現今大型語言模型（LLM）雖能生動生成文字、圖片與影片，但它們能否真正理解並與三維世界互動，仍然充滿疑問。想像一下，如果只需一張平面照片，你就能創造出一個可以隨意探索、充滿互動的三維世界呢？這不再是科幻小說，而是李飛飛與其創辦的 World Labs 正在努力實現的願景。然而，這僅僅是通往「空間智慧」(spatial intelligence) 時代的起點。