Neuralink前联合创始人的新公司：让盲人重见光明，方法论是把人脑看作一台计算机，就不必一定依赖“身体”。

这是一个非常“缸中之脑”的播客笔记。如果说LLM是拟人，这个就是人类拟物。

Max Hodak是 Science Corporation联合创始人兼CEO。2016年他与 Elon Musk共同创办了 Neuralink并担任总裁，2021年离开后创建 Science Corporation，专注用脑机接口技术恢复视觉。

这期 No Priors播客发布于2026年8月20日。发布时，Science的视网膜植入物 PRIMA刚在一个月前的7月22日获得欧盟 CE认证，成为第一款获批商用的视觉恢复型脑机接口设备，可在30个欧洲国家销售，首例商业植入预计将在德国完成。更早之前的3月，Science完成了2.3亿美元C轮融资，估值达到15亿美元，累计融资约4.9亿美元。投资方包括 Lightspeed、Khosla Ventures、Y Combinator和 IQT（美国情报界的投资机构）。与此同时，PRIMA已获得 FDA突破性设备认定和人道主义用途设备认定，正在推进美国上市。

Hodak的论述是：从 PRIMA如何让盲人重新阅读，到为什么大脑应当被视为一台计算机，到为什么解决医学问题的关键可能不在于理解生物学而在于绕过它，直到最终指向一个听起来激进但逻辑自洽的目标，他称之为 substrate independence，即让人类的核心体验不再绑定于特定的生物载体。

一、PRIMA：用工程思维解决视觉恢复

1、PRIMA的工作原理是绕过坏掉的感光细胞，直接用电信号刺激视网膜

PRIMA是一枚植入视网膜下方的微型芯片，配合一副内置激光投影仪的眼镜使用。眼镜捕捉佩戴者面前的画面，将图像通过近红外激光投射到芯片上，芯片再把光信号转化为电信号，绕过已经死亡的视杆细胞和视锥细胞，直接刺激存活的视网膜神经元，把视觉信号重新送回大脑。

整个系统是无线的，芯片的尺寸比一粒米还小。…

它针对的是因 geographic atrophy（地理性萎缩）导致严重视力丧失的干性年龄相关性黄斑变性患者，后文简称 AMD。Hodak称之为“眼睛的人工耳蜗”。

2、临床试验的结果在视觉恢复领域没有先例

PRIMAvera临床试验在欧洲5个国家、17个中心纳入了38名患者。结果发表在《新英格兰医学杂志》上，该杂志的社论称 PRIMA是临床试验中首个成功恢复功能性视力的疗法。具体数据：平均改善25.5个字母（超过5行），80%的患者在12个月时视力有显著提升，84%的患者恢复了阅读字母、数字和单词的能力。

“Nobody had previously ever been able to restore a form vision image in the mind's eye of a blind patient in this way。” Hodak说。此前从没有人能以这种方式在盲人的视觉中恢复出一个成形的画面。

有患者能够填数独、填字谜，有患者恢复了阅读书籍的能力。Hodak说他见过这些患者的视频，也亲自跟其中一位患者交谈过，“这是那种听上去好得不像真的事情。”

3、为什么选择视网膜而不是大脑皮层

要恢复视觉，有三个可能的介入点：视网膜、丘脑里的外侧膝状体 LGN，以及大脑后部的初级视觉皮层 V1。Science早期探索了所有路径，同时也评估了电刺激、超声和基因治疗等不同模态。

最终的判断是：只要视神经还完好，视网膜就是最优入口。一系列科学技术上的理由指向这个结论。从视网膜入手后，还需要在两种类型的细胞和几种不同的刺激方式之间做选择，Science对这些变体都做了早期探索。

4、PRIMA的技术来源是一次关键收购

PRIMA最初由斯坦福大学的一位发明者开发，后授权给法国小公司 Pixium Vision。2024年4月，Pixium在巴黎商业法院走入破产清算程序后，Science收购了其知识产权和相关资产，包括三项正在进行的临床试验。

