全球AI界有两位大神，一男一女，刚好都是华人。男生就是黄仁勋，家喻户晓了；女生李飞飞，人称AI教母，如果没有她，AI的发展进程，可能还会晚个一二十年。

她创办的ImageNet，是全球第一个大型AI数据库，是AI视觉研究的基石。

她33岁成为斯坦福终身教授，45岁成为美国三大权威科学院的院士，在AI界更是桃李满天下，英伟达、谷歌、OpenAI，都有她的高徒。她还担任过谷歌副总裁，推动成立了谷歌AI中国中心。

今天，一口气带你认识李飞飞。

先说家世。

1976年，李飞飞出生在北京的一个知识分子家庭。

爸爸是工程师，妈妈是人民教师。这样的家庭，按说应该拼命鸡娃。

而李飞飞的童年却没有这些，而且她爸爸在世俗眼里还有点“不着调”。

比如李飞飞这个名字的由来，就很有戏剧性。李飞飞出生当天，爸爸因为在公园看鸟忘了时间，错过了孩子的出生时刻。回家后要给孩子起名，他还满脑袋都是鸟，孩子就叫“飞飞”吧。

成为新手爸爸后，他也没有为人父的压力和焦虑，什么奥数班英语班，都靠一边，他只想着带孩子疯玩。

比如带飞飞去公园看鸟，去田里捉昆虫，还会找来各种零件，DIY自行车，载着飞飞到处逛。

李飞飞后来回忆说，爸爸就是个迷失在成年人身份中的大孩子。

爸爸的“不着调”，本质上是纯粹的好奇心，这反而成为李飞飞的科学启蒙。以至于上完物理课，她骑自行车转弯时，都要思考加速度和角动量的变化。

如果说爸爸培养起了飞飞的好奇心，那妈妈就是拼尽了全力保护她的求知欲。

上初中时，有次飞飞被叫了家长，班主任说：别人家孩子都看奥数、背单词，再不济的也翻翻《意林》《读者文摘》，记点作文素材，你家孩子看的都是什么？《不能承受的生命之轻》，海洋生物之谜、UFO……这些又不能提高分数，你作为家长的怎么不管管？

老师倒是一片苦心，可飞飞妈妈不干了，她直接回怼：我家孩子就爱看这些书，有问题吗？老师被噎得说不出话来。

飞飞不只是爱看闲书，上学时她还把头发剪得跟男生一样短，天天跟一群男生聊战斗机和UFO。

过了俩月，老师又找上门了，说飞飞天天打扮得跟个男生似的，没有一点女孩子的样子，不能仗着脑瓜聪明就不守纪律。

这次妈妈也没怂，她说：飞飞首先是一个独立的个体，然后才是女孩。

这件事也让她开始思考，这样的教育环境，是飞飞想要的吗？这是我对她的期望吗？也许飞飞和我一样，都不属于这里。

没过多久，夫妻俩就辞去工作，全家到美国新泽西州定居，飞飞的人生从此发生巨变。

除了父母，李飞飞家还有位特殊的成员，那就是她在异国他乡的避风港，萨贝拉老师。

1992年，15岁的李飞飞来到美国。黄皮肤、亚洲人、语言不通，这几个因素一叠加，几乎预告了李飞飞艰难的求学路。好在她遇到了数学老师萨贝拉。

有次数学考试，李飞飞得了89.4分，90分才能拿A，就差0.6。从小就是尖子生的李飞飞很难受，她去办公室找萨贝拉老师通融，结果被直接拒绝。萨贝拉说：想要A，只能靠你自己努力，其他免谈。

看着是吃了闭门羹，但李飞飞一点没往心里去，反而激发了她的好胜心。她天天往办公室跑，一边练口语、一边学数学。一次她让萨贝拉推荐几本书，老师推荐了自己喜欢的科幻小说，结果李飞飞刚好读过，从此俩人靠着这个共同爱好打开了话匣子，越聊越投机。从分享书籍聊到家长里短，李飞飞还时不时跑到老师家里蹭饭，相处的跟自家人一样，萨贝拉老师也把飞飞当干女儿。

