从成都孩童到AI教母：早期经历与学术初心

李飞飞的童年在20世纪80、90年代的中国成都度过，她对自然和科学的热爱源于父亲的影响。她回忆道：“我爸爸对大自然很好奇，所以我跟着他追虫子、遛小狗，去山里画画。”这种探索精神延续到了她的青少年时期。1990年代移民美国新泽西后，作为青少年的她经历了巨大的文化、语言和生活适应挑战。在普林斯顿大学攻读物理期间，她还负责运营家庭的干洗店以维持生计，随后在加州理工学院获得博士学位并成为一名计算机科学家。她形容早期的AI研究是一个“纯粹出于好奇心”的时期，没有金钱、权力或炒作，科学家们像仰望星空或潜入深海一样探索未知。她深入思考人类视觉与计算机视觉的本质区别，认为“很多‘看’的行为是为了让人类能够行动”。例如，醒来拥抱孩子、准备早餐或开车上班，这些日常动作都依赖于人类的空间智能。因此，让计算机理解世界并据此行动是极具挑战性的任务。

ImageNet的诞生与深度学习革命的“黄金配方”**

2006年，李飞飞意识到算法需要数据才能变得更聪明。她带领团队构建了ImageNet——一个包含1400万张图片、涵盖2.1万个类别的大型视觉数据库，这是当时规模最大的数据集。她的学生和她有一个顿悟：学习必须由数据驱动。2010年，她发起ImageNet竞赛。2012年，多伦多大学的Geoffrey Hinton团队使用AlexNet算法参赛。该算法的关键创新在于利用了NVIDIA图形处理器的计算能力。这一组合——海量数据、神经网络和GPU算力，成为了现代AI的“黄金配方”。李飞飞认为这一成就不仅属于她或她的团队，而是“整个人类文明的故事”。尽管被媒体称为“AI教母”，她起初对此感到惊讶，因为她并不自视如此。但她后来意识到，如果拒绝这个头衔，可能会再次导致女性贡献被低估。她希望更多女性在创新领域获得同等的认可。随着ChatGPT的发布，AI从边缘研究领域跃升为全球焦点，李飞飞也看到了新的机遇。

押注“世界模型”：World Labs的创业愿景与挑战**

2024年，李飞飞创立了初创公司World Labs，致力于开发“世界模型”。与当前主流的大语言模型（如ChatGPT和Claude）不同，世界模型的目的是预测现实世界中接下来会发生什么，而不仅仅是句子中的下一个词。李飞飞尖锐地指出大语言模型的局限性：“单词能灭火吗？单词能做煎蛋卷吗？”她认为，描述如何接住一个球和实际接住它之间存在本质区别。在World Labs，她是公司里资历最深的人，从联合创始人到工程师和研究人员都非常年轻且才华横溢。她形容自己像一位“虎妈”，以高标准运营公司。尽管AI世界都在押注大语言模型，李飞飞坚信世界模型是AI的下一个重大飞跃。她反思道：“我从未想象到人工智能会如此巨大，甚至重新定义整个文明、文化转变和地缘政治格局。”World Labs正处于一个竞争激烈的领域，众多竞争对手也在押注世界模型是AI的未来。李飞飞的愿景是通过技术赋能人类，而非取代人类或仅仅关注就业替代问题。

超越语言模型：世界模型的三大核心职能

当前AI行业普遍聚焦于大语言模型（LLMs），但李飞飞认为，若要推动科学发现并让机器人成为人类的合作伙伴，仅靠语言是不够的。构建世界模型和空间智能并非要取代LLM，而是AI发展的下一个前沿章节。她将“世界模型”这一过载术语拆解为三种不同的功能：渲染（Rendering）、模拟（Simulation）和规划（Planning）。第一种是面向人类的视觉生成，如OpenAI的Sora输出高质量像素供人类消费；第二种是服务于机器的物理结构模拟，捕捉基于物理学的几何世界结构；第三种则是与机器人紧密耦合的规划能力，例如指导机械臂识别杯子并执行“拿起”和“放置”的动作。这种分层架构旨在让机器真正理解物理世界的运作逻辑，而不仅仅是处理文本信息。

Marble平台：从静态图像到可交互的3D世界

World Labs推出的首个产品Marble是一个允许用户通过单一视觉或文本提示生成可探索、可编辑3D世界的平台。Marble的核心价值在于其生成的并非静态图片，而是具备完全一致性的3D空间。用户可以在其中自由导航、转身和移动，这种交互性使其在多个领域展现出巨大潜力。例如在虚拟制片中，电影制作人员可以利用Marble在任何环境中拍摄演员；在游戏开发领域，它大幅降低了资源消耗和时间成本。此外，World Labs还与NVIDIA合作，利用Marble生成的环境来增强机器人的训练效果。这种从2D图像到3D物理空间的跨越，为机器人提供了更真实的模拟训练场。李飞飞强调，Marble不仅是技术展示，更是连接数字世界与物理现实的关键桥梁。