Hodak说他们从2022年底开始关注 Pixium，当时 Pixium拥有视网膜电刺激领域最领先的工作。收购完成后，Science花了大约两年时间将产品推进到 CE认证阶段。他认为这笔交易之所以成功，是因为 Science当时看到了“几乎没有其他人看到的东西”。

5、当前版本是起点，下一代产品正在推进

PRIMA目前的局限是视野窄（Hodak用“像通过一根吸管看东西”来形容），并且只有黑白画面。工程路线图上的下一步包括增加灰度层次、加入红色和绿色（蓝色更难），以及扩大视野。

下一代植入物已经进入动物实验阶段，预计明年进入人体试验。新版本将把适应症从目前的数十万患者扩展到数百万级别，覆盖更多疾病，包括视网膜色素变性和 Stargardt病。Science还在内部开发一种基因治疗，预计明年也将进入人体阶段。

二、“大脑是计算机”与设备化医学的逻辑

1、Hodak的核心主张：大脑是一台计算机，不是比喻

“The brain very literally，very clearly，plainly is a computer。” 大脑就是一台计算机，清清楚楚，不带隐喻。这句话一发到网上就会招来愤怒，但 Hodak坚持这个立场。

他的论证方式不是从狭义的图灵机出发，而是从物理学层面：你可以通过将物质排列成特定形态，然后放手让它运行，来解决计算问题。这种随时间展开并求解某个计算问题的过程，就是计算机在做的事。大脑也是同样的东西。晶体管没什么特别的。

2、把大脑当计算机来处理，效果远超传统药物研发

人类花了大量时间和金钱寻找能恢复视觉、恢复听觉、阻止帕金森病进展、帮助瘫痪患者重新行动的药物。理解生物学的分子细节来开发药物这件事，人类做得并不好。小分子药物尤其困难，即便是高度工程化的 CAR-T细胞疗法，也可能换来一场严重的免疫过度反应。花十年做药物发现，再跑一轮临床试验，最后翻一张牌，答案可能是“不行”，所有人打包回家。

但当你把大脑当作计算机来对待时，效果截然不同。人工耳蜗打开的那一刻、深部脑刺激器开机的那一刻、给四肢瘫痪的患者植入运动皮层接口后一小时就能玩电子游戏，这些事情在药物领域几乎看不到。“If I put electrodes in M1, you will probably be using a computer in an hour。”（如果我把电极放进初级运动皮层，你大概一小时之内就能操作电脑了。）

这就是设备化路径对传统药物路径的根本优势：确定性更高，反馈更快，而且有一条清晰的工程改进路线。

3、BCI是一个品类，不是一个赛注

Hodak认为 BCI应该像制药行业一样被理解为一个品类。他说跟 VC聊天时经常听到“我们有一个 BCI赌注”，他的反应是：“你买了一支药？你就这么理解这个品类？”

在这个品类的一端是“手的替代品”，比如静默语音设备和脑键盘 brain keyboard，本质上是用神经信号替代打字和点击。另一端是 Science做的事情：生成视觉、生成听觉，以及实现 substrate independence。Hodak认为手本身已经够好用了，大多数情况下你可能还是想跟 Uber应用做一个明确的交互，而不是让设备猜你在想什么。

Hodak给了一个具体的中间标记：拿到视觉、听觉、平衡，加上千比特/秒的运动控制，你就到了 Matrix的一半。这两端需要完全不同类型的公司来做。

三、从身份到 substrate independence

1、交流模式和边界重画是两件不同的事

Hodak区分了两种脑机交互模式。第一种是通信：两个大脑（或一个大脑和一个 AI模型）预先共享了一套结构，语言、数学概念，然后通过通道交换信息。语言的全部前提是你在一个大脑中激活某个概念，序列化为语言，发送到另一个大脑，在那里点亮同样的预共享概念空间。

