AI浪潮中的华裔双星：李飞飞与哈萨比斯
李飞飞（Fei-Fei Li）和德米斯·哈萨比斯（Demis Hassabis），堪称本轮人工智能变革中最具代表性的两位核心人物。二人不仅在年龄上相近（同样出生于1976年）、都带有华裔背景（哈萨比斯拥有一半新加坡华裔血统），且都拥有英美顶尖高校的学术经历，更重要的是，他们在理解智能的底层路径上都从神经科学出发，并在学术低潮期长期坚持，同时具备极强的技术叙事能力，呈现出惊人的一致性。
如果把当下的AI革命看作一场复杂而系统的演化，那么这两位人物分别从“感知数据”与“决策强化”两个方向，铺设了通往通用人工智能（AGI）的关键路径。
引言：1976年的遥远共振
1976年，是人类科技发展史上极具象征意义的一年。这一年，苹果公司在车库里成立，克雷-1超级计算机也正式投入使用。也正是在这一年，两位拥有华裔血统的婴儿分别出生于北京和伦敦。一个叫李飞飞，后来跨越太平洋，在美国推动了视觉认知的范式转变；另一个叫德米斯·哈萨比斯（Demis Hassabis），他先以国际象棋神童闻名，随后在英国踏上了追寻通用人工智能（AGI）的道路。
近半个世纪之后，当人工智能浪潮席卷世界，这两位同龄的“双子星”在人类科技的巅峰相遇。他们不仅共享相似的华裔背景和顶尖院校博士履历，更重要的是，他们都把神经生物学视为理解智能的底层系统。在长达十多年的AI沉寂期中，他们分别借助“数据之火”和“强化学习之翼”，共同绘制了通向AGI的路线图。
在计算机科学领域，多数人的直觉往往建立在图灵机、逻辑门以及算法复杂度之上。但李飞飞与哈萨比斯的独特之处在于，他们首先相信生命科学。对他们来说，人脑是宇宙中目前唯一被确认存在的智能样本。
哈萨比斯在伦敦大学学院（UCL）的博士课题聚焦于海马体——大脑中负责记忆和想象的重要区域。他意识到，记忆并非简单存档，而是一种可被重组的过程，而这种重组能力正是人类预判未来的重要基础。他在《无尽机器》（The Infinity Machine）中所展现的思考，体现出一种极具冲击力的判断：如果机器也能像人一样，通过“经验回放”（Experience Replay）在模拟中不断学习，就有机会超越单纯的模式识别。DeepMind此后在强化学习上的突破，本质上正是把神经科学中的“奖励机制”与“记忆重构”转化为硅基系统的实现。
与此同时，在大洋另一端，李飞飞于加州理工学院（Caltech）持续思考另一个根本问题：生物视觉究竟如何形成？她注意到，婴儿在生命最初几年接收的是海量真实视觉输入，而不是预先写好的规则代码。这种来自“发育心理学”的直觉，让她坚信，AI的关键突破并不在于公式更复杂，而在于获得“进化所需的养分”——也就是海量、多样、真实的世界数据。这种跨学科背景，使他们在面对工程难题时具备一种近乎哲学层面的视角：他们不是单纯优化程序，而是在尝试重建生命的智能机制。
在2012年深度学习全面爆发之前，李飞飞与哈萨比斯都曾被学界和资本市场视作“不合群”的少数派。
李飞飞的ImageNet项目刚启动时，曾被不少人视为一个既缺乏理论深度、又耗费巨大的“费力不讨好”工程。在当时的计算机视觉领域，主流更愿意研究复杂的特征提取方法，而不是去人工标注数百万张图像。李飞飞甚至一度面临资金中断。她组织了数万名众包人员，以近乎修道士誊写典籍般的耐力，最终完成了对1400万张图片的标注。她始终相信一个朴素而坚定的逻辑：如果算法还不够聪明，那就先给它足够多的真实世界。
哈萨比斯所面临的困难同样不小。2010年创办DeepMind时，他提出的口号是“先解决智能，再用智能解决一切”。在当时，AGI在主流学界几乎是被边缘化的概念，甚至常被看作科幻叙事。早期投资人难以理解他那套“博弈论+神经科学”的思路，甚至有硅谷知名人士觉得他是在进行“科学幻想”。然而，凭借极强的说服力，他在没有成熟产品、也没有稳定收入的条件下，依然吸引了全球最优秀的一批人才。这种长期主义的坚持，源于他们对底层规律的深刻确信：他们追求的不是短期局部最优，而是整个范式的变革。