飞飞考上大学，他帮着研究入学文件；飞飞母亲生病，他帮着联系医院；飞飞一家想开干洗店，他更是大手一挥，借出去好几万美元。

在爸爸妈妈和老师的帮助下，李飞飞考上著名的藤校普林斯顿。与其说李飞飞改变了世界，不如说这三个她最感谢的人，共同托举起了一个天选科学家。

那李飞飞是怎么成长为科学家的呢？她又为什么在AI界有这么高的地位呢？

先做个轻科普，新一代AI技术有三大基石，GPU、神经网络和数据集。GPU提供算力，神经网络负责算法，数据图集则是训练的资源。

AI史上第一个数据图集ImageNet，正是李飞飞20年前带队完成的。

下面我来带你复盘一下ImageNet的诞生记。

回到2000年，24岁的李飞飞面临人生的一个分水岭，是成为拿着高薪的华尔街精英，还是继续完成心中的科研梦想。李飞飞选择了后者。

从普林斯顿毕业之后，她来到加州理工继续求学，成为钱学森和钱伟长的学妹，主攻的正是AI和视觉识别。

当时AI研究已经停滞了很多年，科学家们前赴后继地努力提升模型和算法，却一无所获。

但李飞飞意识到，只关注模型和算法没有用，还得把数据重视起来。这跟学数学一样，光训练逻辑思维没用，你要让他做足够多的题。

比如你想让机器识别出更多图片，就得先让机器学习海量标注好的图片。

但问题是，这些素材图片从哪来？当时可没有现在的技术发达，敲个代码就能搞定。没有别的办法，只能一个个手动收集。

于是在加州理工，她带着几个本科生，手敲出来一个有101个分类、9000多张图片的数据集，叫Caltech101，在科研圈引发了不小的关注。

有了成绩之后，李飞飞想要继续完善这个数据库，好推动进一步的研究。

但这个想法立马被同行们泼了一盆冷水。因为当时在AI圈，算法才是绝对C位，数据集基本没人关注。

一连串的质疑也让她无力反驳：怎么做？你有计划吗？能做成吗？靠谱吗？

他们倒不是打击飞飞，而是视觉识别这个科研方向太冷门了，不但拉不到经费，还可能因此一辈子评不上教授。

而且要想实现李飞飞的设想，需要的图像分类可就不是101个了，而是3万个。

光是上百个分类，他们就加班加点干了好几个月，如果没有资金支持，按这个进度，三万个至少要干上百年！这是李飞飞遇到的第一个坎儿。

不过在一片质疑声之外，李飞飞也遇到了一位支持者，李凯。他和李飞飞是普林斯顿计算机科学系教师中唯二的中国移民。

之所以他会站出来支持，不仅仅是因为同是华人，而是李凯本来就是这方面的专家，还是一位成功的创业者，不差钱。

商人加学者的双重身份，让他笃信大规模数据集的未来。李教授不仅捐了一套工作站（一种计算机）给李飞飞团队，还把自己的学生邓嘉推荐给了她。

2007年，在李教授和邓嘉的支持下，李飞飞的数据集终于正式启动，这就是ImageNet。

她规划了22000个类别，每个类别配1000张图，一共2200万张。这还只是成品，为了选出这2200万张，需要先找到至少10亿张。

这工作量绝对是天文数字，好在找图、标注没啥技术含量，他们雇了一群本科生，每小时10美元，做一个无情的标注机器。

但即便如此，ImageNet完工也得整整19年。

为了提高效率，李飞飞和邓嘉想了不少办法，比如优化图片下载流程，原本需要点三下鼠标，给它压缩到一下搞定；再比如自动在谷歌输入图片类别，提高下载速度。

一顿操作猛如虎，到头来，预计只能把19年的开发周期压缩到18年，还因为下载太多，被谷歌封了账号。

其实要提速也简单，撒钱招人就行了，但每小时10美元是个天文数字，而且他们也没有多大的办公场地可用。ImageNet再次陷入了僵局，这是李飞飞遇到的第二个坎儿。

在绝望之下，李飞飞茶不思饭不想，甚至想过开几家干洗店，一边赚钱一边养开发。不过好在幸运女神再次眷顾了她。

一个叫孙民的研究生有一天突然找到她，说有种工作模式叫众包，就是可以远程分配工作，全世界的人都可以同时参与，而且价格绝对比线下找本科生便宜，亚马逊就有这种服务，正好可以解决李飞飞的问题。

听到这个消息，她立马转向众包模式，团队的标注员开始指数级增长。最多时有来自167个国家的4.8万人参与，开发时间也从十几年缩短到5年、2年和不到1年，胜利就在眼前，但很快，李飞飞发现口袋里又没钱了，研究资金再次告急。这是李飞飞遇到的第三个坎儿。