第二种是边界重画，即 redrawing the border around your brain：不只是和一个东西交流，而是把它变成你的一部分。你的两个大脑半球作为一个整体运作的方式，和你跟另一个人说话的方式是不同的，这不只是关联程度的差异。弄清楚这种转变发生在什么位置，对 Science来说直接关系到产品应该做到什么程度：是让用户跟一个外部设备通信，还是让设备成为用户大脑的一部分。

2、意识的连续性比身份的保存更重要

在讨论“什么是你”这个问题之前，Hodak先抛出了一个看似显而易见但细想不简单的事实：你的视觉和你的听觉永远一起出现，你永远不会体验到“你的视觉+我的听觉”这种组合。这听起来像废话，因为它们都在你的大脑里。但 Hodak认为，“因为它在我的脑子里”不是一个足够基本的解释，我们需要理解这种分区到底是怎么发生的。

在这个基础上，他讨论了身份的问题。如果把你的大脑扫描进一台计算机里做一个软件复制品，那个复制品像你一样回答问题，但这算不算是你？Hodak说大多数人不会因为存在这样一个复制品就坦然接受自己的死亡。

全身麻醉制造了一个意识中断，人们接受了这种中断并且活了下来。但如果做一个你的完美拷贝然后让原版消失，Hodak觉得大多数人不会说“这就行了”。

Hodak站在连续性这一边。人们会接受身份随时间的大幅漂移，只要连续性不断。但如果保留了身份却打断了现象学上的连续性 phenomenal continuity，那并不令人满足。长寿领域投资人 Laura Deming曾问他是否愿意接受智力大幅下降换取生命延续，他的态度是：如果是暂时的，几周后能恢复，加上实现了 substrate independence的前提，那什么都可以尝试。

3、Substrate independence的含义：让人类体验不绑定于特定载体

大脑通过少量神经与环境相连，包括脑神经和脊神经。视神经是第二对脑神经，负责视觉；前庭蜗神经是第八对，负责听觉和平衡。如果能把视觉信号、听觉信号、平衡和体感运动的输入输出全部接管，这本身就是目的，这就是核心对象。

大脑是唯一一个即使在理论上也无法移植的器官。心脏、胰腺、肝脏、肺，在 Hodak看来都是配角，它们的作用是让大脑持续运转。他的终极视角是：真正重要的是大脑，而现在杀死人的两大原因，心血管疾病和转移到大脑的癌症，都可以通过这条技术路径来攻击。

如果成功，人类将变得不再那么脆弱。那种我们每个人作为生命条件的一部分所承受的危险感，Hodak称之为 sense of jeopardy，会逐渐消退。更远的前景是太空探索：如果人类真的要去星际空间，必须改造自己来适应那个环境，而不是把地球的环境一起搬过去。这些身体适合这颗行星，不适合真空。而“适应”和“保存”本质上是同一个项目。

四、AI与神经科学的交汇

1、AI模型的内部表征和大脑的神经活动有相似的几何结构

Hodak提到了 platonic representation hypothesis，即柏拉图表征假说。这个假说认为，当你观察大型 AI模型内部如何表征概念，然后对比大脑中表征概念的区域，你能看到非常相似的数学几何结构。

这对 Science来说不只是理论兴趣，而是实际工具。他们在实践中利用动物大脑的神经记录和 AI模型内部表征之间的对齐关系 alignments来推进研究。Hodak说这是让他确信 AI走在正确道路上、并非花招、也没有撞到墙的关键线索之一。似乎宇宙中存在某种事实：当你把足够多的计算施加到物质上，就会涌现出看起来像智能的东西。

这个假说在学术界有争议。部分原因是目前还不清楚这种结构对齐是全局性的还是局部性的：你能恢复概念之间的关系结构，但彼此断开的概念在表征空间中的放置位置可能并不一致。

2、研究神经科学最有效的方式可能是做 AI

Hodak有几个在 OpenAI和 Anthropic工作的神经科学朋友。他们之间的玩笑是：“你离开神经科学了？”“不不不，只是在模型上做神经科学容易太多了。”但这个玩笑的边界在哪里，他们自己可能也说不清。

