General Intuition 投入 23 億美元於電玩遊戲，藉此訓練人工智慧代理人在現實世界中運作

當我踏入位於紐約的 General Intuition 研發部門時，該公司 31 歲的共同創辦人兼執行長皮姆·德·維特（Pim de Witte）指著一張站立式辦公桌上的螢幕。畫面中似乎有人正在玩類似《要塞英雄》（Fortnite）的遊戲——但那並非人類。

「我們的代理程式已經連續玩了100小時，」首席產品官肯特·羅林斯（Kent Rollins）笑逐顏開地說道。

在我還來不及完全消化這幕——一個 AI 正在虛擬遊戲環境中探索——我便聽見一隻大型四足機器人正踏著電子腳步聲走近。

「操控遊戲代理程式的那套系統，同時也在操控這台機器人，」德·維特向我解釋道。

數據分析師喬許·杜普蘭蒂斯手持筆記型電腦，即時串流著機器人單一鏡頭的畫面，他插話解釋說，這台機器人的預設模式是「探索」。

這台巨型昆蟲狀機器人透過那台攝影機——也就是牠的「獨眼」——朝我走來，繞著我轉了一圈，隨後繼續走進辦公室。牠偶爾會撞到椅腳或一個擺放不當的垃圾桶，就像一個仍在學習如何與世界互動的幼兒。 杜普蘭蒂斯指出，僅需八分鐘的真實世界機器人數據，就能針對這台四足機器人微調人工智慧模型。而這些數據是在街頭收集的，並非在機器人正在自主導航的辦公室內。

一種能夠從遊戲玩法、模擬到實體化進行泛化的代理模型，正是 General Intuition 使命的核心。而該模型釐清自身在世界中所處位置的能力，已吸引多位知名人士的投資支持。

週四，General Intuition 宣布以 23 億美元估值募得 3.2 億美元資金，證實了 TechCrunch 先前報導的內容。繼去年 10 月成立時募得 1.34 億美元後，本輪融資使這家新創公司的已公開募資總額達到 4.54 億美元。

這家新創公司源自德·維特（de Witte）的另一家公司 Medal，該平台允許玩家上傳並分享電玩影片片段。數億小時的上傳遊戲影片，為 General Intuition 訓練時空推理模型提供了初始資料集——該模型旨在理解如何在時空之中移動。

但關鍵不僅在於遊戲畫面，更在於這些片段中嵌入的動作標籤——即玩家確切按下了哪些按鈕以及按下的時間點的記錄。德·維特表示，大多數競爭對手僅嘗試從影片本身推斷動作，但他認為這遠遠不夠。

「我們將此視為預訓練的下一階段，」德·維特表示。「我們擁有一套單一模型，不僅能對螢幕上的《要塞英雄》資訊做出反應並採取行動，還能以大型語言模型（LLM）永遠無法企及的方式處理現實世界的動態。」

在某個時刻，德·維特為我準備了一台運行 General Intuition 世界模型的筆記型電腦——這是一個逐幀生成的模擬環境，而非由傳統遊戲引擎渲染而成。就像我測試世界模型時常做的那樣，我径直撞上了一連串的牆壁。 在我試過的其他示範中，代理有時會直接穿牆而過，但這個卻不會。透過數百萬小時的遊戲過程，它不知如何學會了「牆就是牆」、「梯子是用來攀爬的」，以及「隨著太陽移動，影子會變長」等規則。

對 General Intuition 而言，這個世界模型並非產品——而是訓練環境，內部稱為「健身房」（the gym）。 該公司最終希望銷售的正是這個代理模型本身。德·維特（De Witte）指出，嵌入遊戲過程中的動作數據有助於模型區分「自我」與「環境」，使其對因果關係有更深刻的理解。

儘管 General Intuition 的技術在示範中令人印象深刻，但該公司並非唯一致力於解決此問題的企業。此外，讓此類模型在實體世界中大規模穩定運作，至今仍未實現。 此類方法大多需要海量的真實世界數據，而這些數據的蒐集過程既緩慢又昂貴。General Intuition 的賭注在於，遊戲玩法能提供一條可擴展的捷徑。

其投資者對這項賭注深感認同。General Intuition 的最新一輪融資由 Khosla Ventures 領投，General Catalyst、傑夫·貝佐斯（Jeff Bezos）、艾瑞克·施密特（Eric Schmidt）、尼科·羅斯伯格（Nico Rosberg），以及 Google DeepMind 和麻省理工學院（MIT）的研究人員均參與投資。

本輪融資的大部分資金將用於擴展運算能力。General Intuition 已與 CoreWeave 達成合作協議，並計劃專注於下一代模型的預訓練工作。此外，部分資金將用於在夏季結束前更廣泛地開放其 API。

本輪融資的領投方——科斯拉創投（Khosla Ventures）創辦人維諾德·科斯拉（Vinod Khosla）表示，他被德·維特（de Witte）的願景以及該公司獨有的數據優勢所吸引。

