李飞飞给AGI泼了盆冷水

智东西
编译 陈骏达
编辑 Panken

智东西11月17日消息，昨日，斯坦福大学教授、World Labs联合创始人兼CEO李飞飞在海外科技播客Lenny’s Podcast上，分享了她对AI未来的犀利观点。她认为，AI的发展不能永远依赖Scaling Law，更需要根本性的技术创新；而“通用人工智能”（AGI）更像是一句营销话术，而非严谨的科学术语。

李飞飞回顾了自己20多年的科研与创业经历，总结出现代AI的黄金配方：神经网络、大数据与GPU的结合。时至今日，ChatGPT的成功依然使用了相同的配方。

然而，她同时警告，单靠扩大数据规模和算力的“堆砌”，并不足以实现智能的突破。当前的AI仍难以完成许多对人类来说轻而易举的任务，例如从视频中精确数清物体数量，或者像牛顿那样从观测数据中推导物理定律。

李飞飞认为，我们距离真正具备创造力、抽象能力和情感智能的AI系统还有很长的路要走，“如今还有太多AI做不到的事情”。

对于业界热议的AGI概念，李飞飞持保留态度。她认为，AGI的定义模糊，作为科学家，她更关注如何解决AI面临的根本性技术挑战，而不是陷入概念争论的无底洞。

▲李飞飞接受采访（图源：Lenny’s Podcast）

作为创业者，她也坦言AI领域的竞争空前激烈。过去“简单模型+海量数据”的成功经验，也就是所谓的“苦涩的教训”，在机器人等涉及物理世界的应用中并不完全适用。自动驾驶的发展近二十年仍未完全成熟，就是一个典型例子。

而数据获取难、硬件受限，使得在三维空间中操控物体的机器人技术，面临比自动驾驶技术还要大的挑战。

尽管道路漫长，李飞飞始终坚信，AI的进步是几代人积累的成果，光靠当前的“语言智能”是不够的。人类在许多关键场景中依赖的是空间智能，研究空间智能，不仅对机器人、具身智能的发展有极大作用，还能在具身层面增强人类，使我们在空间理解、物体操作和现实世界任务中获得新的力量。

以下是对李飞飞本场访谈的精华整理，完整内容可参考文末链接：

一、从寒冬走出后，现代AI迎来黄金配方

在访谈中，李飞飞回顾起了自己刚刚涉足AI领域时的经历。

2000年，李飞飞开始在加州理工大学攻读博士学位。作为第一代机器学习研究员，她的研究重点之一是神经网络。当时，AI还处在少有人问津的“寒冬”。公众并不关注这一领域，也没有那么多资金。

李飞飞的学术兴趣始终聚焦在视觉智能上。在她看来，如果人类的智能极度依赖视觉，那么机器的智能也必须从“看懂世界”开始。于是，她在自己的博士阶段和教学生涯早期，选择了最基础、也最艰难的方向——物体识别。

当时，数据对AI的重要价值，尚未得到广泛认可。随着研究的不断深入，李飞飞和她的学生才逐渐意识到：大数据，是让AI活起来的关键要素。

于是，她做出了一个颇具野心的决定——收集互联网中所有关于物体的图像数据。就这样，2006年左右，ImageNet项目开始了。最终，这一项目收集了1500万张图片、2.2万个物体类别，并拥有每年举办的挑战赛。

这个看似疯狂的项目成了现代AI的火种。2012年，辛顿团队使用ImageNet数据与两块普通游戏GPU，训练出了突破性的神经网络模型。大数据、神经网络和GPU这三者的结合，被李飞飞称为“现代AI的黄金配方”。

快进十年，当ChatGPT横空出世，让全世界第一次真正意识到AI的力量时，其背后的三大要素仍然是当年那套组合：神经网络、大数据、GPU。李飞飞认为，两者之间的区别只不过是规模。

虽然常有人称她为“AI教母”，但李飞飞更愿意强调：AI的进步不是某个人的奇迹，而是几代研究者共同的积累。

二、我不知道AI和AGI有什么区别，图灵或许也不知道

AGI还有多远？这一问题几乎已经成为所有AI学者、大牛和企业高管在访谈中的必答题。在李飞飞看来，AGI这个概念十分耐人寻味，甚至很少有人能清晰定义。

李飞飞直言：“我进入AI领域是因为受到一个问题的启发——机器能否像人一样思考和行动。从这个角度来看，我不知道AI和AGI有什么区别。”她还设想，如果艾伦·图灵还健在，并被问及AI与AGI的区别时，他也可能只会耸耸肩说：“我在上世纪40年代问的是同样的问题。”

AI是引领李飞飞前进的“北极星”，她称自己不想陷入定义AI与AGI的兔子洞，AGI更像是一个营销话术，而不是科学术语。作为科学家和技术专家，她并不在意他人如何称呼这项技术。

李飞飞在对话中强调，尽管更大的数据集、更多的GPU和扩展现有模型架构仍能带来性能提升，AI的发展远不能只依赖Scaling Law。

当前的AI依然无法完成许多连儿童都能轻松做到的任务，例如在一段视频中准确数清椅子；更不用说像牛顿或爱因斯坦那样，从观测中推导出新的自然规律。即便给AI提供现代仪器收集的全部数据，它仍无法重建17世纪的运动定律。