3、10比特/秒的认知瓶颈意味着“脑键盘”的价值可能被高估

有一个著名的观察：人类大脑处理信息的速率大约是每秒10比特。你可以用多种方式验证这个数字。比如让一个记忆力完美的人坐直升机飞过曼哈顿上空，然后让他画出所看到的一切，计算一两个小时内传输的信息量，结果也收敛在大约每秒10比特。

Hodak认为这个瓶颈最终汇聚到语言层面。思考就是说话和写作，那种“想法在大脑里已经完全成形，只是说出来慢”的感觉可能是错觉。在你真正坐下来试着把它写出来之前，它其实并没有成形。

这意味着所谓“用脑机接口跳过语言直接读取思维”的设想，前提假设可能就不成立。脑键盘还可能遇到 AR眼镜的同一个问题：人的注意力已经被100%占用了，把信息搬到脸上并没有改变这一点，现有的时间已经被消耗完了。

五、商业化路径和定价逻辑

视觉恢复做得到的话，商业前景如何？

1、视觉恢复是可以支撑实际生意的赛道

AMD是一种与衰老高度相关的疾病。在80岁人群中，大约一半有早期症状；到85岁时，大约十分之一会实际发病。全球受地理性萎缩影响的患者超过500万。当前版本的 PRIMA的潜在患者规模是美国和欧洲的数十万人，下一代产品将扩展到数百万人。

Science尚未公布具体定价。但参考同领域的先例可以判断区间：约十年前 Second Sight的 Argus II视网膜假体，没有实现医学上所说的 form vision，也就是能看到成形画面的视觉，只产生闪光点，患者需要自行组装解读这些闪光的含义。它的价格是每位患者大约15万美元。另一边是一种已获批的基因疗法，只适用于约5%的患者中的一个狭窄适应症，改善量仅0.1行视力，并且主要只是减缓退化速度，定价接近每只眼50万美元。

2、Science从科技投资人而非生物技术投资人那里融资

Hodak把 Science定位为一家科技公司而非传统生物技术公司。这种定位来自他们用设备思维看待历史上的生物学问题。公司主要从科技投资者那里融资。在A轮时，他只主动找了一个生物技术投资人 Bob Nelson。生物技术行业一直存在东海岸和西海岸的文化分裂，Science明确站在西海岸这一边。

核心归纳

Q1：PRIMA和之前的视网膜假体有什么本质区别？

之前的设备（如 Second Sight的 Argus II）只能产生散乱的闪光点，患者需要“猜”这些闪光代表什么。PRIMA恢复的是 form vision，即成形视觉，能看到连贯的面孔、文字段落等可扫视的画面。在临床试验中，80%的患者实现了显著视力改善，有患者能填数独和阅读书籍。这是该领域此前从未达到的结果。

Q2：为什么 Hodak认为 BCI比药物研发更适合解决神经系统问题？

药物研发需要理解极其复杂的分子生物学细节，人类在这方面能力有限。一轮十年的药物发现加临床试验，最终可能得到否定答案。但大脑是一台计算机，当你把它当计算机处理时，反馈是即时的，改进路径是清晰的。电极植入运动皮层，一小时后患者就能操作电脑，这在药物领域不可能发生。

Q3：Substrate independence意味着什么？

大脑通过少数神经连接外部世界。如果能接管视觉、听觉、平衡和运动的全部输入输出，大脑就不再必须依赖当前的生物载体。这意味着心脏、肝脏、肺等器官的功能可以被替代或升级，人类可以减少因生物脆弱性带来的死亡风险，并最终适应地球之外的环境。保存自己和改造自己，本质上是同一个项目。

#模型时代# 李飞飞：世界模型这个词正在被滥用，招聘最看重“无畏”精神

再发一期李飞飞的内容。她参加斯坦福大学 AASF（Asian American Scholar Forum）的 Frontier & Pioneer Symposium的对话。这个活动很多内容都很精彩，油管上逐渐也有视频放出来，大家可以去看。

