股票配资策略 “AI教母” 3个月干出一个AI独角兽

　　3个月，最新估值超10亿美元（约合72亿元人民币），这一成绩已经令李飞飞很难低调创业。

通过专业在线配资，投资者可以享受到更加灵活和便利的投资方式。相比传统的投资方式，在线配资可以提供更多的投资选择和更高的灵活性，投资者可以根据市场情况进行调整和变换投资策略，以获取更好的投资收益。

　　最近，据多家外媒报道，知名华裔计算机科学家李飞飞创办的World Labs（空间智能）已经完成两轮融资。在最新的一轮融资中，空间智能筹集到了约1亿美元资金，使其最新估值突破10亿美元，晋升为又一AI独角兽。目前，空间智能的投资者包括Andreessen Horowitz（安霍创投）和AI基金Radical Ventures，均为擅长科技投资的顶尖投资机构。

　　“AI教母”下场创办“空间智能”

　　World Labs创立于今年4月份，由李飞飞在斯坦福大学任职的休假期间创办，旨在开发能够执行高级推理并理解对象之间3D空间关系的“空间智能AI系统”。记者查询斯坦福官方网站发现，其个人介绍页面状态显示为：“2024年1月1日至2025年12月31日，部分休假。”这显示，AI创业或许是今明两年李飞飞的工作重心所在。

　　事实上，李飞飞一直十分推崇“空间智能”的概念。今年4月，李飞飞在加拿大温哥华举行的2024年TED大会上发表了题目为《有了空间智能，AI将会理解现实世界》的演讲，分享了关于空间智能及其改变世界的力量的看法。

　　她表示，宇宙诞生之初，万物一片黑暗，直到第一批生物进化出视觉，从而引发了生命、学习和进步的爆发。在演讲中，她展示了一张“猫伸出爪子要把装有牛奶的杯子推下桌子”的图片，阐释人类在看到图片时，会不自觉开始分析玻璃杯的形状、判断其在空间中的位置与周围物体的关系，从而产生行动的冲动。将感知与行动联系起来的这种冲动，就是具有空间智能的生物的本能。

　　“视觉变成洞察力，洞察力变成理解力，理解力推动行动，所有这些都产生了智能。”李飞飞表示。在她看来，视觉是智能产生的基础，“看”和“做”之间的循环正在加速机器人的学习进程。因此，空间智能的愿景是训练一台能够理解复杂物理世界及其中物体相互关系的机器，这将综合大语言模型、机器人、计算机视觉等多领域研究成果。

　　李飞飞同时介绍了其团队在空间智能领域的最新进展，例如开发由3D空间模型驱动的模拟环境，训练计算机和机器人在3D世界中采取行动，如根据口头指令让机械臂执行包括打开抽屉、拔掉充满电的手机、制作三明治等简单任务。

　　从学者到创业者的身份转变

　　李飞飞在人工智能界一直是一个风向标一般的存在，尤其在计算机视觉领域，具有极强的影响力。

　　她不仅是计算机视觉领域标杆成果ImageNet的作者，同时作为斯坦福大学计算机科学教授以及斯坦福人工智能研究所的创始主任，她门下也培养了众多高徒。例如，曾在OpenAI、特斯拉任职的Andrej Karpathy，在英伟达供职的Jim Fan等圈内大牛，都是她的学生。因此，她也被誉为“AI教母”。

　　公开资料显示，李飞飞1976年生于北京的一个高级知识分子家庭，16岁时赴美求学。从2000年进入加州理工学院攻读研究生起，李飞飞一直从事人工智能研究，并于2005年获得电子工程博士学位。她在33岁时就成为斯坦福计算机系终身教授，44岁成为美国国家工程院院士。在计算机视觉这一领域还相当冷门的早期，李飞飞就选择了这个方向并持续耕耘，创立了ImageNet——一个拥有1500万张图片的数据库，成为人工智能计算机视觉研究的奠基之作。

　　仅仅成立3个多月便“狂揽”巨额资金，并飞速成长为AI独角兽，这显示了李飞飞在AI圈强大的号召力，也吸引了广泛的关注。然而，李飞飞此前更强调自身的学者身份，对于创业一事颇为低调。

　　去年2月，李飞飞正式加入风险投资公司Radical Ventures。李飞飞当时在该公司网站上的一篇声明文章称：“我将在担任斯坦福大学计算机科学系教授和斯坦福大学以人为中心的人工智能研究所（HAI）联席主任的同时，加入该公司。”值得注意的是，Radical Ventures也参与了World Labs最新一轮融资。而在Radical Ventures的官网上，李飞飞以“科学合作伙伴”的身份位列公司主要成员之中。

　　不过，据媒体报道，李飞飞虽然投资了Radical Ventures的投资组合公司以及最新的基金，但她也向学生强调：“我哪儿也不去，将继续在斯坦福大学担任教育家、研究员和导师的全职工作。”

　　记者注意到，在生成式人工智能浪潮中，有许多国内外顶尖学者纷纷选择进入业界创办自己的公司。作为一个知识密集型行业，人工智能行业对人才的要求极高。与此同时，由于大模型的开发与训练需要有强大的算力作为基础，业界相比于学界有更雄厚的资金优势，能够提供更充足的算力支持。《2024年人工智能指数报告》显示，产业界继续主导人工智能前沿研究。2023年，产业界产生了51个著名的机器学习模型，而学术界只贡献了15个。此外，108个新发布的基础模型来自产业界，来自学术界的只有28个。这一趋势，也促使许多有志于训练更智能的模型的学者创办自己的公司，从而筹集更多的资金与算力。

　　事实上，李飞飞曾在一场公开演讲中表示，仅Meta一家公司就可以为模型训练采购高达35万个GPU股票配资策略，但斯坦福大学的自然语言处理小组总共只拥有68个GPU。她表示，目前高校的资源和人才储备要远远落后于工业界，并提议建立国家级算力与数据集仓库，以让高校研究员拥有更多的算力和数据资源，缩小学术界与产业界之间的差距。