从游戏手柄到机器人腿，这家公司赌的是”通用”两个字
在GPT-3带火基础模型之前，做自然语言处理的公司基本都得从零开始，针对每个具体任务攒一堆专用数据去训练。现在谁还这么干？大家都是先拿GPT、Claude或者Llama这类通用模型过来，再微调一下应付自己的业务。General Intuition的CEO Pim de Witte觉得，机器人这行迟早也会走一模一样的路。
他说的”专用路线”是什么样？就是现在很多团队各自为战，盯着某一个具体的机器人、某一个固定的环境、某一项专门动作死磕。de Witte的判断很直接：等通用模型真正成熟，这类苦活儿大部分都得作废。他甚至抛了个挺挑衅的说法——模型本身的泛化能力才是产品，”它只要对空间和时间有了最底层的理解，大家就没必要再去收集几十万、上百万小时的真实世界数据了，因为说白了，你其实只需要几分钟。”
他们的秘密武器，是几百万小时的电子游戏录像
General Intuition自己那套基础模型，训练素材来源有点出人意料：几百万小时的游戏视频，里面连”人类什么时候按了手柄上的哪个键”这种细节都标得清清楚楚。de Witte和投资方Vinod Khosla都认同一件事——这种”动作数据”才是让AI长出类人空间直觉的关键。
他们最有说服力的一次演示，是让机器人只靠一个前置摄像头、没有任何别的传感器，在有人走来走去、不断有东西乱入的办公室里零样本跑起来。de Witte说，这事儿连他们自己都吓了一跳，而这八分钟真实数据之外的部分，全是模型自己泛化出来的。
靠着这套逻辑，General Intuition上个月刚融了3.2亿美元，估值冲到23亿。钱不是白给的——他们的模型既能连续玩上几个小时游戏，也能驱动一台四足机器人，而后者只用了八分钟真实机器人数据做微调。de Witte给公司的定位也很清醒：他们不造机器人，要做的是”物理AI领域的基础模型”，相当于给其他机器人公司当地基。
机器人行业的”ChatGPT时刻”到底还差什么
- 数据逻辑在变：从”为每个动作攒数据”转向”用高质量数据训出能迁移的通用模型”。
- 门槛在降：真实世界采集不再是必选项，几分钟的针对性微调可能就够了。
- 生意在转：卖机器人的会越来越多，但卖”机器人脑子”的可能是另一拨人。
de Witte有句话挺能概括野心：”我们不去造一家自动驾驶公司，我们要做的是，让下一个人造自动驾驶公司的难度大降十倍。”这话听着像在致敬当年基础模型对NLP行业的改造。只不过这一次，战场从屏幕里的文字，挪到了真实世界的四肢和空间里。
发表回复