2026年几乎所有AI公司都在谈“世界模型”，但李飞飞认为这个词正在失去意义，因为每个人的定义完全不同。她在6月专门写了一篇博客，把世界模型按功能拆成渲染、仿真、规划三层，试图让讨论回到精确的轨道上。技术判断之外，她也谈到了自己选人的标准。被问到创业公司招聘最看重什么，她的回答是 fearlessness，无畏感。创业充满不确定性，她需要的是不会被“失败”这个词吓住的人。

一、AI的立场问题：为什么“中间地带”才是唯一严肃的位置

1、李飞飞给自己的定位是“最无聊的AI演讲者”

当被问到今天最想传达什么信息时，她先做了一个自我定位：现在AI领域的公共讨论充满极端修辞，声音越大、越两极化，越容易获得传播。但她是学者、科学家，现在也是创业者，选择从“中间地带”发声。

她用了一个说法，AI存在于复杂的 messy middle。作为文明级技术，AI本身极其强大，同时又碰上了世界上最复杂的变量，就是人性本身。当一个极强的技术遇到复杂的人类社会，几乎所有可能性都会出现。所以任何试图把AI简化成纯粹乌托邦或末日叙事的做法，都是对复杂性的逃避。

“文明级技术”这个判断有具体的来源。李飞飞说，2017到2018年她担任 Google Cloud的AI/ML首席科学家时，第一次能够直接看到机器学习和AI有可能影响几乎所有垂直行业。就是在那个阶段，她意识到AI已经不再只是一个由科学好奇心驱动的问题。这也让她从一个追逐好奇心的科学家，变成一个开始意识到自身社会责任的科学家。Richard Lui问她：“这是你主动想承担的责任吗？”她的回答是：“我觉得，这恰恰就是‘责任’的含义。我们其实没有太多选择。”

2、她对媒体提出了一个明确要求：先自学，再开口…

李飞飞说，她私下经常和记者朋友谈一件事：媒体人必须先真正理解这项技术是什么。面对镜头，还多了一层责任。2026年的全球公众需要的是负责任的对话，而拥有传播平台的人都承担着这份责任。

她特别提到硅谷的文化倾向：喜欢说最惊人的话。但“现实永远比口号更复杂”。这句话既指向AI极端悲观论，也指向某些夸大承诺的商业话术。

3、AI“逃出沙盒”的新闻该怎么理解

Richard Lui问到最近几周关于模型“跳出约束”的报道。李飞飞没有回避风险，明确表示 agentic AI，特别是能编程、能执行优化任务的系统，在网络安全领域确实有能力造成很大损害。

但她随即把问题拉回治理层面，用了一个汽车类比：任何一家汽车公司都可以轻松写一段程序，让自己的车每到星期五刹车失效。这甚至不需要AI。但我们没见过车企这么做，因为社会已经建立了集体信任、法律和安全护栏。

AI也需要同样的东西。她承认AI仍然非常新，某些能力确实可能变得危险。但她更担忧的是，一谈到AI，某些声音立刻跳向最极端的反乌托邦叙事。找到一个故事去支撑极端修辞永远很容易，但那并不意味着这样的修辞有帮助。

二、世界模型不是一个东西，是三层功能

1、“世界模型”这个词正在被滥用

李飞飞提到，快进到2026年，几乎所有人都在谈“世界模型”，但每个人的定义完全不同。她在两个月前（即2026年6月初）专门写了一篇技术博客来厘清这个概念。她的方法叫 functional taxonomy，功能分类法，就是不争论“世界”的哲学定义，而是按模型实际能做什么来分层。

与其纠结一个抽象定义，她把世界模型分成三层。第一层叫 Rendering，渲染；第二层叫 Simulation，仿真；第三层叫 Planning，规划。

2、渲染层回答的问题是“世界看起来是什么样子”

