李飞飞表示：“尽管OpenAI的Sora模型可以将文字转换为视频，但其本质上仍属于二维平面模型，缺乏三维立体理解能力。因此，AGI（人工智能增强）需要更深层次的空间理解。” 张飞飞以Sora模型为例，说明当前模型无法实现真正的三维空间理解。 她强调AI应该扎根于人类，人类创造了它，发展它，使用它，也应该管理它。 同时，她说：“科技会带来生产力的进步，但生产力的进步并不会自动转化为社会的共同繁荣。” 最后，李飞飞说：“实现AGI的关键一环是‘空间智能’，需要三维视觉模型。”
：
随着人工智能技术的发展，我们已经看到了许多令人惊叹的应用场景，其中最引人注目的是聊天机器人、自动驾驶汽车等。然而，在这些技术的背后，其实都离不开深度学习和自然语言处理等关键技术。特别是在计算机视觉领域，深度学习在图像识别和物体检测等方面取得了巨大突破，使得AI系统能够模拟人眼对视觉信息的处理过程，从而实现真正的三维空间理解。
例如，OpenAI的Sora模型就是一个典型的例子。该模型通过神经网络对大量的文本数据进行训练，成功地将文字转换为了高清的视频图像。但是，Sora模型仍然是一种二维平面模型，缺乏三维立体理解能力。这就意味着，尽管它能够将文字转换为视频，但在实际应用中，用户往往难以从画面中感受到物体的真实形态和位置，这对于一些复杂的三维场景，如建筑图纸或医学影像，可能会产生一定的局限性。
在这个背景下，张飞飞提出了一个观点：未来的AI不仅要满足人们的计算需求，还需要扎根于人类，理解人类的需求，并以此为基础来改进和发展AI技术。她强调，虽然科技会带来生产力的进步，但生产力的进步并不会自动转化为社会的共同繁荣。也就是说，AI的发展不应该仅仅依赖于技术本身，而应该更多地关注如何更好地服务于人类社会。
对于实现AGI（人工智能增强），张飞飞认为最重要的一步就是“空间智能”。这意味着我们需要开发出一种三维视觉模型，这种模型能够在三维空间中捕获并分析各种信息，包括形状、大小、颜色、纹理等，以便AI系统能够准确理解和处理复杂的空间环境。
总的来说，李飞飞的观点是，AI的发展应该回归到人类的需求上，更多地考虑如何服务人类社会，而不是单纯追求技术的进步。只有这样，AI才能真正成为人类的朋友，帮助人类解决各种问题，实现共同繁荣。