YOHO AI

标签： General Intuition

  • 贝索斯3.2亿美元押注General Intuition：用游戏数据教AI理解真实世界

    General Intuition CEO Pim de Witte
    General Intuition 创始人兼 CEO Pim de Witte（图源：TechCrunch）

    大语言模型把文字玩得炉火纯青，可一旦要理解”东西怎么在空间和时间里动”，就明显露怯了。ChatGPT、Claude 这类模型擅长生成句子，却不太懂物理世界里的因果。General Intuition 这家公司觉得，答案不在更多文本里，而在数十亿小时的游戏录像中。

    “我们把它看作预训练的下一个阶段，”CEO Pim de Witte 说，”我们有一个单一模型，既能对着屏幕里的《堡垒之夜》做决策，又能适应真实世界的动态——这是大语言模型永远做不到的。”

    从游戏片段里长出来的公司

    General Intuition 脱胎于 Medal TV，一个让玩家上传和分享游戏高光的平台，月活大约 1000 万。过去几年沉淀下来的数亿小时录像，成了训练数据的起点。但真正值钱的不是画面本身，而是画面里内嵌的动作标签——玩家在哪个瞬间按了哪个键、按了多久。

    这家公司刚完成一轮 3.2 亿美元融资，估值 23 亿美元，总融资额累计到 4.54 亿美元（去年 10 月成立时先拿过 1.34 亿美元种子轮）。投资方阵容相当扎眼：Khosla Ventures 领投，General Catalyst、杰夫·贝索斯、埃里克·施密特，甚至还有 F1 世界冠军尼科·罗斯伯格，以及 DeepMind 和 MIT 的研究人员。更有意思的是，de Witte 据称在 2024 年底拒绝过 OpenAI 开出的约 5 亿美元收购 Medal 数据的邀约。

    八分钟真实数据，让机器人学会走路

    公司最终要卖的不是世界模型，而是一个能从游戏泛化到现实世界的智能体。演示里最抓人的一幕，是一台四足机器人用和游戏智能体完全相同的”大脑”在办公室里自主探索，偶尔撞上椅腿，像个刚学步的孩子。令人意外的是，给这个机器人的模型做微调，只需要八分钟在户外街道采集的真实数据。

    de Witte 把世界模型当成”训练场”——一个逐帧生成、而非传统引擎渲染的仿真环境。他让人走向一堵墙，角色没有穿过去。这种对物理常识的把握，正是他们押注的核心：游戏数据是一条能规模化的捷径。2025 年公司靠早期接入拿到了约 4000 万美元收入，产品计划在今年夏末正式开放。

    为什么是游戏，而不是更多视频

    多数竞争对手想仅凭视频画面反推动作，General Intuition 认为这远远不够。他们坚信，玩家按键的精确记录能帮模型区分”自我”和”环境”，建立起更深层的因果理解。Khosla 在采访里说，吸引他的是这份愿景加独有的数据壁垒：”对于世界模型，我认为那次跃迁会是 AI 里’直觉’的涌现。”

    • 资金大头投向算力扩张，已与 CoreWeave 合作，准备下一版模型的预训练
    • API 计划在今年夏末更大范围开放，让客户在工厂数字孪生、游戏工作室里检验模型
    • “我们不会去做一家自动驾驶公司，我们要让下一个人做这件事容易十倍”

    一条明确的红线

    de Witte 早年做过三年人道主义工作，包括在无国界医生组织。他给技术划了一条硬杠：不碰致命自主武器。”假设我公开说要做致命自主武器，你觉得别国会怎么反应？”但他欢迎模型用在搜救上。公司还做了个叫 Nerve 的平台，给玩家提供数据标注、再到机器人远程操控的工作机会——这代玩家最容易被 AI 冲击，他想让他们站在牌桌这边。

  • OpenAI当年出价5亿没买下，如今它靠游戏录像训练机器人、估值23亿

    两年前，OpenAI 揣着 5 亿美元想买下 Medal——一个让玩家上传和分享游戏录像的平台，创始人 Pim de Witte 拒绝了。当时看有点莽。但到了 2026 年，de Witte 手里的 AI 公司 General Intuition 完成 3.2 亿美元 A 轮融资，估值冲到 23 亿美元，Khosla Ventures 领投，贝佐斯、前谷歌 CEO 施密特，以及 MIT 和 DeepMind 的研究人员都跟了进来。算上去年 10 月启动时的 1.34 亿，累计融资已经超过 4.54 亿。市场用真金白银证明了一件事：那堆游戏录像，比大多数人以为的值钱得多。

