全球AI界有兩位大神，一男一女，剛好都是華人。男生就是黃仁勛，家喻戶曉了；女生李飛飛，人稱AI教母，如果沒有她，AI的發展進程，可能還會晚個一二十年。

她創辦的ImageNet，是全球第一個大型AI數據庫，是AI視覺研究的基石。

她33歲成為斯坦福終身教授，45歲成為美國三大權威科學院的院士，在AI界更是桃李滿天下，英偉達、谷歌、OpenAI，都有她的高徒。她還擔任過谷歌副總裁，推動成立了谷歌AI中國中心。

今天，一口氣帶你認識李飛飛。

先說家世。

1976年，李飛飛出生在北京的一個知識分子家庭。

爸爸是工程師，媽媽是人民教師。這樣的家庭，按說應該拼命雞娃。

而李飛飛的童年卻沒有這些，而且她爸爸在世俗眼里還有點“不著調”。

比如李飛飛這個名字的由來，就很有戲劇性。李飛飛出生當天，爸爸因為在公園看鳥忘了時間，錯過了孩子的出生時刻?；丶液笠o孩子起名，他還滿腦袋都是鳥，孩子就叫“飛飛”吧。

成為新手爸爸后，他也沒有為人父的壓力和焦慮，什么奧數班英語班，都靠一邊，他只想著帶孩子瘋玩。

比如帶飛飛去公園看鳥，去田里捉昆蟲，還會找來各種零件，DIY自行車，載著飛飛到處逛。

李飛飛后來回憶說，爸爸就是個迷失在成年人身份中的大孩子。

爸爸的“不著調”，本質上是純粹的好奇心，這反而成為李飛飛的科學啟蒙。以至于上完物理課，她騎自行車轉彎時，都要思考加速度和角動量的變化。

如果說爸爸培養起了飛飛的好奇心，那媽媽就是拼盡了全力保護她的求知欲。

上初中時，有次飛飛被叫了家長，班主任說：別人家孩子都看奧數、背單詞，再不濟的也翻翻《意林》《讀者文摘》，記點作文素材，你家孩子看的都是什么？《不能承受的生命之輕》，海洋生物之謎、UFO……這些又不能提高分數，你作為家長的怎么不管管？

老師倒是一片苦心，可飛飛媽媽不干了，她直接回懟：我家孩子就愛看這些書，有問題嗎？老師被噎得說不出話來。

飛飛不只是愛看閑書，上學時她還把頭發剪得跟男生一樣短，天天跟一群男生聊戰斗機和UFO。

過了倆月，老師又找上門了，說飛飛天天打扮得跟個男生似的，沒有一點女孩子的樣子，不能仗著腦瓜聰明就不守紀律。

這次媽媽也沒慫，她說：飛飛首先是一個獨立的個體，然后才是女孩。

這件事也讓她開始思考，這樣的教育環境，是飛飛想要的嗎？這是我對她的期望嗎？也許飛飛和我一樣，都不屬于這里。

沒過多久，夫妻倆就辭去工作，全家到美國新澤西州定居，飛飛的人生從此發生巨變。

李飛飛

除了父母，李飛飛家還有位特殊的成員，那就是她在異國他鄉的避風港，薩貝拉老師。

1992年，15歲的李飛飛來到美國。黃皮膚、亞洲人、語言不通，這幾個因素一疊加，幾乎預告了李飛飛艱難的求學路。好在她遇到了數學老師薩貝拉。

有次數學考試，李飛飛得了89.4分，90分才能拿A，就差0.6。從小就是尖子生的李飛飛很難受，她去辦公室找薩貝拉老師通融，結果被直接拒絕。薩貝拉說：想要A，只能靠你自己努力，其他免談。

看著是吃了閉門羹，但李飛飛一點沒往心里去，反而激發了她的好勝心。她天天往辦公室跑，一邊練口語、一邊學數學。一次她讓薩貝拉推薦幾本書，老師推薦了自己喜歡的科幻小說，結果李飛飛剛好讀過，從此倆人靠著這個共同愛好打開了話匣子，越聊越投機。從分享書籍聊到家長里短，李飛飛還時不時跑到老師家里蹭飯，相處的跟自家人一樣，薩貝拉老師也把飛飛當干女兒。

