General Intuition 斥资 23 亿美元投身电子游戏领域，旨在为现实世界训练人工智能代理

我刚踏入位于纽约的General Intuition研发部门，该公司31岁的联合创始人兼首席执行官皮姆·德·维特就指着一张站立式办公桌上的显示器。屏幕上似乎有人在玩《堡垒之夜》之类的游戏——但那并不是真人。

“我们的智能代理已经连续玩了100个小时了，”首席产品官肯特·罗林斯（Kent Rollins）面带笑容说道。

在我还没来得及完全消化这幕——一个AI正在虚拟游戏环境中穿梭——我便听到了一个大型四足机器人电子脚步声逐渐逼近。

“操控游戏智能体的同一套系统，也在操控这台机器人，”德·维特告诉我。

数据分析师乔什·杜普兰蒂斯手持一台笔记本电脑，实时直播着机器人单摄像头拍摄的画面，他插话解释说，该机器人的默认模式是“探索”。

借助那台摄像头——也就是它唯一的“眼睛”——这台巨型昆虫状机器人走向我，绕着我转了一圈，然后继续走进办公室。它偶尔会撞到椅腿或一个放错位置的垃圾桶，就像一个还在学习如何与外界互动的幼儿一样。 杜普兰蒂斯指出，仅需八分钟的真实世界机器人数据，就能对这款四足机器人的AI模型进行微调。而这些数据是在街头采集的，而非机器人正在自主导航的这间办公室内。

一种能够从游戏场景、模拟环境到物理实体进行泛化推导的代理模型，是General Intuition公司使命的核心。而它这种在现实世界中定位自身的能力，已吸引了多位知名人士的投资支持。

周四，General Intuition宣布以23亿美元估值完成3.2亿美元融资，证实了TechCrunch此前的报道。继去年10月成立时获得1.34亿美元融资后，本轮融资使这家初创企业的公开融资总额达到4.54亿美元。

这家初创公司脱胎于德·维特（de Witte）旗下的另一家公司Medal，后者允许玩家上传和分享电子游戏片段。数亿小时的上传游戏视频为General Intuition的时空推理模型提供了初始训练数据集——该模型旨在理解如何在时空中的移动。

但关键不仅在于游戏画面，更在于这些片段中嵌入的操作标签——即玩家在何时按下了哪些按键的精确记录。德·维特表示，大多数竞争对手试图仅凭视频推断操作，但他认为这远远不够。

“我们将其视为预训练的下一个阶段，”德·维特说道，“我们拥有一个单一模型，它不仅能响应屏幕上的《堡垒之夜》信息并采取行动，还能以大型语言模型（LLM）永远无法企及的方式处理现实世界的动态。”

在演示过程中，德·维特给我提供了一台运行 General Intuition 世界模型的笔记本电脑——这是一个逐帧生成的模拟环境，而非由传统游戏引擎渲染而成。就像我测试世界模型时常做的那样，我径直撞上了一连串的墙壁。 在我尝试过的其他演示中，智能体有时会直接穿过障碍物，但这个却没有。通过数百万小时的游戏数据，它不知怎么地学会了：墙就是墙，梯子是用来爬的，而且随着太阳移动，影子会变长。

对 General Intuition 而言，这个世界模型并非产品——而是训练环境，公司内部称之为“训练场”（the gym）。 该公司最终希望出售的是智能体模型本身。德·维特认为，游戏过程中嵌入的动作数据有助于模型区分“自我”与“环境”，从而使其对因果关系有更深刻的理解。

尽管 General Intuition 的技术在演示中令人印象深刻，但该公司并非唯一致力于解决这一问题的企业。此外，让此类模型在现实世界中大规模稳定运行，目前尚未实现。 此类方法大多需要海量的现实世界数据，而这些数据的收集过程既缓慢又昂贵。General Intuition的策略是，游戏过程能提供一条可扩展的捷径。

其投资者对这一策略表示认可。General Intuition的最新一轮融资由Khosla Ventures领投，General Catalyst、杰夫·贝索斯、埃里克·施密特、尼科·罗斯伯格以及谷歌DeepMind和麻省理工学院（MIT）的研究人员参与投资。

本轮融资的大部分资金将用于扩展计算能力。General Intuition 已与 CoreWeave 达成合作，计划专注于下一代模型的预训练工作。此外，部分资金将用于在夏季结束前更广泛地开放其 API。

本轮融资领投方Khosla Ventures的创始人维诺德·科斯拉（Vinod Khosla）表示，德·维特（de Witte）的愿景以及该公司在专有数据方面的优势深深吸引了他。

