本集討論關於深度學習、大量資料和計算能力作為主要驅動力。從影像辨識的「ImageNet」時代到目前生成式人工智慧（Generative AI）的「寒武紀大爆發」，這標誌著從文字到像素、影片和音訊等不同模態的轉變。對話深入解析了空間智慧（Spatial Intelligence）的概念，這涉及到機器感知、推理並在三維和四維空間中行動的能力，並將其與當前的語言模型區分開來。