李飞飞与 ImageNet：一个数据集如何点燃深度学习
李飞飞（Fei-Fei Li）不以单一模型闻名，而是让领域重新认识数据的力量。她主导的 ImageNet 把层级化真实图片变成公共训练场；2012 年，AlexNet 让算法、GPU 与大数据一起跨过视觉研究多年未越的门槛。1 2
她的核心判断并非“算法不重要”，而是算法若长期只在小而干净的数据集上比较，难以碰到真实世界的复杂性。ImageNet 将难题从写出更巧的规则，转为怎样建立足够广、足够难、足够可复现的数据和基准。这个转向后来影响了深度学习，也留下了数据标注、偏见、劳工与规模竞赛等至今未完的问题。
本题素材包已核对站内公司史连载：现有 Google AI 系列不覆盖李飞飞在 Google Cloud 的任职，也未见 ImageNet 专题连载；本文无须为既有公司史让路。
一、一个看似“不像研究”的想法
李飞飞 2005—2006 年在 University of Illinois Urbana-Champaign 任教，随后于 2007—2009 年在 Princeton 任教，2009 年加入 Stanford。1 她在 UIUC 时提出一个在当时显得笨重的构想：不先把注意力全部放在改算法上，而要收集足够多、足够多样的图片，让机器学习真正面对世界的视觉复杂性。
这件事的年份最容易被压扁成一句“她在 2009 年做了 ImageNet”。更准确的时间线是：2006 年提出构想；2007—2009 年主要建设；2009 年在 CVPR 发表论文并公开数据；2010 年才举行首届 ImageNet Large Scale Visual Recognition Challenge（ILSVRC）。1 3 这四个年份对应不同工作，不能互相替代。
ImageNet 的难处不在模型，而在组织。项目借用 WordNet 的名词层级作为分类骨架，依靠 Amazon Mechanical Turk 等众包机制收集和标注图像，最终覆盖逾 1400 万张图片、约 2.2 万个类别。3 它把分散于网页与人类劳动中的视觉经验，整理为可供机器反复训练和比较的公共资产。所谓“数据集”，从来不只是硬盘上的文件；它也是分类体系、标注规则、质量控制和协作网络。
二、数据集发布后，竞赛才开始
2009 年的 ImageNet 论文定义了一个大规模、层级化的视觉数据库；2010 年启动的 ILSVRC 则把它变成每年公开比拼的赛场。3 基准的意义不只在排座次。统一的类别、训练集和评估标准，让不同团队能知道自己的改进究竟来自网络结构、训练策略，还是偶然的测试差异。
首届竞赛的技术并未立刻颠覆世界。但当数据规模大到足以暴露算法的能力边界时，研究者开始被迫重新思考特征工程。传统计算机视觉常依赖人手设计边缘、纹理或局部描述子；ImageNet 给出的挑战是：如果机器有足够样本，能否自己学习这些层次？李飞飞的贡献由此不只是提供原料，而是设置了一个会不断推动算法进化的问题。
这种基准文化也有代价。为了提高排行榜成绩，团队会针对特定数据分布优化；类别命名、图像来源和标注偏差也会进入模型。ImageNet 后来对部分人物类别进行了清理，正提醒人们：大数据不是天然客观，规模会放大其盲点。李飞飞长期强调 human-centered AI，正是在承认技术进步必须回到人类经验、尊严与制度约束。
三、2012：AlexNet 为“数据优先”点火
2012 年，Alex Krizhevsky、Ilya Sutskever 与 Geoffrey Hinton 的团队以 AlexNet 赢得 ILSVRC。其 top-5 错误率约为 15.3%，显著低于当时其他参赛系统，成为深度学习在计算机视觉中爆发的标志。4 这不是 ImageNet 单独创造的胜利：GPU 算力、卷积网络、ReLU、数据扩增和训练技巧都不可少；但若没有 ImageNet 的规模与竞赛机制，研究界也难以如此清楚地看到这一代方法的差距。
因此，李飞飞常被称为 ImageNet 的创立者，而不是 AlexNet 的作者。两种角色不同，却恰好构成 AI 技术史的互补：有人提出模型，有人设计能检验模型的世界。ImageNet 之后，更多研究开始相信，表示学习可以通过大规模数据和端到端训练取代部分人工规则。视觉领域的变化随后外溢到语音、语言、机器人和多模态学习。
“数据比算法重要”若被当作绝对口号，同样会误导。坏数据会让好模型学坏，数据权利也不能被性能指标取消。李飞飞真正改变的，是研究资源的配置方式：在一个模型日新月异的领域，长期建设数据和评测基础设施也可以是最有杠杆的科学工作。
