2025 年人工智慧影響力人物：經過驗證、受人尊敬、備受關注

2025 年的人工智慧已不再只是炒作。如今，它由成熟的研究、更強大的基礎設施以及打造持久耐用產品的現實所驅動。 X（以前的 Twitter） 許多引領對話的人也引領這項技術。他們設計、研究和管理著塑造其在商業、研究和開源專案中應用的系統。

這並非一份名人榜。這裡的每個人都擁有真正的影響力、清晰的專業知識，以及引領人工智慧社群討論的豐富經驗。他們的觀點至關重要，因為他們的實務經驗，正是源自於建構、引領和挑戰塑造我們未來的系統。

揚‧樂昆 (@ylecun) — 首席人工智慧科學家 Meta

Yann LeCun 仍然是人工智慧領域，尤其是在基礎研究領域最強勢的聲音之一。他的公開言論常常與主流觀點相悖，尤其是在大型語言模式的辯論中。他主張建立能夠使用更少數據、能耗更低的系統來學習，這與「越大越好」的思維模式截然不同。

LeCun 因發明了卷積神經網路 (CNN) 而奠定了其在歷史上的地位，而卷積神經網路如今已成為電腦視覺領域不可或缺的技術。如今，他是自監督學習和自主人工智慧的領導人物——機器透過觀察而非無休止的資料攝取來獲得理解。

他現在很少在推特上發布原創內容，但經常轉發或連結有關人工智慧研究和系統設計的深度文章。

• 核心主題：節能架構、以物件為中心的學習、世界模型；
• 受眾涵蓋：900,000+ 名粉絲；
• 值得關注的動態：與 OpenAI 和 DeepMind；

三十多年來，他的工作塑造了 Meta 的人工智慧策略，旨在讓系統以更接近人類推理的方式進行觀察和思考，而不僅僅是預測序列中的下一個單字。

安德烈·卡帕西（@karpathy） — 創始成員 OpenAI

Andrej Karpathy 將深厚的技術功底與引領重要產品落地的視角完美結合。他能夠將複雜的概念（從模型設計到訓練選擇再到部署障礙）分解開來，引發研究人員和實踐開發者的共鳴。

他的訊息將技術見解與願景融為一體——例如，他最近提出大型語言模型正在成為現代軟體的基石。

• 成就：深度學習和電腦視覺領域的早期突破，以及人工智慧領域的領導地位 特斯拉 ;
• 涵蓋範圍：超過 1 萬粉絲；
• 參與：頻繁的會議演講和社區教育；

返回後 OpenAI 2024 年，Karpathy 專注於讓模型更易於管理，並在不失控的情況下擴展。他也致力於向開發者社群開放更多資源。在他的文章中，他將深入的技術思考與日常軟體建構工作聯繫起來，為工程師提供創建經得起實際考驗的系統的實用方法。

李飛飛 (@drfeifei) — 教授 斯坦福大學

李飛飛以將人工智慧與人類需求結合而聞名。她推動的設計不僅服務於企業或政府議程，也服務於醫療、教育和公共利益。她領導創建了 ImageNet 項目，這個項目重塑了深度學習，並在當今的人工智慧領域留下了最深刻的印記之一。

她的貼文主要關注人工智慧的人性化方面——倫理影響、醫療保健影響以及維護人類尊嚴的重要性。

• 聞名： 影像網 ，史丹佛以人為本的人工智慧研究所；
• 受眾：500,000 萬多名粉絲，為美國和國際政策制定者提供建議；
• 目前重點：人工智慧應用中的倫理、可近性和社會包容性；

她從科技領域那些經常被忽視的群體——例如醫務人員、教育工作者和殘障人士——的角度出發，並關注他們的關切。李飛飛認為，負責任的人工智慧關乎同理心、遠見卓識以及矽谷董事會以外的聲音的參與。

Emad Mostaque（@EMostaque） — 創辦人 Stability AI

Emad Mostaque 是 defi開源生成式人工智慧領域的領導人物。他致力於推動模型和資料集的開放，使其不再受大型企業的控制，並推動了一群新創公司發布具有開放權重的系統。

在他的動態中，他分享了有關開源生成人工智慧的生動更新，並邀請公眾對開發進行回饋。

• 里程碑：推出 Stable Diffusion;
• 重點領域：成本透明度、基礎設施開放性、人工智慧安全原則；
• 觀眾：250,000+ 名粉絲；

Mostaque 定期分析建立高階模型的實際成本和限制，為人們提供難得的機會，了解驅動產生工具的預算和技術投入。他堅持開放的態度，改變了人們對開發人員和研究人員應該能夠檢查和控制哪些內容的期望。