这是今天视频生成、3D生成技术已经大量在做的事情。模型能够生成漂亮的动态或静态像素，比如“宇航员骑马”。渲染层的主要使用者是人，人去观看、欣赏、操控这些内容。

渲染层在商业上也最成熟。但李飞飞在博客中指出了它的天花板：渲染优化的是视觉上的可信度，而非物理上的准确性。生成的画面可能看起来完美，但你没法用它来设计一栋建筑，也没法用它训练一个机器人。

3、仿真层回答的问题是“给定条件，世界接下来会变成什么样”

仿真层的输出不是画面，是物理状态：位置、速度、受力、形变这些物理量。如果我把水倒出来，它会怎样流动？用多大力推一只杯子，它会滑多远、会不会掉下去？仿真的工作是忠实地把这些物理过程算出来。它不做决定，只负责推演结果。

仿真的结果可以交给渲染层去变成画面，但仿真本身输出的是物理状态，不是像素。这是它和渲染最根本的区别。

仿真的使用者既可以是人（游戏就是一个直观例子），也可以是机器。CAD设计、机器人训练环境中，真正的“消费者”可能就是软件程序本身。

4、规划层回答的问题是“给定目标，我应该怎么做”

规划层的输出也不是画面，是动作序列。杯子现在在桌上，我要把它拿起来，该伸哪只手、用多大力、沿什么轨迹移过去？规划就是根据目标选择一系列动作。VLA模型和新一代 World Action Model都属于规划层的尝试，直接关联自动驾驶和机器人。

仿真和规划的区别可以这样理解：仿真是给定条件推演结果，比如一只杯子受到多大的力，它会滑多远。规划是给定目标选择方法，比如要把杯子移到某个位置，手该沿什么轨迹、施加多大力量。两者的依赖关系也由此而来：规划要做好决策，必须能预判每个候选动作的后果，而预判后果正是仿真的工作。

5、仿真是连接渲染和规划的枢纽

李飞飞在博客中明确提出：三层中受关注最少、但影响最大的是仿真层。原因在于，仿真层处理的是几何、物理和动力学，这些恰恰是渲染和规划共同依赖的底层知识。仿真算出的物理状态，往上可以交给渲染变成画面给人看，往下可以支撑规划做出可靠的动作决策。只掌握渲染或只掌握规划的模型，都做不到这一点。

她在博客中用杯子打了个比方：一个模型如果真正理解一只杯子的几何形状、材质属性和受力反应，那它应该既能从任意角度渲染这只杯子，也能仿真杯子被推之后会怎样，还能规划一只手去把杯子拿起来。三层本质上是对同一种底层理解的三种投射。

World Labs的重心放在仿真层，因为VFX、游戏、机器人、建筑设计等真实应用需要的精确度远超“生成好看的视频”。但模型本身也具备渲染能力，架构未来也可能自然延伸到规划。她在博客中写道，最终目标是一个统一的世界模型，能够根据下游需要在渲染、仿真和规划之间切换输出模态。

6、世界模型和LLM的关系：互补而非替代

对于LLM和世界模型是否“二选一”的问题，李飞飞的回答是它们已经在发生接口。语言模型可以驱动传统仿真器完成很多任务，两者之间的边界正在融合。

三、机器人为什么比LLM难得多

1、语言是“干净”的模态，物理世界完全不同

语言建模的输入输出都很清晰，运行在软件和数字世界里，有极其庞大的现存数据。无论是代码、聊天还是 agent应用，输入输出的对齐相对容易。

机器人面对的问题从根本上不同。人类到目前为止积累的真实机器人数据非常少，原因是机器人依赖的传感器和实际使用场景都还没有真正成熟。

2、目前走得最远的“机器人”是汽车，但汽车的任务本质上是“别碰东西”

汽车已经存在一百多年，人类每天都在使用，特斯拉和 Waymo投入多年持续采集驾驶数据。但汽车本质上是一个金属盒子在近似二维平面上移动，相关自由度非常有限。而且它最重要的任务就是不要碰到东西。

