李飞飞坦言，这一领域的进展正在加速：2024年她与团队开始深耕这个方向时，全世界的注意力还大多停留在语言模型上；而到2026年的今天，几乎人人都在谈论"世界模型"，甚至就在两个月前，她还写了一篇技术博客，专门厘清这个被过度使用、各说各话的词到底该如何定义。她指出，"世界"该如何界定，其实是个古老的争论——早在古希腊时代，人们就已在争论"世界"由何构成。为此，她提出了一套功能性的"3P"框架：第一层是渲染（Rendering）——让模型呈现出世界"看起来"是什么样子，今天流行的视频生成模型大多属于这一层，消费者主要是欣赏与创作内容的人类；第二层是仿真（Simulation）——不只是好看的像素，而是要如实还原世界的物理与动态规律，比如一杯水被打翻后会如何流动，这一层的使用者既包括人类（例如游戏玩家），也包括机器（例如用CAD仿真设计机械或在虚拟环境中训练机器人）；第三层是规划（Planning）——不仅理解世界的结构，还要预测下一步该做什么，这直接关系到自动驾驶与机器人的决策。她强调，这三层功能正在加速融合：一个渲染足够精确的模型，往往也能催生高质量的仿真，进而支撑更好的规划，而语言模型的能力也正被越来越多地用来驱动传统的物理仿真器——这正是当前世界模型领域最活跃、也最令人兴奋的演进方向。

谈及机器人在医疗与护理领域的应用潜力，李飞飞说，这可能是她心目中最重要的落地场景之一：全世界没有一个国家的护士数量是充裕的，护理这份工作强度高、需求殷切，却长期人手紧张，而随着人均寿命延长，居家护理的缺口只会更大。她特别提到，这份负担在很大程度上由女性不成比例地承担着，而这部分无偿护理劳动的经济价值——仅在美国——她估算约为3万亿美元，却长期未被计入社会核算体系。换句话说，如果空间与物理智能能取得实质突破，机器人有望大规模缓解这一长期被忽视、却真实关系到千家万户的护理缺口。

对比语言模型与机器人的训练难度，李飞飞坦言，二者不在一个量级上——具体难多少倍，很难给出精确数字，但从多个维度衡量都相差悬殊。她解释说，语言是一种相对"干净"的模态：输入输出都基于数字世界的文本，且已有海量数据积累，无论是写代码还是做智能体，输入与输出之间的对应关系也相对清晰。而机器人所处理的，是一个自由度极高的三维物理世界，人类迄今为止积累的机器人交互数据极为稀少。她指出，目前唯一称得上"成熟"的机器人形态其实是汽车——一种自由度有限、本质上只需在二维平面上"不撞到东西"的系统，即便如此，也是历经上百年发展，并依靠特斯拉、Waymo这类公司多年积累真实驾驶数据，才走到今天。相比之下，真正的机器人需要在三维空间中以更高精度触碰、操作和改变世界，而行业目前既缺乏足够精良的传感器来采集这类数据，累积的数据规模与自动驾驶行业相比也相去甚远，更遑论与语言模型的数据体量相提并论。她也提到，业内正在探索通过第一人称（egocentric）视角视频等方式，采集人类双手在真实世界中操作的数据，并结合"视觉-语言-动作"（VLA）等新型模型架构进行训练，这类"人本数据"未来料将扮演重要角色——但她强调，这件事并非无解，只是难度极高，眼下正是无数研究者投身其中的原因。

被追问模型开发与数据积累哪个更难，李飞飞说这个问题很难切割，因为二者高度交织——但如果一定要给出答案，她认为数据更难获取。她感叹，即便在ImageNet发布十多年后的今天，数据依然是AI领域最容易被低估、却始终举足轻重的一环。

被问到在实验室与团队中，最近有什么让她惊喜或会心一笑的瞬间，李飞飞说，真正让她保持活力、每天醒来都想工作的，是和一群充满热情、极具工匠精神的年轻技术人才共事——用双手把技术难题变成现实的建造者精神，一直刻在她心里。她说，自己整个职业生涯最大的特权，就是身边共事的人"永远不会变老"——他们总是二三十岁，而自己在变老，但和这些年轻的工程师、科学家一起工作，依然是她感到最快活、最有能量的事。她笑称，无论自己在哪个时区、哪个时刻醒来，团队的工作沟通软件永远有人在线。

