Stanford HAI major reorganization! Li Feifei was promoted to principal advisor

新智元报道<br> 编辑：犀牛 所罗门<br> 【新智元导读】斯坦福把HAI与Data Science合并，李飞飞升任校长顾问。这是顶级大学在AI新阶段押注「组织力」的全面换挡。<br> 刚刚，斯坦福进行了一项重磅重组。<br> 5月4日，斯坦福大学宣布：将旗下两大AI与数据科学组织——Stanford HAI（以人为本人工智能研究院）和Stanford Data Science（斯坦福数据科学）合并为一个统一机构，名称保留Stanford HAI，由计算机科学家James Landay全面掌舵。<br> 而那位让全世界记住ImageNet的女人——李飞飞，则升任校长Jonathan Levin的AI特别顾问，同时与斯坦福前校长、图灵奖得主John Hennessy共同出任HAI顾问委员会联席主席。<br> HAI，2019年由李飞飞、前教务长John Etchemendy、NLP大牛Chris Manning和Landay联合创立。<br> 7年间，它集结了超过400位跨学科学者，累计发放6000万美元研究资助，覆盖斯坦福全部七个学院。<br> 它做出了每年一度的AI Index报告，搞了面向国会议员的「AI训练营」，还在基础模型、数字经济、环境智能等领域建立了多个研究中心。<br> Stanford Data Science，由数学与统计学家Emmanuel Cand&egrave;s领衔创建，专注大规模数据处理，建造了高性能计算集群Marlowe，并在天体物理、因果推断、可持续发展、神经科学等领域建立了交叉研究中心。<br> 过去，两个组织各有侧重：HAI偏「人文视角+政策影响」，Data Science偏「算力基建+数据方法」。<br> 但AI发展到2026年这个节点，问题变了——无论你做天文发现、脑科学建模还是历史文本挖掘，你都需要同时具备大规模数据能力、高性能算力和AI方法论。<br> 把两套班子拆着跑，效率越来越低。<br> 用斯坦福校长Levin的话说，合并后的HAI将是「斯坦福AI的统一入口」。<br> 也就是说，以后斯坦福搞AI，不管哪个学院、哪个方向，都从这一扇门进。<br> 李飞飞角色升维<br> 作为HAI创始院长和ImageNet的缔造者，李飞飞在学术界和产业界的号召力毋庸置疑。<br> 但HAI发展到今天，需要的不只是学术声望，更需要一个能「搞工程、搞协同、搞基建」的操盘手。<br> 李飞飞升任校长AI特别顾问，管的是全校七个学院的AI战略，格局更大了。<br> 她自己说得很明白：AI正在改变的不只是技术，还有我们追求科学发现、学习和教育、服务社会的方式。<br> 而接棒的Landay，可能在国内知名度不如李飞飞，但在人机交互（HCI）领域，这是一位教科书级的人物。<br> 他在1990年代开发的设计工具SILK，比Figma和Canva早了二十多年；他在2000年代初做的UbiFit项目，比Fitbit和Apple Watch早了近十年。<br> 2024年，他拿到了ACM SIGCHI终身研究奖——这是人机交互领域的最高荣誉之一。<br> 更关键的是，Landay的核心理念和这次合并高度契合。<br> 他反复强调的是「团队科学（Team Science at Scale）」——不是传统的五人小实验室，而是20-30人的跨学科大团队，包含教授、博士后、研究工程师、数据科学家、项目经理和设计师。<br> 这恰恰是AI研究从「个人英雄主义」走向「工业化协同」所需要的组织形态。<br> John Hennessy——这位斯坦福前校长、图灵奖得主、RISC架构之父、Alphabet董事长——也加入了顾问委员会。<br> 他的评价最为直接：这是斯坦福最重要的举措。<br> 新HAI到底要干什么？<br> 合并后的HAI明确了三大支柱：<br> 第一，重新定义大学里的科学发现方式。 斯坦福的天文学家用机器学习搜寻系外行星，神经科学家用模型预测脑活动，历史学家用NLP挖掘档案——这些不再是「AI+X」的点缀，而是新的研究范式。HAI要提供算力、研究工程师和数据科学家，让「团队科学」真正跑起来。<br> 第二，推动教育变革。 从K-12到终身学习，AI正在改变人类学习和被评估的方式。HAI要和斯坦福学习加速器等机构合作，探索适应性辅导系统和新型教育模式。<br> 第三，研究和塑造AI的社会影响。 就业怎么变？组织流程怎么变？设计方法怎么从「以用户为中心」升级到「以社区和社会为中心」？这些问题不能只靠工程师回答。<br> 而贯穿这一切的关键词是：开放。<br> 开源代码、开放数据、开放模型、开放课程。<br> 学术界在AI时代的价值<br> 斯坦福这次重组，释放出一个非常清晰的信号：大学AI竞争的下半场，拼的不再是一篇论文、一个明星教授，而是一整套系统能力——算力、数据、人才、组织力和开放研究生态。<br> 过去几年，前沿AI研究的话语权加速向产业界集中。<br> OpenAI、Google DeepMind、Anthropic手握最强算力和数据，学术界的声量不断被压缩。<br> 斯坦福这次的动作，本质上是在回答一个存亡级问题：学术界在AI时代还有没有不可替代的价值？<br> 答案是有的——但前提是你能提供产业界给不了的东西：透明性、可复现性、公共利益导向的长期研究，以及真正跨学科的融合视角。<br> 而这些东西，不是靠一两个超级教授就能实现的，需要从组织架构层面去支撑。<br> 李飞飞没有离开，她只是换了一个更高的位置去看全局。Landay没有横空出世，他只是终于站到了与自己三十年积累相匹配的舞台上。Hennessy没有退休，他只是用另一种方式继续押注斯坦福最重要的赌注。<br> 当产业界拼命卷模型、卷算力、卷融资的时候，斯坦福选择卷「组织力」——用开放、跨学科、以人为本的方式，重新定义学术界在AI时代的角色。