通用机器人几乎完全相反。它需要在高自由度的现实世界中操作，目标恰恰是去触碰和操作物体，而且要做到高精度和高保真度。传感器不够成熟，数据积累严重不足。

3、视频数据≠空间数据：物理规律不会自带标签

一位十年级的高中生提问切中了要害：互联网上最丰富的数据形式是文本和视频，但空间建模需要的是几何、物理和动力学信息。

李飞飞确认了这个判断。视频可能已经是互联网上最丰富的像素数据，其中也包含大量动态信息。但物理规律、几何关系和结构信息，并不会以显式标签的形式存在于普通视频里。所以研究者需要找到方法，要么从视频中反推出这些物理和几何信息，要么让模型以某种潜在表示去隐式学习它们。

4、VLA模型和各种新数据源都在推进，但缺口仍然巨大

VLA，即 vision-language-action模型，通过视频数据训练机器人，是目前比较受关注的路线。此外，研究者还在收集以操作者自己视角拍摄的 egocentric数据、通过人类远程操控机器人获取的 tele-operated数据等。

但从数据规模来看，机器人领域距离自动驾驶已经积累的数据还差好几个数量级，更不用说和LLM的训练数据相比。

5、数据飞轮的前提是成熟的使用场景，机器人还不具备

一位观众问到是否可以通过众包方式采集数据。李飞飞区分了两种情况：特斯拉式的数据采集之所以可行，是因为驾驶这个行为本身已经每天大量发生，传感器也足够成熟，驾驶过程天然构成数据采集循环。

但消费级机器人既没有成熟的硬件，也没有普遍存在的商业使用场景。在飞轮转起来之前，这件事说到底还是一个资金游戏：谁愿意投入最多资源去采集数据。

6、如果一定要在模型和数据之间选一个更难的，答案是数据

被问到 physical AI中模型和数据哪个更难时，李飞飞说两者深度交织很难分开。但如果必须选一个，她仍然选数据。让她觉得有点好笑的是，十多年过去了，数据的重要性已经如此明显，但数据本身依然被严重低估。

7、照护是机器人最重要的应用方向之一，但数据问题同样突出

李飞飞提到，全球没有任何一个国家会觉得自己的护士“太多了”。护理和照护是极其关键的职业，但从事这些工作的人已经非常疲惫。随着人类平均寿命继续延长，问题只会更严重。

她也从个人角度谈了这一点：她自己也需要照顾年迈的父母和患病的家人，所以对照护工作的身体负担感受很直接。照护负担对女性尤其不成比例，而且大量照护劳动根本没有被计入GDP。现场补充的数据是，美国约3万亿美元，全球约11万亿美元。

如果空间智能和物理智能能够真正突破，照护和医疗健康会是最先受益的领域之一。

四、好奇心和商业价值的关系：不对立，但必须落地

1、在大学可以纯粹跟随好奇心，在创业公司必须同时创造经济价值

李飞飞明确区分了两种场景。PhD阶段是受保护的环境，经济压力不大，可以更多地跟随好奇心。但在创业公司，好奇心和经济驱动力之间需要健康的平衡。

她特别强调了“经济价值”的含义：重点是“你有没有给客户和用户创造经济价值”，自己赚多少钱反而是次要问题。理解客户需要什么、为什么愿意付费，本身也需要好奇心。

2、“AI+万物”的泡沫说明连董事会层面也很混乱

Richard Lui提到，他去达沃斯论坛时，沿着主街走，到处都是“AI+苹果”“AI+香蕉”这类主题的展台和论坛，好像什么行业前面都可以加上“AI”两个字。他的意思是，当AI变成一个可以贴在任何东西上的标签，恰恰说明贴标签的人并不清楚AI到底能做什么。即使到了董事会层面，理解仍然混乱。

