OpenAI 用 GPT-3 拉开基础模型时代那阵子，做自然语言处理的公司还在各自为战，每家都从头训练一个专门解决自己任务的模型。现在没人这么干了，大家都是先拿 GPT、Claude 或者 Llama 这种通用模型，再微调或者写提示词去适配自己的需求。
Pim de Witte 是 General Intuition 的 CEO，他觉得「具身智能」也会走一模一样的路。
从「为每个机器人单独训练」到「一个通用大脑」
现在不少团队在干的事，是围着某一台具体的机器人、某一个具体的环境，收集一大堆真实世界数据，专门训一个模型。de Witte 在 TechCrunch 的 Equity 播客里说，这种活儿很快会变得多余。他觉得行业真正该做的，是先把数据质量做上去，训出一个能把「怎么动、怎么和环境互动」的直觉迁移到各种场景里的通用模型。
他有一句挺敢说的判断：模型本身能不能泛化，才是产品。它只要有了对空间和时间的底层理解，大家就不需要再去攒几十万、上百万小时的真实数据了，因为说到底，你真正需要的可能只有几分钟。
游戏画面里的按键，成了机器人的老师
General Intuition 自己的基础模型，是在数百万小时的游戏录像上训出来的，而且不只是看画面，还记下了「人什么时候按了手柄上的哪个键」。de Witte 和公司的领投方 Vinod Khosla 都相信，这种带「动作标注」的数据，才是让 AI 长出类人空间推理直觉的关键。
模型本身能不能泛化，才是真正卖钱的东西。等它有了对空间和时间的底层理解，谁还愿意去攒上百万小时的真实数据？说到底，你需要的可能只有几分钟。
8 分钟真实数据，机器狗就站起来了
光说不练没用。这家公司上个月刚靠着这个想法融了 3.2 亿美元、估值冲到 23 亿美元。他们已经演示过：同一个模型既能连续打几小时游戏，也能驱动一台四足机器人，而且驱动机器人时，只用了 8 分钟的真实世界数据做微调。
de Witte 说最让他们意外的，是这台机器狗「零样本」就跑起来了：只靠一个前置摄像头，没有别的传感器，办公室里还不断有人走动、有东西乱放。他觉得这就是未来的样子。
它不想造机器人，想做「物理世界的地基」
General Intuition 的终局不是自己下场造机器。它想当「物理 AI 的基础模型」，给其他机器人公司当底座，让他们在自己的机器上搭东西。用 de Witte 自己的比喻：我们不会去开一家自动驾驶公司，但我们要让下一个人造自动驾驶公司容易十倍。
- 大模型用 GPT-3 统一了文本，机器人可能正要被「世界模型」统一
- 游戏数据贵在「按键标注」，这比单纯看视频更接近真实动作
- 只靠几分钟真实数据就能迁移，意味着真实世界采集的成本可能被砍掉一大截
- Khosla 把它称为「一代人的赌注」，赌的是专有数据会成为通用智能体的地基