她到处洽谈投资合作，最后斯坦福抛来了橄榄枝，而代价则是让他们整个团队搬到斯坦福所在的加州。

本来已经安居乐业的李飞飞，要离开工作生活了十几年的地方，再次陷入两难。有母校，有亲人朋友，有熟悉的工作环境，但当李飞飞看到跟着自己奋斗好几年的同事们，李飞飞最终决定冒险一把。

2009年初，李飞飞带团队跳槽到斯坦福，当年6月，ImageNet的初始版本问世，收录了1500万张图片，涵盖22000个类别，而且每张图片都经过了手工标注，并在层次结构中进行了组织，经过了三重验证，建立起人工智能史上最大的人工编辑数据集。

回首看，ImageNet的完成，除了李飞飞团队的日夜辛苦，还要归功于当时互联网、数码相机、搜索引擎等等更多技术的融合，所有这些大时代里的趋势汇集到一起，相互成就，才促成了最后的成功。

但是回到2009年，ImageNet的诞生跟“科研硕果”、“改写历史”这些词一点都沾不上边，李飞飞带着ImageNet去参加计算机视觉与模式识别大会，结果被忽视，只在会场边上的海报上展示一下，几乎无人问津。

后来她想到办比赛，号召全球的AI算法从业者，用ImageNet训练他们的模型，最后比一比谁的效果最厉害。

这样既能提高知名度，还能在各类算法模型的测试中优化自己，一箭双雕。

但2010年5月首届比赛的结果公布后，她的心又凉了半截，获胜的算法团队，还是当时公认的行业标准，成绩也没比在其他数据集训练的好多少。

到第二届，报名人数差点腰斩，比赛结果跟第一年也差不多。

李飞飞一度怀疑自己是不是错了。

直到2012年8月，第三届比赛的结果出炉，获胜的是一个神经网络算法团队，而且准确率比上届冠军高10%。

所有人都震惊了，因为神经网络并不是当时正统的算法，甚至有点“老古董”的感觉。

这就好比一个名不见经传的老头，一下击败了各大门派，拿下了武林盟主。

李飞飞当即决定，必须要亲自见见这个团队，看看到底是何方神圣。

而这个团队的老大我们都很熟了，就是拿下2024年诺贝尔物理学奖的辛顿教授。

辛顿教授团队开发的算法模型AlexNet，在这次比赛中的识别准确率达到85%，创下世界纪录。更奇怪的是，AlexNet属于卷积神经网络，这是一个20多年都没什么进展的算法方向，这次究竟是出现了神迹，还是辛顿撞了大运？都不是，这其实是科学界的一次风云际会。

简单说，神经网络的思路相当于模拟人脑，模拟生物进化。比如视觉识别，别的算法都是预先决定先找图片的哪些特征，而AlexNet没有预设，完全靠训练数据学习，来培养自己的敏感度，逐渐形成对世界的认知，跟婴儿认知世界的方式一样。

辛顿教授之所以坐20年冷板凳，不是因为神经网络的思路有问题，而是它缺少资源，其中最核心的是算力和数据。

而ImageNet，恰好提供了足够多的数据，内置了CUDA的英伟达GPU，又恰好提供超强算力。这次科学界的风云际会，成就了李飞飞，正名了辛顿，造富了黄仁勋。

AlexNet的成功让神经网络正式成为AI主流，2年后，机器的人脸识别准确率正式超越人类。

李飞飞用大数据训练神经网络的想法也被业内疯狂追捧，从图像扩展到语音、文字、视频等其他领域，AI革命被彻底点燃。

即便已经功成名就，李飞飞也没有躺平，而是继续推动AI进化。2024年1月，她创立了World Labs，要把AI模型从2D像素提升到3D世界，赋予和人类世界一样丰富的空间智能。今年她又亲自下场，基于通义千问，只用了50美元，就训练出一个媲美DeepSeek R1的新模型S1。

李飞飞“AI教母”称号的含金量，还在不断地提高。

作者 | 吴婷

参考资料：

[1]李飞飞.我看见的世界.中信出版集团.2024

[2]50美元复现DeepSeek R1，李飞飞团队也选了阿里Qwen.硬ai.2025

[3]阿里云回应李飞飞团队50美元训练出AI模型.观点网.2025