游戏数据训练通用AI代理获23亿美元估值

在纽约的General Intuition研发中心，一场别开生面的展示正在进行。公司联合创始人兼CEO Pim de Witte将目光投向一台显示器，屏幕上看似有人在玩类似《堡垒之夜》的游戏，但实际上，操控角色的并非人类——而是一个已经连续运行了100小时的AI代理。

“我们的代理已经连续玩了100小时，”首席产品官Kent Rollins自豪地说。但更令人惊叹的是，当一只四足机器人从办公室深处走来时，de Witte解释道：“驱动游戏代理的同一个大脑，也驱动着这台机器人。”这正是General Intuition的核心愿景：打造一个能够从游戏泛化到仿真环境，最终应用于实体机器人的通用智能模型。

这家初创公司从游戏剪辑平台Medal中孵化而来。Medal拥有数亿小时的玩家上传游戏片段，这些数据不仅包含画面，更重要的是记录了玩家在每一帧按下按键的精确操作——即“动作标签”。de Witte强调，大多数竞争对手试图仅从视频中推断动作，但这远远不够。“我们拥有一个单一模型，既能响应《堡垒之夜》屏幕信息并采取行动，也能理解真实世界的动态，这是大语言模型永远无法做到的。”

在演示中，一只形似昆虫的机器人依靠单摄像头进行探索。它偶尔会碰到椅子腿或垃圾桶，就像一个蹒跚学步的幼儿。令人惊讶的是，仅需8分钟的真实世界机器人数据，就能微调出一个适应新环境的AI模型，而这些数据甚至是在办公室外的街道上采集的。这种从虚拟到现实的迁移能力，正是General Intuition的技术壁垒所在。

本周四，General Intuition宣布完成3.2亿美元融资，估值达到23亿美元，总融资额攀升至4.54亿美元。投资者看中的，正是其利用游戏数据训练AI代理的独特路径。与依赖昂贵真实数据或合成数据的公司不同，General Intuition利用Medal平台积累的海量游戏操作数据，为模型提供了丰富的时空推理训练素材。

在另一项演示中，记者体验了General Intuition的世界模型——一个逐帧生成的模拟环境。与传统游戏引擎不同，这个模型完全由AI实时生成画面。尽管目前还存在一些不完美之处，但de Witte将其视为“未来预训练的下一个阶段”。他认为，通过游戏数据训练出的模型，能够理解空间与时间的连续性，这是机器人自主导航和操作的基础。

从技术角度看，General Intuition的方法解决了机器人领域的核心难题：如何让AI在虚拟世界中学会的技能无缝迁移到物理世界。传统方法需要大量真实数据或精细的仿真环境，而General Intuition利用游戏本身作为天然的训练场。游戏中的物理规则、交互逻辑和视觉多样性，为模型提供了接近真实世界的训练环境，而动作标签则让模型学会了“如何做”而非仅仅“看到什么”。

目前，该公司的模型已能同时控制游戏角色和实体机器人，这种跨平台能力在业界尚属罕见。随着融资到位，General Intuition计划扩大团队并加速产品化进程。de Witte表示：“我们正在构建一个能够理解世界运作方式的智能体，它从游戏中学到的经验，最终将服务于现实世界的各种任务。”

这一路线也引发了行业思考：当游戏数据成为训练通用AI的“黄金燃料”，未来机器人的学习成本将大幅降低。或许不久之后，家庭机器人就能像玩游戏一样，在虚拟环境中学会打扫房间或整理物品，然后无缝应用于真实场景。General Intuition的23亿美元估值，正是对这一愿景的强力背书。