飛飛考上大學，他幫著研究入學文件；飛飛母親生病，他幫著聯系醫院；飛飛一家想開干洗店，他更是大手一揮，借出去好幾萬美元。

在爸爸媽媽和老師的幫助下，李飛飛考上著名的藤校普林斯頓。與其說李飛飛改變了世界，不如說這三個她最感謝的人，共同托舉起了一個天選科學家。

那李飛飛是怎么成長為科學家的呢？她又為什么在AI界有這么高的地位呢？

先做個輕科普，新一代AI技術有三大基石，GPU、神經網絡和數據集。GPU提供算力，神經網絡負責算法，數據圖集則是訓練的資源。

AI史上第一個數據圖集ImageNet，正是李飛飛20年前帶隊完成的。

下面我來帶你復盤一下ImageNet的誕生記。

回到2000年，24歲的李飛飛面臨人生的一個分水嶺，是成為拿著高薪的華爾街精英，還是繼續完成心中的科研夢想。李飛飛選擇了后者。

從普林斯頓畢業之后，她來到加州理工繼續求學，成為錢學森和錢偉長的學妹，主攻的正是AI和視覺識別。

當時AI研究已經停滯了很多年，科學家們前赴后繼地努力提升模型和算法，卻一無所獲。

但李飛飛意識到，只關注模型和算法沒有用，還得把數據重視起來。這跟學數學一樣，光訓練邏輯思維沒用，你要讓他做足夠多的題。

比如你想讓機器識別出更多圖片，就得先讓機器學習海量標注好的圖片。

但問題是，這些素材圖片從哪來？當時可沒有現在的技術發達，敲個代碼就能搞定。沒有別的辦法，只能一個個手動收集。

于是在加州理工，她帶著幾個本科生，手敲出來一個有101個分類、9000多張圖片的數據集，叫Caltech101，在科研圈引發了不小的關注。

有了成績之后，李飛飛想要繼續完善這個數據庫，好推動進一步的研究。

但這個想法立馬被同行們潑了一盆冷水。因為當時在AI圈，算法才是絕對C位，數據集基本沒人關注。

一連串的質疑也讓她無力反駁：怎么做？你有計劃嗎？能做成嗎？靠譜嗎？

他們倒不是打擊飛飛，而是視覺識別這個科研方向太冷門了，不但拉不到經費，還可能因此一輩子評不上教授。

而且要想實現李飛飛的設想，需要的圖像分類可就不是101個了，而是3萬個。

光是上百個分類，他們就加班加點干了好幾個月，如果沒有資金支持，按這個進度，三萬個至少要干上百年！這是李飛飛遇到的第一個坎兒。

不過在一片質疑聲之外，李飛飛也遇到了一位支持者，李凱。他和李飛飛是普林斯頓計算機科學系教師中唯二的中國移民。

之所以他會站出來支持，不僅僅是因為同是華人，而是李凱本來就是這方面的專家，還是一位成功的創業者，不差錢。

商人加學者的雙重身份，讓他篤信大規模數據集的未來。李教授不僅捐了一套工作站（一種計算機）給李飛飛團隊，還把自己的學生鄧嘉推薦給了她。

2007年，在李教授和鄧嘉的支持下，李飛飛的數據集終于正式啟動，這就是ImageNet。

她規劃了22000個類別，每個類別配1000張圖，一共2200萬張。這還只是成品，為了選出這2200萬張，需要先找到至少10億張。

這工作量絕對是天文數字，好在找圖、標注沒啥技術含量，他們雇了一群本科生，每小時10美元，做一個無情的標注機器。

但即便如此，ImageNet完工也得整整19年。

為了提高效率，李飛飛和鄧嘉想了不少辦法，比如優化圖片下載流程，原本需要點三下鼠標，給它壓縮到一下搞定；再比如自動在谷歌輸入圖片類別，提高下載速度。

一頓操作猛如虎，到頭來，預計只能把19年的開發周期壓縮到18年，還因為下載太多，被谷歌封了賬號。

其實要提速也簡單，撒錢招人就行了，但每小時10美元是個天文數字，而且他們也沒有多大的辦公場地可用。ImageNet再次陷入了僵局，這是李飛飛遇到的第二個坎兒。

在絕望之下，李飛飛茶不思飯不想，甚至想過開幾家干洗店，一邊賺錢一邊養開發。不過好在幸運女神再次眷顧了她。

一個叫孫民的研究生有一天突然找到她，說有種工作模式叫眾包，就是可以遠程分配工作，全世界的人都可以同時參與，而且價格絕對比線下找本科生便宜，亞馬遜就有這種服務，正好可以解決李飛飛的問題。

聽到這個消息，她立馬轉向眾包模式，團隊的標注員開始指數級增長。最多時有來自167個國家的4.8萬人參與，開發時間也從十幾年縮短到5年、2年和不到1年，勝利就在眼前，但很快，李飛飛發現口袋里又沒錢了，研究資金再次告急。這是李飛飛遇到的第三個坎兒。