这两位先行者都极具表达能力，但这种“会说”绝不是夸夸其谈，而是一种能把复杂技术愿景转化为人类共同命运叙事的领导力。
李飞飞的表达始终带有人文温度。她提出“以人为本的人工智能”（Human-Centered AI），把AI从冷冰冰的实验室议题，提升到社会伦理、医疗辅助与教育公平的层面。她在演讲和写作中，经常提到“尊严”、“偏见”和“同情心”等概念。这种叙事能力不但帮助她赢得公众信任，也深刻影响了全球AI治理与政策讨论的方向。她让更多人相信，AI并不是替代人类的工具，而是增强人类能力的一种手段（Augmentation）。
哈萨比斯则展现出另一种叙事气质——更接近大航海时代式的探索英雄主义。他善于把“人机对弈”作为叙事支点，从Atari游戏到AlphaGo，将复杂的强化学习讲述成人类文明中最令人振奋的挑战故事。他提出的“AI for Science”愿景，则把AI定位为破解自然终极难题的关键工具，例如蛋白质折叠、核聚变以及常温超导等。他的核心叙事在于：如果人类认知终有边界，那么AI就是帮助我们观察微观世界和宏观宇宙的“哈勃望远镜”。
尽管最终目标一致，但在实现路径上，两人呈现出非常不同的组织哲学。
李飞飞更像一位生态型建设者。她长期深耕斯坦福大学，并通过建立HAI（以人为本人工智能研究院），打造出一个跨学科共生的“森林”。在这片森林中，法学家、哲学家、社会学家和计算机科学家共同协作。她希望培育的是一代具备社会责任意识的领导者。即使她近来创办了World Labs，其核心逻辑依然是围绕“空间智能”这一开放式科学命题，补足AI在理解和交互物理世界方面的不足。
而哈萨比斯构建的，则更像一座高度集中的“方尖碑”。DeepMind的运作方式更接近当年的贝尔实验室，以使命为中心，把资源聚焦在少数几个极具难度的“大问题”上。这种模式强调精英驱动与工程协同的极致化。AlphaFold的成功，正是这种“任务导向型实验室”模式最典型的成果。这种组织方式在短时间内所释放出的科学创造力，是传统分散式学术体系很难达到的。
作为同一代的华裔精英，他们的成功背后也存在共同的文化纹理。这种底色并不只是血统标签，而是在跨文化环境中形成的一种特殊韧性。
李飞飞作为第一代赴美移民，曾经历一边帮助家里经营洗衣店、一边攻读高深科学的艰难阶段。这种从社会基层一步步向上攀登的经历，让她具备了很强的生存韧性，也让她更加关心普通人的命运。哈萨比斯作为混血华裔，在英国多元文化环境中成长，身上同时体现了东方家庭对教育的高度重视，以及欧洲知识传统中的自由思辨。
这种华裔背景赋予他们的，不只是勤奋努力，更是一种面向“大周期”的观察方式。他们更习惯从历史与演化的长线尺度上寻找自身定位。面对西方科学界的质疑时，那种能够“冷板凳坐十年”的耐心与定力，或许正体现了东方文化深处的一种智慧。
如今，李飞飞与哈萨比斯的人生轨迹正出现一种引人注目的汇合。哈萨比斯凭借AlphaFold获得诺贝尔化学奖层面的认可，这意味着AI已经从“数字世界的游戏”深入到“物理现实”，开始触及原子层面的科学问题。而李飞飞的新事业World Labs，则致力于让AI具备“空间智能”，使机器能够像人类一样理解三维物理空间。
他们所指向的终点其实一致：创造一种不仅能处理符号与文本，还能真正理解并作用于物理世界的通用智能。哈萨比斯提供的是“大脑式的决策闭环”，而李飞飞则奠定了“眼睛与空间认知”的基础。
李飞飞与哈萨比斯之间的对照，为我们理解创新带来了深刻启发：
科学理解的深度，决定了技术突破的高度：若没有对神经科学的深入把握，他们就无法跳出传统统计学框架的限制。
表达能力本身就是科学领导力：在技术驱动时代，谁能够讲清技术愿景，谁就更有机会塑造未来方向。
坚持那些尚未形成共识的真理：无论是ImageNet还是AGI，在最初都显得孤独，但往往只有孤独的探索者，才能最先看见黎明。
这不仅仅是两位天才科学家的个人篇章，更是人类在迈向通用人工智能过程中，对勇气、智慧与人文精神的一次共同见证。正如本轮AI革命中的双螺旋结构，李飞飞与哈萨比斯彼此交织、不断上升，一同指向那个由智能重新定义的未来。