面对年轻研究者与学生，李飞飞被问及她如何向他们传递这份"好奇心"，同时又不让他们在商业压力面前迷失方向。她的回答是：这两者不必对立。在纯粹的高校环境里，尤其是博士生生涯的起步阶段，本就是一个受到充分保护、可以专注追随好奇心的阶段；但在创业公司的语境下，好奇心与商业价值之间的健康平衡则至关重要——为客户创造真正的经济价值，本身也需要好奇心，需要去理解客户真正的需求与痛点。她说，今天的AI行业集体讲述了一个宏大的故事，她也相信这个故事，但"车轮真正碾过地面"的时候，这份宏大叙事终究要落地为对个人和企业都实实在在的价值，而不只是停留在故事本身。

谈到行业里"AI+一切"式的浮夸命名——从AI手机壳到AI水果贴纸，李飞飞的态度很直接：不管故事讲得多宏大，最终都要落回到脚踏实地解决真实问题上。她说，尤其是在董事会层面，每家公司都必须想清楚自己到底提供了什么价值：产品是什么、客户是谁、他们真正的痛点在哪里。在她看来，AI是一项能创造巨大价值的通用技术，但归根结底，重要的从来不是"AI"这个标签本身，而是它究竟解决了什么问题——这也是她希望传递给企业决策者们最朴素、也最重要的一句话。

Richard提到，就在过去三四周，新闻头条频繁出现"AI模型越出安全边界"一类的故事——不完全按照设定的约束行事。他问李飞飞，公众该如何理解这些报道，又该如何向下一代解释这件事。李飞飞的回答是：技术从来都是一把双刃剑，它是否危险，取决于是谁在用、为了什么目的而用；一些风险是被蓄意设计出来的，另一些则是意料之外的后果。她并不想淡化问题的严重性——具备智能体（agentic）能力的AI系统，尤其是在网络安全领域，确实可能被用来"优化"出真正的破坏力。但她强调，最终的责任在人类自己：是人类要决定如何治理它、管理它。她打了一个比方：今天世界上没有任何一家汽车厂商敢说"我们的刹车每周五都会失灵"——防止这一点根本不需要AI，只需要一套简单可靠的工程流程；但整个社会之所以敢放心买车、放心把刹车交给一套系统，靠的是几十年来建立起的集体信任、社会规范与行业护栏。AI之所以让人不安，恰恰是因为这些规范、护栏与公众认知，还没有跟上技术本身的速度——而这，正是她反复强调的"混乱中间地带"：技术很新，能力已经展现，但社会该如何监管、如何建立信任，答案还在摸索中。她也坦言，作为一名科学家和教育者，她很担心一种倾向——每当话题一涉及AI，一部分声音立刻滑向最末日、最悲观的说辞；用耸动的故事去佐证某种立场，并不能真正帮助公众理解问题。

被问及在身兼教授、创业者、女儿、照护者等多重身份的路上，家庭给了她怎样的教诲，李飞飞把答案带回了自己的移民经历。她说，自己或许和现场许多观众共享着同一种体验——作为移民，意味着要闯入一个新世界，学一门新语言，打破一种又一种边界，被迫变得有创造力、有韧性、懂得随机应变。她说，做科学家和做移民其实并不遥远：两者都意味着不断面对未知的新世界，不断直面不确定性，常常需要独自在一条看不到光的隧道里走很长一段路，才终于看到一点光亮。回忆起自己刚到美国、还是青少年、靠奖学金求学的日子，她说那时甚至不确定自己能否真的成为一名科学家——家里经营着餐馆和干洗店，全家都在"生存模式"里打转，成为科学家在当时更像是一种奢侈的想法。她说，如今作为创业者所感受到的不确定性，与当年如出一辙：没有人能保证成功，唯一能依靠的不是外界的关注或评价，而是韧性与信念本身。她也谈到，走进那些"自己看起来与众不同"的房间时，早年确实有过不被认真对待的时刻——但她说，自己后来做出了一个选择：把注意力放在自己真正热爱、真正有热情的事情上，而不是放在那些让自己气馁的事情上。她笑说，父母并不是常见印象里那种"虎爸虎妈"：在新泽西为生存打拼的岁月里，他们没有多余的精力去规划她的人生，这反而给了她一种意外的自由——一种并非刻意给予、而是由生活的艰辛所馈赠的思想自主权。