她到處洽談投資合作，最后斯坦福拋來了橄欖枝，而代價則是讓他們整個團隊搬到斯坦福所在的加州。

本來已經安居樂業的李飛飛，要離開工作生活了十幾年的地方，再次陷入兩難。有母校，有親人朋友，有熟悉的工作環境，但當李飛飛看到跟著自己奮斗好幾年的同事們，李飛飛最終決定冒險一把。

2009年初，李飛飛帶團隊跳槽到斯坦福，當年6月，ImageNet的初始版本問世，收錄了1500萬張圖片，涵蓋22000個類別，而且每張圖片都經過了手工標注，并在層次結構中進行了組織，經過了三重驗證，建立起人工智能史上最大的人工編輯數據集。

回首看，ImageNet的完成，除了李飛飛團隊的日夜辛苦，還要歸功于當時互聯網、數碼相機、搜索引擎等等更多技術的融合，所有這些大時代里的趨勢匯集到一起，相互成就，才促成了最后的成功。

但是回到2009年，ImageNet的誕生跟“科研碩果”、“改寫歷史”這些詞一點都沾不上邊，李飛飛帶著ImageNet去參加計算機視覺與模式識別大會，結果被忽視，只在會場邊上的海報上展示一下，幾乎無人問津。

后來她想到辦比賽，號召全球的AI算法從業者，用ImageNet訓練他們的模型，最后比一比誰的效果最厲害。

這樣既能提高知名度，還能在各類算法模型的測試中優化自己，一箭雙雕。

但2010年5月首屆比賽的結果公布后，她的心又涼了半截，獲勝的算法團隊，還是當時公認的行業標準，成績也沒比在其他數據集訓練的好多少。

到第二屆，報名人數差點腰斬，比賽結果跟第一年也差不多。

李飛飛一度懷疑自己是不是錯了。

直到2012年8月，第三屆比賽的結果出爐，獲勝的是一個神經網絡算法團隊，而且準確率比上屆冠軍高10%。

所有人都震驚了，因為神經網絡并不是當時正統的算法，甚至有點“老古董”的感覺。

這就好比一個名不見經傳的老頭，一下擊敗了各大門派，拿下了武林盟主。

李飛飛當即決定，必須要親自見見這個團隊，看看到底是何方神圣。

而這個團隊的老大我們都很熟了，就是拿下2024年諾貝爾物理學獎的辛頓教授。

辛頓教授團隊開發的算法模型AlexNet，在這次比賽中的識別準確率達到85%，創下世界紀錄。更奇怪的是，AlexNet屬于卷積神經網絡，這是一個20多年都沒什么進展的算法方向，這次究竟是出現了神跡，還是辛頓撞了大運？都不是，這其實是科學界的一次風云際會。

簡單說，神經網絡的思路相當于模擬人腦，模擬生物進化。比如視覺識別，別的算法都是預先決定先找圖片的哪些特征，而AlexNet沒有預設，完全靠訓練數據學習，來培養自己的敏感度，逐漸形成對世界的認知，跟嬰兒認知世界的方式一樣。

辛頓教授之所以坐20年冷板凳，不是因為神經網絡的思路有問題，而是它缺少資源，其中最核心的是算力和數據。

而ImageNet，恰好提供了足夠多的數據，內置了CUDA的英偉達GPU，又恰好提供超強算力。這次科學界的風云際會，成就了李飛飛，正名了辛頓，造富了黃仁勛。

AlexNet的成功讓神經網絡正式成為AI主流，2年后，機器的人臉識別準確率正式超越人類。

李飛飛用大數據訓練神經網絡的想法也被業內瘋狂追捧，從圖像擴展到語音、文字、視頻等其他領域，AI革命被徹底點燃。

即便已經功成名就，李飛飛也沒有躺平，而是繼續推動AI進化。2024年1月，她創立了World Labs，要把AI模型從2D像素提升到3D世界，賦予和人類世界一樣豐富的空間智能。今年她又親自下場，基于通義千問，只用了50美元，就訓練出一個媲美DeepSeek R1的新模型S1。

李飛飛“AI教母”稱號的含金量，還在不斷地提高。

作者 | 吳婷

嘉賓商學吳婷

參考資料：
[1]李飛飛.我看見的世界.中信出版集團.2024
[2]50美元復現DeepSeek R1，李飛飛團隊也選了阿里Qwen.硬ai.2025
[3]阿里云回應李飛飛團隊50美元訓練出AI模型.觀點網.2025