这些例子表明，我们距离真正具备创造力、抽象能力和情感智能的AI还有很长的路，未来需要根本性的技术创新，而非简单的堆叠算力。

近日，李飞飞发布了一篇万字长文，详解了空间智能的概念，并提出AI的下一个前沿是空间智能。在昨日发布的访谈中，她也分享了类似的观点。李飞飞认为，仅靠语言智能是不够的，因为人类在许多关键场景中依赖的是空间智能——例如火灾、交通事故或自然灾害现场的应急决策。

这些活动需要对物体、动作、空间关系和情境的即时理解，而不是单靠语言就能完成。她在机器人研究中逐渐意识到，具身智能的关键在于理解三维世界。

在这样的背景下，“世界模型”成为推动下一阶段AI发展的关键方向。与传统的语言模型不同，世界模型不仅能根据文字或图像生成一个完整的虚拟世界，还能让智能体在其中进行互动、推理。如果用于机器人，世界模型将成为其规划路径、理解场景、执行操作的基础。

李飞飞强调，世界模型与空间智能不仅是机器人发展的关键缺失环节，也与人类自身息息相关。人类本身就是具身智能体，而AI已经在语言层面增强了我们的能力，例如写作或软件工程；未来，世界模型同样能够在具身层面增强人类，使我们在空间理解、物体操作和现实世界任务中获得新的力量。

世界模型与空间智能还将深刻影响设计、工程和科学发现。例如，DNA双螺旋结构的发现依赖于人类从一张扁平的2D X射线衍射图像中进行3D空间推理，而这类跨维度的空间抽象正是当前AI难以达到的。世界模型若能突破，将使AI具备这种更深层次的空间推理能力。

三、Marble不是视频生成模型，AI创业竞争激烈程度很“震撼”

李飞飞还谈到了World Labs最近发布的产品Marble，这是一个基于前沿世界模型的应用程序，能够仅通过一句话或一张图像生成可探索的三维世界。用户可以在这些虚拟环境中自由行走、互动和导航，从而实现创意、设计、虚拟制作和机器人模拟等多种应用。

她强调，Marble不仅仅是生成二维视频，而是提供具有真实空间结构的世界，使创作者、游戏开发者、设计师和研究者能够快速生成沉浸式场景。实际案例包括电影虚拟制作、心理学实验和机器人训练环境合成等等。

Marble与视频生成模型有着本质的区别。李飞飞称，Marble核心关注空间智能，强调对三维和四维世界的理解、互动和推理。同时，平台支持将场景导出为视频或网格数据，用于创作或模拟。

李飞飞透露，成立18个月的World Labs如今拥有一个大约30人的团队，主要由研究人员和工程师组成，但也拥有设计师和产品人员。

李飞飞此前有过不少“创业”的经历，从19岁时开过的干洗店，到作为AI首席科学家领导谷歌云的相关研究，再到斯坦福以人为本AI研究所，她对创业这件事儿的挑战性已经有了一定心理准备。

然而，当真正投身AI创业后，她仍被AI领域的激烈竞争所“震撼”，从模型和技术之争，到顶尖人才的争夺，她意识到必须时刻保持警惕。

四、造机器人比造自动驾驶汽车还难，“苦涩的教训”并不适用

李飞飞在访谈中，也谈到了强化学习先驱Richard Sutton提出的“苦涩的教训”：简单模型配合海量数据往往比复杂模型加少量数据更有效。对她而言，这并非“苦涩”，而是“甜蜜”的教训，也是她当初建设ImageNet的核心信念。不过，她强调，这一教训无法简单套用于机器人领域。

原因首先在于机器人数据极难获取。与语言模型不同，语言训练数据是天然结构化的词与token，输入与输出形式高度一致，而机器人真正需要的是三维世界中的动作数据。

网络视频虽然丰富，却缺乏可以直接用于训练行动策略的动作标注。因此，机器人训练不得不依靠遥操作数据或合成数据来补齐。换言之，机器人数据不像语言一样自然“对齐”，这使得苦涩教训中的“大数据”假设难以完全成立。

其次，机器人是物理系统，而不是纯软件模型。与语言模型或视觉模型不同，机器人更像自动驾驶汽车——必须在现实世界中运行、涉及硬件、供应链、应用场景等多种复杂因素。

李飞飞回顾了自动驾驶的发展：从2005年斯坦福赢得DARPA挑战赛至今已近20年，深度学习虽然加速了算法进步，但自动驾驶依然未完全解决。而自动驾驶只是简单得多的机器人，仅需要在二维平面上避免碰撞，相比之下，机器人要在三维空间中操控物体，难度更高。

尽管如此，她依然认为大数据、世界模型和空间智能将是机器人突破的关键，只是目前仍处在非常早期的探索阶段。

结语：AI时代里，每个人都有属于自己的一席之地

在访谈的尾声，李飞飞主动谈起了全球范围内对AI是否会取代人类的普遍焦虑。她认为，任何技术的发展都不应以牺牲人的尊严与能动性为代价，这应当成为技术开发、部署与治理的核心准则。

无论是年轻艺术家利用AI进行创作，还是临近退休的农民作为公民参与对AI的监管决策，抑或是护士在AI的辅助下从繁重的工作中解脱，AI的真正价值，在于成为增强人类能力、服务于人类需求的赋能者。

对于AI取代人类的终极命题，李飞飞给出了一个明确而有力的回答：在AI时代里，每个人都有属于自己的一席之地。

https://www.youtube.com/watch?v=Ctjiatnd6Xk