李飞飞：定义AI三次浪潮的先行者

在人工智能从实验室走向产业洪流的三十年里，李飞飞（Fei-Fei Li）始终是那个站在范式转折点上的引领者。她既是让机器“看见世界”的奠基者，也是“以人为本AI”理念的倡导者，如今更成为推动AI迈向“空间智能”新时代的拓荒人。这位1976年出生的华裔科学家，用二十余年的学术与实践轨迹，不仅勾勒出个人从移民学子到“AI教母”的成长史诗，更完整映射了人工智能从技术萌芽到价值重构的演进脉络。 1992年，16岁的李飞飞随母亲移民美国，挤在新泽西一间仅有卧室的公寓里，开启了跨越语言与文化的求生之旅。彼时全家不懂英语，仅靠父亲微薄收入维生，她不得不边读高中边打零工——餐馆服务生、家庭清洁工的经历，与后来实验室里的精密研究形成奇妙呼应。凭借数学满分的SAT成绩和坚韧意志，她以全额奖学金考入普林斯顿大学物理系，1999年获荣誉学士学位；随后进入加州理工学院深造，师从计算机视觉权威Pietro Perona教授，深耕电气与计算机工程、认知神经科学交叉领域，2005年以“视觉识别：计算模型与人类心理物理学”论文斩获博士学位。这段“在生存中求知”的经历，悄然埋下她日后科研的核心底色：让AI理解真实世界的复杂与具体。

第一次浪潮：ImageNet，为深度学习点燃视觉革命

2005年博士毕业后，李飞飞先后执教于伊利诺伊大学厄巴纳-香槟分校与普林斯顿大学，彼时的AI领域仍未走出“寒冬”。计算机视觉研究深陷瓶颈：主流方案依赖手工设计特征，数据集规模仅数万张，能识别的物体不过数十种。学界狂热打磨算法的浪潮中，李飞飞却敏锐洞察到核心盲区——“数据缺位”：若数据无法映射真实世界的丰富性，再精妙的算法也只是空中楼阁。
2007年，她启动了看似“不切实际”的ImageNet项目：构建一个覆盖千万级标注图像、囊括全球物体类别的大规模数据集与评测平台。起初的尝试充满挫败：聘请本科生手动标注需90年完成，依赖算法自动抓取又会陷入“模型上限锁定”的死循环，联邦拨款申请屡屡碰壁，甚至遭遇“普林斯顿研究此课题是耻辱”的嘲讽。直至发现亚马逊众包平台Mechanical Turk，项目才迎来转机——这一能动员全球网民低成本完成简单任务的工具，成为撬动“图像宇宙”的杠杆。
即便如此，ImageNet的建设仍是一场攻坚战。团队不仅要解决“多少人审核才能确保标注准确”的质控难题，更开发统计模型防范众包作弊。历时两年半，涵盖5247个类别、320万张标记图像的数据库终于建成。2009年亮相顶会CVPR时，学界的漠视仍未消散——仅能在角落张贴海报，需靠分发印Logo的钢笔博取关注。直至2012年，基于ImageNet训练的AlexNet深度卷积神经网络，以领先第二名41%的碾压性优势夺冠，彻底终结了手工特征的旧时代，深度学习在计算机视觉领域迎来爆发式增长。
如今，自动驾驶、医学影像、手机相册分类等所有视觉AI应用，都建立在ImageNet奠定的基础上。这个最初被质疑的项目，最终成为视觉AI的底层标配与行业基准，李飞飞用“数据驱动”的理念，完成了对整个AI领域的第一次重塑。

第二次浪潮：跨界产学研，锚定“以人为本”的AI航向

2013年出任斯坦福人工智能实验室（SAIL）主任后，李飞飞的视野已超越技术本身。她一边带领团队推动视觉理解从“识别”向“深层理解”进阶，一边开始思考更根本的问题：“AI不应是少数精英的专利，而应服务于更广泛的人类群体”。这种思考推动她走出实验室，成为连接学界与产业、技术与社会的“桥梁建造者”。
2015年，她联合创立非营利教育项目AI4ALL，致力于将AI教育带给女性、少数族裔与普通青年，打破AI领域的精英垄断，从根源上解决行业参与的结构性不平衡。2017年，她暂别斯坦福，以AI/ML首席科学家兼副总裁的身份加入Google Cloud，开启将学术洞见转化为产业实践的探索。期间，她主导推动的Google Cloud AutoML成为标志性成果——这款工具让非专业人士只需上传数据，就能自动生成定制化机器学习模型，彻底降低了AI技术的使用门槛，完美契合她“AI普惠化”的倡导。同时，她推动成立Google AI中国中心，践行“AI没有国界”的理念，促进全球AI人才合作与技术共享。
2018年重返斯坦福后，李飞飞的思考进一步深化。2019年，她联合创立斯坦福以人为本人工智能研究所（HAI），推动工程师、社会科学家、政策制定者跨学科协作，将伦理与社会价值纳入AI设计的核心。2025年，凭借对AI领域的开创性贡献，她荣获被誉为工程界“诺贝尔奖”的伊丽莎白女王工程奖，在领奖时她强调：“‘AI教母’的称号既是荣誉，更是责任——推动更多女性和少数群体在科技领域发声，让AI服务于公共利益，而非单纯的算力或商业增长。” 这一表态，成为她“以人为本AI”理念的鲜明注脚。

第三次浪潮：剑指空间智能，开启AI理解世界的新维度

李飞飞的科研选择，始终精准踩在技术范式转移的临界点。当大语言模型解决“语言理解与生成”、视觉模型完成“图像看见与分类”后，她敏锐察觉到新的核心瓶颈：AI缺乏对真实世界空间关系与物理规律的理解。“若机器不知道物体在何处、彼此如何关联、遵循何种物理规则，推理与行动就无法真正闭环。” 基于这一判断，她提出：人工智能的下一个边界，是“空间智能（Spatial Intelligence）”——让机器理解世界的位置、结构、关系与物理逻辑，实现感知—推理—互动的一体化。
2024年，李飞飞联合前Meta科学家Justin Johnson等学者创立World Labs，系统性推进空间智能的研究与产品化。首款产品Marble的推出，让这一理念落地：作为基于“世界模型”的生成式AI工具，它能通过文本、图像、视频甚至3D布局图，自动生成可编辑、可探索、可导出的三维世界。用户无需掌握专业3D设计技能，就能构建物理合理、细节丰富的虚拟环境，大幅降低了创意行业的创作门槛。目前，Marble已推出免费增值与付费订阅模式，覆盖从轻量试用到专业创作的全场景需求，成为空间智能走向大众的首个切口。