Fei-Fei Li 與 Yunzhu Li 的主張是：空間智慧不是讓模型辨認更多畫面，而是讓它能在空間中生成、理解、推理並互動。
來源為 a16z 對談；受訪者對技術路徑與時間表的預測，並不等於已被證實的部署成果。
World Labs 把目標稱為 spatial intelligence：系統要能跨空間、時間、視角與互動保持對環境的一致理解。這個能力可以用於虛擬場景、設計與遊戲，也可能成為機器人理解現實的基礎。
對談沒有把它描述成已解決的問題。相反地，兩位受訪者把「機器能可靠地在物理環境工作」視為仍待攻克的北極星。
讓機器人從真實環境收集資料很慢，也有成本與安全邊界。罕見情境尤其難累積：一個人不會刻意讓機器反覆撞上同一種失敗，只為了替模型補資料。
SceniX 提出的 real-to-sim-to-real 管線，想把真實觀測帶進可擴充的數位世界，再把模擬的學習與評估帶回現場。它不是用合成資料取代現實，而是擴大能被檢驗的情境範圍。
人類會在腦中預演「如果這樣做會怎樣」。受訪者認為，模擬也應提供這種反事實能力：在尚未發生事故之前，檢查不同控制策略、環境變化與互動會帶來什麼結果。
但模擬不會自動給出安全保證。世界模型的假設、感測器落差與場域變化都會回到現場檢驗。真正重要的是每一次差異能否被量測、追蹤與改進。
對談談到人形機器人與半結構化環境，也談到企業用例。共同標準不是「影片看起來像人」，而是系統能否在特定工作裡維持可預期的表現，並把失敗模式說清楚。
World Labs 併購 SceniX 是兩個團隊對此路徑的商業押注。它是否縮短機器人訓練與評估週期，仍需用後續產品與實際部署資料來判斷。
「人類會在腦中做大量模擬。反事實推演，是現實資料本身無法提供的一種能力。」
這是受訪者對模擬角色的說法，不是對任何系統安全性的保證。
選擇你不願省略的一道檢查