在对话接近尾声时，李飞飞给出了她最想传递给现场每一个人的一句话——不论你是艺术家、小提琴手、钢琴家，还是教师：不要让任何技术拿走你的人类能动性（human agency）。她提醒说，包括硅谷在内，总会有一些声音告诉你，某项产品或某项技术可以替你完成判断——是否安全、是否高效，都可以交给它来决定。她的建议是：紧紧握住自己的能动性。技术，包括今天的AI，应该是用来增强人类的创造力与生产力的工具，而不应成为替人类做决定的主体。被问及如果能对当年那个年轻的自己说一句话，她会说什么，李飞飞的回答带着几分坦诚的自省：以她成长的文化背景而言，她当年经历的自我怀疑，或许原本可以少一些。

对话进入观众提问环节。第一位提问者Alex目前正在创业，他坦言创业者常常显得"很有趣"，但私下的状态未必如此，他想知道李飞飞是否也经历过类似的低谷，又有什么建议留给现场同样在创业的人。李飞飞的回答很坦诚：创业，是的，就是孤独的，这几乎是这条路无法绕开的一部分。她说，正因为创业者肩上压着太多需要独自扛下的恐惧与待办事项，孤独感几乎是必然会出现的副产品——与其对抗它，不如学会与它共处。

一位就读高一（十年级）、曾参与TDK演讲比赛的学生Amy Gao提出了一个相当专业的问题：既然今天的AI大多是从互联网上的文本中学习的，那么要为空间智能模型采集数据，最大的挑战会是什么？李飞飞说，这正是问题的核心：互联网上最丰富的数据形式是文本，但空间建模需要的远不止像素，还包括几何结构、物理规律与动态变化。视频数据虽然是数量最庞大的像素类数据，但物理规律、几何结构这些信息并不会随着视频"显性地"一并被记录下来——研究者必须想办法把这些隐藏的结构从视频中反推出来，或是找到合适的方式将其编码进模型的表征之中，而这正是当前最棘手的挑战所在。

硅谷本地一位正在搭建AI硬件平台的开发者Bill提到，他的团队目前使用的是英伟达Cosmos等现成的世界模型，但发现这些模型更接近"3D模型"，而非真正意义上的全链路解决方案。他向李飞飞抛出了三个问题：这中间缺失的最关键一块拼图是什么？World Labs打算如何填补这个缺口？以及相关产品的发布时间线是怎样的？李飞飞笑说不会在现场官宣产品时间线，但明确回应了前两个问题：World Labs的使命，是通过尽可能精准地建模真实世界，来服务空间与物理智能的实际业务需求。相比单纯的"渲染器"，World Labs的定位更接近"仿真层"——因为无论是视觉特效、游戏、机器人，还是建筑设计与工业应用，这些真实场景所需要的精度与保真度，都远远超出了普通视频生成模型所能提供的范畴。

最后一位提问者本身从事影像与测绘相关工作，他认同李飞飞此前的观点——相比芯片和模型，数据确实被严重低估——并追问：对于物理AI而言，众包式的数据采集是不是最好的路径？构建世界模型，最理想的数据收集方式又该是什么？李飞飞的回答颇为审慎：她并不认为众包（比如特斯拉那种模式）在当下适用于机器人领域，除非已经存在一个足够成熟的人类使用场景，能够在人们正常使用产品的过程中"顺带"完成数据采集——就像人们每天开车这件事本身，就是一个天然、成熟的数据采集闭环，背后有成熟的传感器体系支撑。但消费级机器人目前既没有成熟的硬件，也还没有形成成熟的商业使用场景，缺少这个前提，"数据飞轮"就很难真正转起来。她也提到，行业里正在尝试其他路径，比如远程操作（teleoperation）与第一人称（egocentric）数据采集。她坦言，在真正找到那个"飞轮"之前，这在某种程度上更像是一场"资金的游戏"——谁愿意在数据采集上投入更多，谁就更有机会先跑出来。

提问环节结束，主持方向两位嘉宾致谢，称这是一场充满启发、也让人深受触动的对话。至此，李飞飞与Richard Lui的这场炉边对话圆满结束。