四、在 Stanford 与 Google Cloud 之间
李飞飞 2009 年加入 Stanford，2013—2018 年任 Stanford AI Lab（SAIL）主任。1 2017 年 1 月至 2018 年 9 月，她以 Stanford 学术休假身份加入 Google，任 Google Cloud AI/ML Chief Scientist 和副总裁。1 这段经历常被写成“离开学界加入巨头”，但更准确的是一次有期限的跨界：她没有放弃 Stanford 职位，而是把学术研究的经验带入云端 AI 产品与开发者生态。
2018 年 Google Cloud 的官方公告明确写道，她将按原计划回到 Stanford，并转为 Google Cloud 的 AI/ML Advisor。5 当时 Project Maven 军方合同与北京 AI 研究中心等议题确实引发媒体争议；但公开材料不能证明她是因争议被迫离开。把复杂的公司背景写成“丑闻导致下台”，既不符合官方口径，也偷换了因果。
这段任职让她更清楚地看见 AI 不只是论文和竞赛。云计算、开发工具、企业客户、政策、人才流动和公众信任，会共同决定一项模型技术如何抵达社会。她回归 Stanford 后参与创立 Stanford Human-Centered AI Institute（HAI），将研究、教育、政策与社会影响放在同一张讨论桌上。1
五、World Labs：从二维图片走向三维世界
2024 年，李飞飞与 Ben Mildenhall、Justin Johnson、Christoph Lassner 共同创立 World Labs，并获得 2.3 亿美元融资。6 公司聚焦“空间智能”：让 AI 不只生成看似逼真的二维图像或文本，而能理解三维环境的结构、视角、物体关系与可行动性。路透社报道，World Labs 希望构建能够推理物理世界的模型，潜在应用包括 AR/VR 与机器人。6
这条路线与 ImageNet 形成有趣的呼应。ImageNet 教机器识别“这是什么”；空间智能追问“它在哪里、和什么相连、如果移动会怎样”。前者让视觉模型获得大规模标签经验，后者希望系统拥有更接近常识的三维表征。两者都不是只为赢得一张排行榜，而是为了把机器的感知推进到更接近真实世界的条件中。
World Labs 的融资额说明市场愿意为这一问题下注，但资本并不等同于答案。三维世界模型须面对数据、评估、仿真与真实部署的难题，也要证明其价值不只是更漂亮的生成效果。李飞飞的创业因此不是脱离学术传统的转向，而是把她从 ImageNet 延续至今的问题带到新的技术周期：机器怎样真正理解它所看见的世界？
TA 的下一步与争议
李飞飞的下一步，在于空间智能能否从令人惊艳的演示走到可靠的实际系统。若 World Labs 的模型能帮助机器人、设计工具或医疗与教育应用稳定处理三维环境，ImageNet 之后的第二次基础设施转折或许会出现；若它停留在视觉生成，市场会迅速把它归入又一轮模型热潮。
争议同样不会消失。ImageNet 的历史表明，数据集可推动科学，也会把分类偏差、版权与标注劳动带进模型。空间数据只会让这些问题更复杂：谁有权采集环境，谁承担错误判断的后果，谁能使用大规模世界模型？李飞飞的职业线一直提示我们，AI 进步不能只问模型多强，还要问人类以什么方式提供数据、制定尺度，并分享结果。
关键时间线
| 时间 | 事件 | 对人物线的意义 |
|---|---|---|
| 2005-2006 | 任 UIUC 教师 | ImageNet 构想的起点。 1 |
| 2006 | 提出 ImageNet 构想 | 将数据规模视为视觉学习的关键变量。 1 3 |
| 2007-2009 | 在 Princeton 主导建设 | 组织层级分类、众包标注与数据库。 1 3 |
| 2009 | CVPR 发布 ImageNet 论文；加入 Stanford | 数据集正式进入研究共同体。 1 3 |
| 2010 | 首届 ILSVRC | 将数据库变为可复现的公开基准。 3 |
| 2012 | AlexNet 赢得 ILSVRC | 数据、算力与深度网络的结合被清晰验证。 4 |
| 2017-2018 | 学术休假加入 Google Cloud | 把 AI 研究带入云端产品和开发生态。 1 5 |
| 2024 | 创立 World Labs、融资 2.3 亿美元 | 从图像分类转向空间智能。 6 |