“如果观察大型语言模型（LLMs），当推理能力出现时，那是一次质的飞跃，”科斯拉在电话采访中对我说，“而在世界模型领域，我认为质的飞跃在于人工智能中直觉的出现——一种类似人类的直觉。来自游戏的人类行为和反应数据是实现这一飞跃的关键。”

这一愿景将成就一家跨越世代的企业

General Intuition 利用 Medal 的电子游戏片段数据。图片来源：Medal.TV

General Intuition并非唯一一家将Medal的人类行为数据视为构建动态世界模型和通用智能体关键要素的公司。该初创公司首席运营官布里安娜·马丁（Brianna Martin）表示，公司成立的部分契机在于Medal曾拒绝了一家大型实验室的收购要约。此后，Medal还收到了其他收购要约。

德·维特及其联合创始人——埃洛伊·阿隆索、亚当·杰利和文森特·米凯利——对被收购并不感兴趣，而该初创企业的投资者目前也尚未寻求退出。 General Intuition 通过 Medal 掌握的专有数据在数量和质量上的优势，是科斯拉认为这家初创公司是一项“一代人一次的投资”而非并购目标的原因之一——它有望成为模拟环境和现实世界中通用智能体及世界模型的支柱。

“在现阶段，这无非是一笔数据收购，这没什么吸引力，”科斯拉表示。

这一押注的另一部分还涉及对德·维特价值观的信任。

这位企业家曾在人道主义领域工作了三年，包括在“无国界医生”组织任职。因此，他为 General Intuition 技术的应用划下了一条明确的界限：绝不部署任何会伤害人类的智能体。

“我们不希望成为系统中导致局势升级的因素，”德·维特表示。“如果我公开宣称‘我们在研发致命自主系统’，你觉得其他国家会有什么反应？”

尽管硅谷对国防领域的热情日益高涨，但德·维特仍对军事应用设定了这一限制；不过他表示，很乐意看到自己的模型被用于搜救任务。

德·维特是荷兰人，他的团队中大部分成员来自欧洲，这塑造了公司的身份特征。他表示，自己之所以聘请马丁，部分原因在于她曾因帕兰蒂尔公司与美国移民和海关执法局的合作而公开辞职。

“我不知道硅谷为何会那样行事，”他说，“这就是我不在那里的原因。”

德·维特的道德准则不仅限于规定模型“不能做什么”。作为一名游戏玩家——他十几岁时通过搭建和运营一个私人的《RuneScape》服务器赚了150万美元——他也在思考，当人工智能模型展现出强大能力时，那些被时代抛在身后的人会面临怎样的境遇。

General Intuition公司最近推出了一款名为“Nerve”的平台，这是一个就业市场，让游戏玩家能够利用现有的设备赚取收入。 注册用户可从数据标注做起，最终逐步转向机器人遥控操作及其他任务。德·维特指出，Medal的用户群体恰恰是受AI驱动的岗位替代影响最深的一代人，他希望他们能参与塑造未来的发展方向。

数据飞轮

德·维特希望 General Intuition 能像 Anthropic 或 OpenAI 那样，成为生态系统的推动者——即作为模型提供商，让其他方能够基于其技术进行开发。目前，这家初创公司已在游戏、模拟和机器人领域拥有少量客户。

“我们不会去创办一家自动驾驶汽车公司，”德·维特表示，“我们要让下一位创业者创办自动驾驶汽车公司的难度降低10倍。”

该公司表示，一旦其API被更多客户采用，便能通过多种应用场景测试其能力——例如在工厂车间的数字孪生环境中测试机器人、为游戏工作室中类人机器人提供动力，或是派遣四足机器人探索危险环境。

虽然四足机器人是 General Intuition 在现实世界中尝试的首个实体应用，但该公司此前也测试过无人机和其他设备，包括在驾驶游戏中运行该模型。

“只要能用游戏手柄、键盘或鼠标控制的设备，它都能运行，”德·维特表示。

其中一个目标是构建数据飞轮。

“我们将选择那些能够让这一通用基础模型作为核心支撑、从而实现多样化应用场景的客户，”德·维特表示。 “我们将优先考虑那些能够提供有趣且有用的现实世界数据、有助于推动研究取得实质性进展的客户，同时他们还需拥有敏捷的内部团队，以便我们能作为嵌入式合作伙伴，实现互学互鉴。”

科斯拉表示，General Intuition的专有数据使其发展到今天这一步，而其持续收集他人无法获取数据的能力将至关重要。特别是因为，尽管演示效果令人印象深刻，但模拟到现实世界的迁移能否在大规模场景下成立，仍然是一个悬而未决的问题，目前尚无人能给出完整答案。

更正：此前标题中关于General Intuition本轮融资额的表述有误。该错误现已更正。