隨著生成式 AI 在近兩年快速進入主流應用，外界對「通用人工智慧（AGI）」的想像不斷被推高。在一場對談中，有「AI 教母」之稱的史丹佛大學教授李飛飛選擇替這波熱潮踩下理性煞車。她一再強調，無論 AI 能力如何演進，AI 永遠只是工具，真正握有方向盤的，必須也只能是人類。
李飛飛認為，將 AI 神化、賦予其自主意志，是一種危險的誤解。從火、蒸汽機到核能，人類歷史上所有強大的工具都是「雙面刃」，關鍵不在工具本身，而在於制度、教育與價值觀如何引導使用方式。AI 是否向善，不應交由模型自行「理解」，而是人類社會必須承擔的責任。她直言，若只談發展、不談治理是災難；但若只談風險、拒絕前進，同樣會錯失科技帶來的巨大福祉。
在技術路線上，李飛飛對當前「語言即世界」的主流敘事提出根本質疑。她指出，語言本質上是離散且一維的符號系統，而人類所處的世界，卻是連續、立體、具備物理約束與因果關係的三維空間。無論是行走、拿取物品，還是理解他人行為與社會互動，這些能力都無法僅靠語言建模完成。
正因如此，她堅信，若缺乏對空間與物理世界的理解，AI 不可能真正邁向 AGI。這也是她創立 World Labs、全力投入「世界模型（World Models）」與「空間智能」的核心原因。在她的定義中，AGI 並非一道非黑即白的門，而是一扇需要多把鑰匙逐步打開的門，其中，空間智能是不可或缺的一把。
演算法迷思：為何「資料不性感」 卻決定了 AI 的天花板？
談到 AI 發展的另一個長期爭議，李飛飛直指「演算法比數據重要」是一種根深蒂固的偏見。她回顧 ImageNet 時代指出，AI 的本質始終是「泛化能力」，而泛化來自演算法與數據的共同作用。演算法過強、數據不足會過擬合；數據龐大、演算法薄弱同樣無法突破。
在她看來，兩者從來不是誰取代誰，而是相互制衡、缺一不可。只是相較於演算法的「英雄敘事」，數據工程往往被低估，甚至被視為不夠前沿、不夠炫目，但實際上，真正限制模型能力邊界的，往往正是數據的品質、規模與取得方式。
AI 是橫向技術 巨頭不可能吃下所有機會
當話題轉向產業競爭格局，李飛飛也否定了「大公司終將贏者全拿」的單一論述。她指出，資源、算力與數據確實有利於大型科技公司，但歷史上從未出現只有巨頭能勝出的技術浪潮。AI 是一種高度橫向的通用技術，應用場景極為分散，大公司不可能覆蓋所有需求。
她以 AI 程式開發工具為例指出，最早擁有壓倒性優勢的其實是資源最齊全的大公司，但最終找到產品突破口的，反而是小團隊與新創。真正決定勝負的，從來不是公司規模，而是對技術路線的判斷、執行力與時間點的選擇。
在她看來，空間智能與世界模型正處於這樣的關鍵窗口期。它仍充滿不確定性，也伴隨高度風險，但正因如此，才為創業者與小公司保留了進場與顛覆的可能。
AI 的終極考題 其實是人類如何治理自己
在 AI 走向更強大之前，李飛飛反覆提醒一件看似「保守」卻關鍵的事：AI 再怎麼進化，都不應成為替人類做價值判斷的主體。真正需要升級的，不只是模型，而是人類如何理解、教育與治理自己的能力。
她直言，當社會過度沉迷於討論 AI 能做什麼，往往忽略了一個更困難的問題——人類是否準備好承擔使用這些工具的責任。AI 的未來，不只是科技競賽，更是一場關於制度、教育與人性的長期考驗。