    用游戏数据训练机器人世界模型概念图
    用游戏数据训练机器人世界模型概念图（本文配图由 AI 生成）

    游戏画面里藏着什么

    General Intuition 的赌注听上去有点反直觉：用电子游戏里的人类操作记录，去教现实世界的机器人。它的训练数据来自 Medal 积累的数十亿小时游戏画面。但真正关键的不是画面本身，而是内嵌在每一帧里的”动作标记”——玩家在哪一刻按下了哪个键、做了什么决策。多数同行只靠视频去猜动作，而 de Witte 认为，拥有真实的人类操作数据，才是模型理解”自我”和”环境”分野、进而掌握因果关系的内核。

    de Witte 把公司的逻辑讲得很直白：”模型本身的泛化能力，就是产品。”他不想做机器人整机厂商，而是要成为别的机器人公司搭建产品时脚下的那块地基。

    8 分钟，让四足机器人学会走路

    传统机器人训练有两条老路：在真实环境里采数据，贵且慢；在仿真器里练，速度快却躲不开”仿真到现实的鸿沟”——你在 Unity 里训好的模型，放到真实地板和墙壁前常常像个路痴。General Intuition 把游戏数据当成连接两者的桥：先在海量游戏交互里学”物体怎么动、智能体怎么走、动作怎么改变状态”，再拿极少量的真实机器人数据做下游微调。他们演示过一台四足机器人，只经过 8 分钟真实世界微调，仅靠前置摄像头，就在有行人和动态障碍的办公室里零样本导航成功。

    • 领投方 Khosla 看中的是独有数据壁垒，以及”AI 直觉涌现”的愿景
    • de Witte 划下红线：不做任何用于伤害人类的自主武器
    • 目标是对标 NLP 的 GPT-3 之后——通用基座加轻量适配，取代每个任务单独训练

    有意思的是，当中国的人形机器人公司在拼命扩产量、把模仿学习的工业栈跑起来时，General Intuition 想走的是另一条路：卖”世界模型”这个软件层，而不是卖铁。这条路线能不能扛住工厂车间和客厅里那些充满摩擦、接触密集的真实物理，还得等它在同行评审的环境里被反复验证。但至少现在，顶级硅谷资本愿意为”通用世界模型”这个赌注下重注。

  • 估值23亿美元，这家公司用电子游戏训练能走进现实的AI智能体

    走进General Intuition纽约办公室的研发区，31岁的联合创始人兼CEO Pim de Witte让你看一台显示器。屏幕上有人在玩类似Fortnite的游戏。仔细一看，操控角色的不是一个真人。

    “我们的agent已经连续玩了100个小时。”公司首席产品官Kent Rollins笑着说。

    还没从这个画面里回过神，就听到电子脚步声逼近——一台大型四足机器人走了过来。

    AI智能体游戏训练概念图
    从游戏训练到真实世界的AI智能体 | 图：AI生成

    同一个大脑，游戏和现实都能用

    de Witte说：”驱动那个游戏agent的同一个大脑，现在也在驱动这台机器人。”

    机器人走到你面前，绕了一圈，继续往办公室深处走。偶尔会撞到椅子腿或者垃圾桶，像一个还没搞清楚身体怎么运作的小孩。数据工程师Josh Duplantis说，这台四足机器人只用了8分钟的真实世界数据就完成了模型微调——而且这些数据是在街上采集的，不是办公室里。

    这就是General Intuition要做的事：一个能在游戏、模拟环境和真实世界之间通用的智能体模型。

    我们有一个单一模型，既能响应Fortnite屏幕上的信息并采取行动，也能理解真实世界的动态，这是大语言模型做不到的。

    23亿美元估值的底气

    本周，公司确认完成3.2亿美元新一轮融资，估值23亿美元。本轮由Khosla Ventures领投，Jeff Bezos、Eric Schmidt、尼科·罗斯伯格均参与，DeepMind和MIT的研究人员也以个人身份跟投。General Intuition累计融资已达4.54亿美元。

    de Witte的上一家公司叫Medal，是一个游戏视频剪辑分享平台。上面有数百亿小时的游戏录像——但这还不是最关键的。Medal的录像里带有操作记录：玩家在什么时间点按了什么键。de Witte认为，这种”动作标签”才是训练空间推理能力的关键数据，光看视频是不够的。

    “这是一个单一模型，既能响应Fortnite屏幕上的信息并采取行动，也能理解真实世界的动态，这是大语言模型做不到的。”de Witte说。

    世界模型是”健身房”