蒂姆尼特·格布魯（@timnitGebru） — 創辦人 DAIR研究所

Timnit Gebru 關於演算法偏見和數據透明度的研究改變了全球範圍內對人工智慧公平性的討論方式。她探討了誰掌握著人工智慧發展的權力，以及這種權力如何影響結果。

她利用自己的存在來強調偏見問題，並經常引用她關於人工智慧公平性的研究或重大政策發展。

• 關鍵領域：法學碩士中的系統性偏見、社群主導的治理、道德資料標準；
• 受眾：160,000+ 名粉絲；被世界各地的政策框架引用；

她的論點建立在確鑿的證據之上。她的研究揭示了訓練資料的缺陷如何延續現實世界中與種族、性別和階級相關的不平等現象。立法者和監管者現在在製定規則時參考她的研究，這使她成為該領域重要的批評聲音。

克里斯·奧拉（@ch402） — 共同創辦人 人類的

克里斯·奧拉揭開了神經網路中一些最複雜部分的神秘面紗。他以圖文並茂的方式闡述了模型資訊處理的方式，這些方法已成為大學的教學材料和人工智慧安全研究人員的參考資料。

他經常發布可解釋性的更新——最近關於開源模型電路分析的工作引起了安全研究界的關注。

• 專業：可解釋性工具、決策路徑視覺化；
• 觀眾：150,000+ 名粉絲；
• 最近的工作：模型對齊、安全協議、憲法人工智慧；

透過讓人工智慧的內部運作機制視覺化，奧拉將可解釋性從學術好奇心轉化為信任和安全的核心要求。他的影響力影響著實驗室和政策制定者對監控和引導模型行為的思考。

薩拉·胡克（@sarahookr） — 董事 人工智慧

Sara Hooker 致力於讓機器學習更有效率、更容易普及。她聚焦在資源匱乏地區的研究人員，旨在分散為該領域做出貢獻的人員。

她的貼文重點關注人工智慧研究的包容性——她最近提請人們關注基於計算的監管的局限性。

• 重點關注：稀疏模型、可重複性、包容性人工智慧研究；
• 觀眾：45,000+ 名粉絲；

她的工作質疑了「嚴肅的研究只能依靠龐大的基礎設施才能進行」這一觀念。透過推廣高效的架構和全球協作，Hooker 正在重塑人們對人工智慧效能和參與度的期望。

伊桑·莫利克（@emollick） — 教授 沃頓商學院

Ethan Mollick 展示了人工智慧工具如何改變人們的學習和工作方式。他在課堂和商業環境中對大型語言模型的實驗提供了具體且可複製的結果。

他將人工智慧帶入了真實的課堂和辦公室場景——探索即時設計和工作場所工具如何發展並影響學習。

• 重點領域：應用法學碩士、快速工程、人工智慧輔助工作流程；
• 觀眾：280,000+ 名粉絲；

莫里克的工作方式是親自嘗試這些工具，觀察其效果，並在過程中不斷調整方法。這種實用的循環為教育工作者和專業人士提供了以最少的猜測整合人工智慧的藍圖。

達裡奧·阿莫迪（@darioamodei） — 執行長 人類的

Dario Amodei 領導著一項備受關注的人工智慧安全工作。 Anthropic 開發的 克勞德 是更大戰略的一部分，旨在使擴展更安全，同時不阻礙創新。

他很少發表帖子，但一旦發表，他的觀點就會引發爭論——最近，他公開批評了一種被他描述為扭曲了 Anthropic 安全第一使命的說法。

• 重點：憲法人工智慧、系統可靠性、規模協調；
• 受眾：70,000+ 名粉絲；在立法聽證會和全球高峰會上獲得認可；

Amodei 的審慎風格和對控制機制的重視使他的工作成為產業和政府設定模型監督期望的參考點。

格雷迪·布奇（@Grady_Booch） — 軟體工程首席科學家 IBM研究院

Grady Booch 的職業生涯一直圍繞著設計和管理複雜的軟體系統，這使得他對現代人工智慧的建構和維護方式的見解尤為寶貴。數十年來，他一直致力於設計經久耐用的系統，這讓他能夠清楚地認識到持久的人工智慧工程需要哪些條件。

他的聲音將深層系統設計視角與人工智慧背景相結合——儘管更新頻率較低，但他為人工智慧辯論帶來了架構清晰度。

Booch 以創建 UML（統一建模語言）而聞名，他將嚴謹的架構思維應用於人工智慧部署和可靠性問題。

• 核心主題：系統設計、耐久性、工程倫理；
• 受眾：橫跨人工智慧和傳統工程社群的 160,000 萬多名追蹤者；

他警告稱，行動過快可能會破壞已奠定的基礎。對他而言，持久的進步源於耐心的設計、嚴格的測試以及對強大工程實踐的堅持。