数据壁垒与技术护城河：算法、架构与人

在训练数据方面，World Labs专注于两类独特资源：一是经过特殊准备的高细微像素数据，相比语言数据，图像包含更多如相机信息等丰富细节；二是算法和架构的创新。李飞飞指出，“没有人像我们这样在创建3D乃至最终4D世界方面构建生成式世界模型。真正的秘密在于人，但数据、算法和系统同样关键。”尽管公司已融资10亿美元，但目前仍处于早期阶段，重心完全放在技术构建上。李飞飞认为，虽然大公司拥有深厚财力且业务分散，但World Labs凭借50人的精简团队和高度专注的策略，能够更灵活地改变公司轨迹。这种“小而精”的模式在人才争夺激烈的市场中具有独特吸引力，早期员工能直接参与塑造公司方向。

行业现状与未来展望：处于“2019年LLM时刻”

李飞飞将当前世界模型的发展阶段比作2019年的LLM时期：行业尚未完全破解代码，但正处于爆发前夜。尽管有人质疑这是新一轮炒作周期，她坚信空间智能和物理智能是机器智能的基础。目前该领域投资已达30亿美元并持续增长，但技术路径尚未统一。关于机器人能否迅速填补炒作与现实之间的差距（如洗碗或取快递），李飞飞持谨慎乐观态度，认为60亿美元的投资对于如此重大的工业革命而言仍显不足。她承认世界模型的构建极度消耗资源，未来可能需要更多算力和资本，但目前尚不确定是否能获得足够支持。然而，一旦技术达到临界点，“魔法”般的突破时刻必将到来。作为科学家和企业家，她坚信空间智能将带来巨大的市场价值。

技术转型期的社会焦虑与双重情绪

当前，生成式AI的投资激增，世界模型（World Models）虽已走出演示阶段但仍需时间与资金支持。这一技术变革引发了公众的强烈反应，例如前谷歌CEO埃里克·施密特在大学毕业典礼上被嘘声包围的现象。这种情绪在学生群体中尤为复杂，斯坦福大学的学生既感到焦虑和困惑，也充满希望和兴奋。核心矛盾在于：AI既能赋予个体前所未有的能力与尊严感（Agency），也可能因取代工作而剥夺这种尊严。 李飞飞指出，美国作为科技和经济的领导者，若不能展示对AI的积极态度和发展路径，全球都将受损。她强调美国应通过创造巨大的经济价值和文化影响力成为榜样，而非因恐惧而停滞。

政策制定中的科学理性与生态构建

在担任美国总统及联合国顾问期间，李飞飞坚持以科学事实而非科幻想象为基础进行政策对话。她反对将AI讨论引向“人类灭绝”或“AGI机器主宰”的极端修辞，认为这分散了真正的政策工作注意力。她指出大多数决策者缺乏计算机科学背景，因此需要科学家提供事实并敢于纠正错误。政策制定的首要任务是扎根科学，其次是通过资源投入公共部门和K-12/K-16阶段的STEM教育来确保健康的生态系统。 她强调，人类资本才是世界最重要的资源，社会的目标应是人的繁荣而非仅机器的高效。

技术风险、权力傲慢与集体治理

尽管世界模型和语言模型具有创造虚假信息和武器化机器人的风险，李飞飞认为技术本身（如电力、汽车）历来伴随双刃剑效应。她强烈反对AI CEO们表现出的“上帝情结”（God Complex），认为个人无权替全人类做决定。 在民主社会中，公民社会不应放弃对AI的治理权，而应通过集体治理来平衡风险与收益。她主张不能因噎废食（throw the baby with the bathwater），因为AI能治愈疾病、赋能教育并帮助老人。 作为科学家和教育者，她有个人责任说出真相，推动社会向良性方向发展。

历史乐观主义与人文关怀的回归

李飞飞自述为一名坚定的乐观主义者，相信历史弧线虽长但倾向于仁慈（Benevolence）。她引用马丁·路德·金的话，指出尽管存在阴暗面，但人类DNA中渴望后代生活更好以及集体道德罗盘推动社会向善的力量是主导的。2026年比公元前2026年对大多数人更好，证明了这一趋势。她认为治理的目的不是停止AI，而是引导其服务于人类福祉。 在个人层面，她对UFO和科幻电影《接触》（Contact）的喜爱反映了其童年对未知的浪漫好奇，这种好奇心也驱动她在AI领域的探索——从赋予机器“眼睛”到为其构建生活的世界。

"There's nothing artificial about artificial intelligence. It's inspired by people. It's created by people. And most importantly, it has an impact on people."

"I don't go in hyping. I don't go in providing extreme rhetoric... It's very important that whoever I talk to knows that I'm a scientist."

"The arc of history is long... I believe it bends towards benevolence."