造AI的人比用AI的人更分裂：李飞飞捅破了这层窗户纸

文 | 思策智库

2006年，李飞飞在普林斯顿一间不算宽敞的办公室里，跟学生说了一句当时听起来有点“反算法”的话：计算机视觉的瓶颈不在模型，在数据。那时主流圈子里大家都在调特征、改分类器，谁要提“给机器喂1400万张图、两万多个类别”，大概率被当成外行。

她后来真把这个数据库做出来了——ImageNet，1419万张图，21841个WordNet层级类别，靠Amazon Mechanical Turk众包标注。2012年，辛顿团队的AlexNet在这个库上把Top-5错误率从将近28%砸到15.3%，深度学习从此出圈。这是技术史里少有的干净拐点：不是某句宣言改变了行业，是1400万张被认真标过的图片，把“机器能不能看懂世界”从哲学问题拽成了工程问题。

但有意思的是，机器越看得清，人越看不清自己该怎么跟机器相处。李飞飞最近对彭博社说的那番话，没有甩新模型跑分，倒是先把账算到了硅谷自己头上：一边喊“人类灭绝”“AGI统治人类”，一边把算力、数据、方向锁在少数人手里，公众怕的不是算法，是这种叙事和权力叠在一起。

李飞飞接受彭博社《The Circuit》采访照片 图源-网络

从1400万张图到3D世界：她没换赛道，只是把“看”往前推了一格

ImageNet解决的是“这是什么”——一张图进来，机器告诉你里面有条狗、有把椅子。但李飞飞很清楚，人类看世界不是只做分类。你早上睁眼，先感知空间：孩子在哪、楼梯在哪、咖啡杯离手多远。这套能力叫空间智能，它比“识图”早，也比“对话”底层。

所以World Labs做的事，表面看是绕开了ChatGPT那条热搜线，去搞“世界模型”，本质还是她2006年那条线索的延长：让机器理解世界，而不只是描述世界。World Labs把空间智能拆成三件事——渲染（生成能看的画面）、模拟（守住物理和几何结构）、规划（告诉机器人下一步拿杯子还是放盘子）。2025年11月他们放出Marble，用一张图或一段文字生成可走进去、可编辑的3D世界；2026年2月又官宣新一轮10亿美元融资，累计公开募资约12.3亿美元，英伟达、AMD、Autodesk（单家投2亿）、a16z都在里面。

钱多不等于近。李飞飞自己说，世界模型现在的位置大概相当于2019年的语言模型，“密码还没破”。这反而是她跟当下硅谷气质不一样的地方：大部分人恨不得把Demo包装成通用突破，她肯说“我们还很早”。

但早不代表小。ImageNet当年也被人嫌“只是数据工程”，结果它把整个视觉领域重新定价。空间智能这次如果走通，机器人进厨房、进工地、进病房就不再只靠遥操作和点位编程，而是机器自己懂“门把手在哪儿、碗怎么摆不会倒”。李飞飞在访谈里那句反问很硬：“文字能扑灭火灾吗？文字能煎蛋饼吗？”——语言模型再能聊，也接不住物理世界的锅铲。

公众怕的不是AI聪明，是聪明被少数人拿着还顺手吓你一下

皮尤研究中心2025年春季跨25国调查里有一个数：中位34%的成年人“对AI日常使用增加更担忧而非兴奋”，只有中位16%更兴奋；美国、意大利、澳大利亚、巴西、希腊大概一半人站到“担忧”那一侧，美国本土6月复测也过半。 亚洲几条线没那么冷，但也不是狂热，更多是“能用就用”的实用主义。

李飞飞没把这种情绪归给“公众不懂技术”。她原话是：AI帮你做过去做不了的事，你拿到尊严和能动性；AI准备取代你工位上的事，你丢的也是尊严和能动性。她甚至把部分责任揽给自己这一代研究者——“我们在与公众沟通方面做得不够好”。

这比单纯辟谣“AI不会消灭人类”要诚实。普通人怕的点其实三层叠着：

第一层是生存感，工作被重估，尤其是白领活儿先被啃；

第二层是能量感，数据中心抢水抢电，技术红利没进社区先进财报；

第三层最隐——方向是谁定的？当几家实验室的CEO既发“灭绝风险声明”，又控着GPU、数据、招聘权，公众接收到的信号是分裂的：你一边说我快没工作了，一边说你要敬畏我创造的神。

李飞飞开火的地方就在这：用“末日叙事”挤掉“治理叙事”，是硅谷对自己最便宜的洗白。谈AGI统治人类，就不用回答“为什么算力只长在三个州”“为什么标注工人在肯尼亚拿每小时几美元”“为什么K-12的AI素养课还没影”。她给监管提的两个底线——基于科学不基于科幻、给公共部门和STEM教育留资源——听着不性感，但正好是烧钱竞赛里没人愿意买单的那两块。

她也没装天真，知道“上帝情结”在CEO圈不是比喻。但她把出口压在“集体治理”和“不把洗澡水连孩子倒掉”：技术本身能找药、能陪老、能帮老师，乱的是权力结构不是矩阵运算。这个说法不彻底，但比“暂停AI”和“加速到底”都更接近真实张力。

回头看ImageNet那1400万张图，李飞飞当年逼着行业承认一件事：智能不是从算法里凭空长出来的，是从世界给的样本里喂出来的。今天她做世界模型、怼末日营销，其实是同一句话的第三遍说——机器要理解的是世界，不是硅谷董事会的 worldview；人要治理的也是世界，不是几句AGI咒语。

二十年绕了一圈，教机器“看”的人，现在得教造机器的人学会低头看人。【思策智库】