    公司有一个”世界模型”，是一个逐帧生成的模拟环境（不是传统游戏引擎渲染的）。在这个环境里测试时，agent不会穿墙——它从数百亿小时的游戏画面里学会了墙是墙、梯子是用来爬的。

    这个世界模型不是最终产品，而是训练环境（公司内部叫它”健身房”）。General Intuition真正想卖的是智能体模型本身。

    大部分融资将用于扩大算力。General Intuition跟CoreWeave签了合作协议，重点放在下一版模型的预训练上。到今年夏末，他们的API会对更多开发者开放。

    欧洲人的AI伦理

    Khosla Ventures的Vinod Khosla说，他押注de Witte的愿景。”在大语言模型里，推理能力的出现是一个量子跃迁。在世界模型里，量子跃迁是AI直觉能力的出现。游戏里的人类动作和反应数据，是这种直觉出现的关键。”

    de Witte是荷兰人，团队很大一部分是欧洲人。他对硅谷把AI军事化的倾向保持距离，明确说不会把agent用于伤害人类的目的。”如果说我跑出来说我们要做致命自主武器，你觉得其他国家会怎么做？”他说。

    他还做了一个叫Nerve的平台，让游戏玩家通过数据标注、机器人远程操控等任务赚钱。Medal的用户恰好是最容易被AI冲击的一代人，de Witte想让他们在接下来的事情里有份。

    从游戏画面到真实世界，这条路能不能在规模上成立，目前还没有人完全回答。但General Intuition已经把筹码压上去了。

  • 这家AI公司用游戏视频教机器理解世界，Jeff Bezos砸钱估值20亿

    General Intuition AI世界模型
    General Intuition用游戏视频训练AI世界模型，Jeff Bezos和Eric Schmidt押注 (TechCrunch)

    一家从游戏剪辑平台Medal分拆出来的AI初创公司，正在做一件挺疯狂的事：用每年20亿条游戏视频教AI理解空间和时间的概念。这家公司叫General Intuition，最近在谈一笔30亿美元的融资，估值冲到200亿美元。

    投资方名单很豪华：Jeff Bezos、前Google CEO Eric Schmidt，外加老股东Khosla Ventures和General Catalyst。八个月前他们才拿了1.34亿美元的种子轮，当时刚从Medal分拆出来。现在直接跳到20亿估值——这速度在AI圈也算猛的。

    General Intuition builds a foundation model that trains AI agents how to move through space and time. The dataset — unique because it allows AI to learn from interactive, first-person gameplay — is the perfect base to teach machines deep spatial-temporal reasoning.

    为啥游戏视频是宝藏数据？

    Medal这个平台本来是让玩家上传和分享游戏剪辑的，每月有1000万活跃用户，每年产生20亿条视频。这些视频有个特点：都是第一人称视角，玩家在虚拟世界里做各种动作——跑、跳、开枪、解谜、开车。每一帧都包含了”这个虚拟世界是怎么运作的”的信息。

    General Intuition的判断是：如果一个AI能把游戏里的空间关系学得够好，那它理解真实世界的物理规律也就不远了。这比只看静态图片训练出来的模型要强得多——因为游戏视频是动态的，有时间维度。

    世界模型赛道打起来了

    General Intuition不是唯一做”世界模型”的公司。Runway、Decart、李飞飞的World Labs，还有Google的Genie 3，全在这个方向上砸钱。各家思路不太一样：

    • Runway原来做视频生成，现在想把Google比下去
    • Decart新发布的世界模型能模拟数小时的真实驾驶场景
    • World Labs走商业化路线，推出了Marble产品
    • Google Genie 3最近接入了Google Maps数据，能模拟真实街道

    General Intuition的差异化在于：它不做世界模型产品卖给别人，而是用世界模型来训练能行动的智能体（agents）。智能体才是它要卖的东西。这个思路有点像：别人在卖铲子，它在培养用铲子的人。

    OpenAI也曾来敲门

    据The Information报道，OpenAI曾经试图收购Medal，就是看中了这笔游戏视频数据。但Medal选择了分拆出General Intuition，自己掌控方向。现在OpenAI没拿到这笔数据，而General Intuition拿着它去融了天价。

    这轮融资的钱主要用来扩充算力。General Intuition的计划是在今年夏末或初秋发布新产品。从目前的信息看，应该是一个能让AI智能体在复杂虚拟环境里自主行动的模型。

    世界模型这个方向为啥值钱？因为如果你想让AI机器人走进真实世界，它首先得在虚拟世界里把物理规律学明白。游戏视频提供了一个低成本、大规模的训练场。General Intuition手里这20亿条视频，可能就是它最大的护城河。