚拟世界构建的门槛。目前，Marble已面向公众推出免费增值和付费订阅模式，覆盖从轻量试用到专业创作的多元需求。

对World Labs而言，Marble只是迈向空间智能时代的第一步。未来，这类世界模型不仅能助力电影、游戏、建筑设计等创意行业，还将深刻影响机器人导航、增强现实（AR）、自动驾驶模拟及科学研究中的三维推理任务。李飞飞和团队正将这一前沿领域从实验室逐步推向产业与社会应用的前端。

AI的发展从来不是单一维度的突破，而是多能力融合的长期演进。随着空间智能成为新推动力，人类或许正迎来AI认知体系的第三次大跃进——一次让机器真正“理解世界空间”的革命。从洗衣店女孩到“AI教母”，50岁的李飞飞用World Labs和Marble再次证明，她不仅是技术的创新者，更是新一代智能时代理想的方向标。正如她所言：“没有空间智能的AGI是不完整的。”

Reference

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

[2] 新浪财经. 李飞飞最新访谈：追逐AI的“北极星”—从ImageNet到三维世界的空间智能|附全文+视频. 2025-07-02. https://finance.sina.com.cn/stock/t/2025-07-02/doc-infeanhm4426226.shtml

[3] Britannica. Laura Payne, Fei-Fei Li. 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. 2025-02-06. 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. 2025-11. https://news.stanford.edu/stories/2025/11/fei-fei-li-queen-elizabeth-prize-engineering

[6] Wikipedia. Fei-Fei Li. https://en.wikipedia.org/wiki/Fei-Fei_Li

[7] Queen Elizabeth Prize Official Website. Queen Elizabeth Prize for Engineering: Winners and Information. https://qeprize.org/

[8] 湖南科技大学. 【IT行业名人传记】执着理想，纯粹当下——AI女神李飞飞的逆袭之路. https://computer.hnust.edu.cn/xsgz/kcsz/ITxygsh/0d0eb972f0fa4329808c4d9ce447fca1.htm

[9] 腾讯云. ImageNet这八年：李飞飞和被她改变的AI世界. https://cloud.tencent.com/developer/article/1077004