首页 / 资讯详情
李飞飞挖的三个「坑」：从 ImageNet 到空间智能，这一次她会怎么填？
摘要
82 亿美元，已经为整个世界模型赛道提供了价值锚点。 作者丨幸丽娟 编辑丨岑 峰 82亿美元，全股票收购李飞飞创立的 World Labs。这是 AMD 史上第二大收购，仅次于 2022 年以约 500 亿美元拿下赛灵思。赛灵思是30多年的老牌芯片公司，而 World Labs，仅仅成立两年。这一消息发出后，圈内人士的第一反应很一致：苏姿丰在对标英伟达的 Cosmos 和机器人平台，买人、买模型洞察力、买一张通往物理AI时代的入场券。但苏姿丰不是这笔交易里唯一在下注的人。李飞飞也在下注。而且她押上的，是自己的下一个二十年。过去二十年，她反复在做同一件事：在每一个技术拐点，先一步定义“什么是值得做的下一件事”。但前两次，她只负责出题，把答题的活儿交给别人。而这一次，她把自己按在了答题席上。01三次“挖坑”，有何不同？被誉为“AI 教母”的李飞飞，圈内人对她印象最深的，或许是她最擅长“挖坑”（出题）。过去二十年，她挖的三个最关键的坑：ImageNet、AI 民主化、空间智能。单独看每一个，都是对 AI 行业走向的一次精准判断。但摆在一起看，她扮演的角色截然不同。▎第一个“坑”：纯出题，整个深度学习社区答题2007年前后，李飞飞在普林斯顿做助理教授。计算机视觉领域当时最要命的问题是泛化——算法在实验室里跑得通，出了门就失灵。大多数人选择改进算法，李飞飞选了另一条路：造数据。这个选择在当时的学术圈几乎没人看好。普林斯顿的资深教授劝她别干，说“太有野心了”；申请联邦经费被反复拒绝，甚至有人批评这个课题是“普林斯顿之耻”。不仅如此，她还赌上了自己的学术前途。如果ImageNet失败，她很可能拿不到终身教职。这个数据集不解决任何算法问题。它只提出了一个问题：我们用什么标准衡量视觉智能？这个问题在当时切中要害。没有足够的数据，一切算法创新都是“沙上筑塔”。2009年发布时，它在学术界几乎没有激起水花。因为，ImageNet是一个“纯出题”式的坑，得有人愿意填才行。直到2012年，Hinton、Krizhevsky 团队的 AlexNet 横扫 ImageNet 挑战赛，深度学习革命才被点燃。将AI带向复兴的深度学习时代，引爆点是AlexNet。李飞飞成功定义了AI行业的底层基建。但她只是“命题人”，无论 ImageNet 多么荣耀，填坑的人是拿图灵奖的Hinton、是吃到了第一波红利的 Krizhevsky 和整个深度学习社区。▎第二个“坑”：AI民主化，她想答题，但考卷却不是自己的2016 年底，李飞飞用学术休假的方式加入 Google，担任谷歌云首席科学家。这一次她挖的这个坑，叫“AI 民主化”。让 AI 不再只是大公司的专利，成为中小企业、传统行业、学术研究者都能用得上的工具。2017 年 3 月，她在 Google Cloud Next 大会上宣布收购 Kaggle；同年 AutoML 推向市场，Contact Center AI 进入 alpha 测试，谷歌 AI 中国中心在北京成立。产品线在铺开，方向没有错。但填坑的方式出了问题。因为填坑需要三种权力：对产品商业化路径的决策权、对客户合同走向的谈判权、对内部舆论的控制权。但李飞飞在Google Cloud的位置是首席科学家，她能影响研究方向，却影响不了这台商业机器怎么运转。真正让这个坑