李飞飞一句话切回原点：不管故事讲得多宏大，最终必须回到地面。用第一性原理来看，产品到底是什么？客户是谁？提供的具体价值是什么？

“真正重要的并不是‘AI’这两个字。真正重要的是：你到底在解决什么问题？”

五、移民经历、不确定性与人的主体性

1、做科学家和做移民没有本质区别

被问到个人经历时，李飞飞把移民体验和科学研究做了一个类比。两者都要面对新世界，面对不确定性，不断试图突破已有的边界。你会不断走进一条黑暗的隧道，有时候只能自己走很久，直到终于看到一点光。

她提到了进化如何启发她的科学方向：从动物到人类，大量智能是在语言出现之前就已经发展出来的。早在人类出现以前，动物就已经拥有惊人的导航、操控和改变物理世界的能力。如果机器能够获得类似的能力，潜力将是巨大的。她整个科研生涯都在追问视觉智能的问题，现在延伸到了空间智能和物理智能。

2、早年的不确定性和今天创业没有区别

她在大学和研究生期间完全不知道自己能不能成为科学家。以家庭当时的经济条件，“当科学家”几乎是一件奢侈的事。她仍然要帮家里经营干洗店。这种不确定性和今天做创业者没有本质区别，没有人能保证 World Labs一定会成功。

她经常对公司里的人说：忘掉那些光鲜亮丽的东西，别太在意外面的人怎么写我们。我们是创业者，我们就在那条黑暗的隧道里。

3、招聘时最看重的品质是无畏感

李飞飞说她现在招人时非常看重一个品质，她用的词是 fearlessness，无畏感。创业公司里有太多不确定性，它绝对不是一种保证安稳的工作。你必须愿意去追求一件自己极其在意的事情，而不是被可能被称为“失败”的结果吓住。

被问到创业的孤独感怎么应对时，她说得更直接：“不要试图把它完全消灭。接受它。如果你是创业者，你会有很多很多真正需要做的事情。把注意力放在那些事情上。”

4、对年轻的自己说什么：更大胆地保持好奇

Richard Lui在观众提问前问了一个问题：今天的你，希望年轻时的 Fei-Fei知道什么？

她停顿了一下，回答说，也许希望自己当时能够更大胆、更自由地保持好奇。考虑到她的文化背景和成长方式，年轻时有过太多自我怀疑。回头看，其中很多怀疑可能根本没有必要。

5、不要让任何技术夺走你的主体性

如果今天只能留下一句话，李飞飞选了这个。她说会有很多声音告诉你“我的产品可以替你做这个”“我的技术可以替你决定”。但技术应该是增强人的创造力和生产力的工具。

她借用了Z世代的一句话收尾：“It's not that deep。” 没必要把它神化。它就是一个工具。

核心归纳

Q1：李飞飞怎么定义世界模型？

她将世界模型按功能分为三层，三层的输出完全不同。渲染输出画面（像素），给人看世界长什么样。仿真输出物理状态（位置、速度、受力），回答“给定条件，世界接下来会怎样”。规划输出动作序列，回答“给定目标，我应该怎么做”。仿真是枢纽：它算出的物理状态往上可以交给渲染变成画面，往下可以支撑规划做出可靠决策。World Labs重点押注仿真层，因为VFX、游戏、机器人等真实应用需要的精确度远超“生成好看的视频”。

Q2：机器人训练为什么不能照搬LLM的路径？

语言是干净的数字模态，机器人必须在高自由度的物理世界中操作。目前走得最远的“机器人”是汽车，但汽车的任务本质上是“别碰东西”，通用机器人恰好相反。真实机器人数据极度匮乏，数据飞轮的前提是成熟的使用场景和传感器，这两样目前都不具备。

Q3：李飞飞认为AI时代个人最该守住什么？

人的主体性，她用的词是 human agency。技术应该增强人的能力，而不是替人做决定。她对硅谷“我的产品替你做决定”式的话术持明确批评态度，并建议每个人，无论职业方向如何，都不要把主动权让渡给任何技术。