「若觀察大型語言模型（LLMs），當推理能力出現時，那是一次飛躍性的突破，」科斯拉在電話訪談中對我說。「在世界模型領域，我認為飛躍性的突破在於人工智慧中直覺的出現——一種類人直覺。來自遊戲中人類的行動與反應數據，正是促成這種直覺出現的關鍵。」

這是一項旨在打造跨世代企業的願景

General Intuition 運用來自 Medal 的電玩影片片段數據。圖片來源：Medal.TV

General Intuition 並非唯一一家將 Medal 的人類行為數據視為建構動態世界模型與通用代理關鍵要素的公司。該新創公司的首席幕僚布里安娜·馬丁（Brianna Martin）表示，公司成立的部分契機，源於 Medal 曾拒絕某大型實驗室的收購要約。此後亦有其他收購提案。

德·維特（De Witte）及其共同創辦人——埃洛伊·阿隆索（Eloi Alonso）、亞當·傑利（Adam Jelley）和文森特·米切利（Vincent Micheli）——對被收購並不感興趣，而該新創公司的投資者目前也尚未尋求退出。 General Intuition 透過 Medal 所擁有的專有數據數量與品質，正是 Khosla 認為這家新創公司是一項「世代級投資」而非併購目標的原因之一——它有望成為模擬環境與真實世界中通用代理與世界模型的骨幹。

「在現階段，這只是一樁數據收購案，實在有些乏味，」科斯拉表示。

這項投資決策的另一部分，也源於對德·維特（de Witte）價值觀的信任。

這位創業家曾花費三年時間投身人道主義領域，包括在「無國界醫生」組織工作。因此，他為 General Intuition 技術的應用劃下了一條明確的界線：絕不會部署任何會傷害人類的智能代理。

「我們不希望成為系統中導致局勢升級的一環，」德·維特表示。「如果我公開宣稱『我們正在研發致命自主系統』，你覺得其他國家會作何反應？」

儘管矽谷對國防領域的樂觀情緒日益高漲，但德·維特仍對軍事應用設下這項限制；不過，他表示樂見其模型被應用於搜救任務。

德·維特是荷蘭人，他的團隊成員多數來自歐洲，這塑造了該公司的企業特質。他表示，自己之所以聘請馬丁，部分原因在於她曾因帕蘭提爾（Palantir）與美國移民及海關執法局（ICE）的合作而公開辭職。

「我不知道矽谷為何會做出那些舉動，」他說。「這正是我不在那裡的原因。」

德·維特的道德準則不僅僅是限制模型「不該做什麼」。身為一名遊戲玩家——他在十幾歲時透過建立並營運私人《RuneScape》伺服器賺取了150萬美元——他也思考著，當人工智慧模型展現其能力時，那些被拋在後頭的人們將會面臨什麼處境。

General Intuition 最近推出了一個名為「Nerve」的平台，這是一個工作交易市場，讓玩家能利用現有的設備賺取收入。 註冊者起初從事資料標註工作，最終可轉向機器人遙控操作及其他任務。德·維特指出，Medal 的用戶群正是最容易受到 AI 驅動的職位取代影響的一代，他希望這群人能參與塑造未來的發展方向。

數據飛輪

德·維特希望 General Intuition 能成為生態系統的推動者，如同 Anthropic 或 OpenAI 那樣——作為模型供應商，讓他人能基於其技術進行開發。目前，這家新創公司已在遊戲、模擬和機器人領域擁有少數客戶。

「我們不會去創辦一家自動駕駛汽車公司，」德·維特表示，「我們要讓下一位創業者建立自動駕駛汽車公司的難度降低十倍。」

該公司表示，一旦其 API 被更多客戶採用，便能透過各種應用場景測試其能力——例如在工廠車間的數位孿生環境中測試機器人、為遊戲工作室內的人形機器人提供動力，或是派遣四足機器人前往危險環境中進行探索。

雖然四足機器人是 General Intuition 在現實世界中嘗試的首個實體應用，但該公司也測試過無人機和其他裝置，包括在駕駛遊戲中運行該模型。

「只要能透過遊戲控制器、鍵盤或滑鼠控制的裝置，它都能運作，」德·維特表示。

其中一個目標是建立數據飛輪。

「我們將挑選那些能讓這個通用基礎模型作為骨幹、並能多樣化其應用場景的客戶，」德·維特表示。 「我們將優先考慮那些能提供有趣且對推動研究進展有實質幫助的真實世界數據，同時擁有敏捷內部團隊的客戶——這樣我們才能成為嵌入式合作夥伴，並彼此學習。」

科斯拉表示，General Intuition 憑藉其專有數據才得以走到今天，而持續收集他人無法取得的數據的能力將至關重要。尤其是因為，儘管演示效果令人印象深刻，但模擬結果能否在規模化應用中轉移至現實世界，仍是一個尚未有人能完全解答的開放性問題。

更正：先前標題錯誤記載了 General Intuition 本輪的募資金額。此錯誤已修正。