General Intuition 筹集 23 亿美元，押注视频游戏技术可为人工智能的现实世界应用提供训练

走进位于纽约的General Intuition研发部门，联合创始人兼首席执行官皮姆·德·维特（Pim de Witte）立刻指了指一张站立式办公桌上的显示器。画面看起来像是有人在玩《堡垒之夜》，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，”该公司首席产品官肯特·罗林斯微笑着说道。

在我还没来得及完全消化人工智能在虚拟游戏世界中穿梭这一景象时，一台大型四足机器人的电子嗡嗡声已近在咫尺。

“驱动这款机器人的，正是那个操控《堡垒之夜》智能代理的同一套系统，”德·维特解释道。正在直播机器人实时摄像头画面数据分析师乔什·杜普兰蒂斯补充说，该机器人目前处于“探索”模式。

这台形似昆虫的大型机器人仅靠单个摄像头作为“眼睛”，朝我走来，绕着我转了一圈，然后继续走进办公室。它偶尔会碰到椅腿或撞上垃圾桶，动作就像一个正在学习探索周围环境的小孩。 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。令人惊叹的是，这些数据是在街头采集的，而非机器人当前运作的办公室里。

General Intuition的核心使命是开发一种代理模型，能够将游戏中的经验推广到模拟环境，并最终实现物理实体化。这种理解自身在世界中所处位置的能力吸引了大量投资。

周四，General Intuition宣布完成3.2亿美元融资，估值达23亿美元，这证实了TechCrunch此前的报道。继去年10月完成1.34亿美元启动轮融资后，这家初创企业的公开融资总额已达4.54亿美元。

该公司脱胎于德·维特此前创立的初创企业 Medal——这是一个用于上传和分享电子游戏片段的平台。数亿小时的游戏视频为训练 General Intuition 的时空推理模型提供了初始数据集——该模型旨在理解如何在时空中的移动。

然而，关键要素并非视频本身，而是其中嵌入的动作标签：即玩家在何时按下了哪些按键的精确记录。德·维特认为，大多数仅凭视频推断动作的竞争对手都忽略了这一关键环节。

“我们视此为预训练的下一阶段，”德·维特表示，“我们拥有一个能够响应《堡垒之夜》视觉信息并采取行动的单一模型，同时还能以大型语言模型（LLM）无法企及的方式处理现实世界的动态。”

随后，德·维特让我在笔记本电脑上测试了 General Intuition 的世界模型。这个模拟环境是逐帧生成的，而非由传统游戏引擎渲染而成。就像我测试此类模型时常做的那样，我径直撞上了墙壁。 在其他演示中，智能体可能会穿过墙壁，但这个却不会。它从数百万小时的游戏数据中学习到：墙壁是实心的，梯子是用来攀爬的，而且随着太阳移动，影子会变长。

对 General Intuition 而言，这个世界模型并非最终产品，而是训练环境（内部称为“健身房”）。 该公司的目标是出售智能体模型本身。德·维特认为，游戏中的动作数据有助于模型区分“自我”与“环境”，从而对因果关系有更深入的理解。

尽管 General Intuition 的技术在演示中看起来令人印象深刻，但它并非该领域的唯一参与者。此外，将此类模型扩展以在物理世界中可靠运行的效果尚未得到验证。 大多数类似方法都需要海量的真实世界数据，而收集这些数据既耗时又昂贵。General Intuition的策略是：游戏过程提供了一条可扩展的捷径。

投资者似乎对此表示认同。本轮融资由Khosla Ventures领投，General Catalyst、杰夫·贝索斯、埃里克·施密特、尼科·罗斯伯格以及来自谷歌DeepMind和麻省理工学院的研究人员参与投资。

大部分资金将用于扩展计算能力。General Intuition 已与 CoreWeave 建立合作伙伴关系，并计划专注于下一代模型的预训练工作。此外，部分资金还将用于在夏季结束前使其 API 更广泛地开放使用。

本轮融资领投方Khosla Ventures的创始人维诺德·科斯拉（Vinod Khosla）指出，德·维特（de Witte）的愿景以及该公司在专有数据方面的优势是关键因素。

“在大语言模型（LLMs）时代，推理能力实现了质的飞跃，”科斯拉在接受采访时表示，“而在世界模型时代，我认为这一飞跃在于直觉的出现——一种类人能力。游戏中的行动与反应数据是培养这种直觉的关键。”

愿景是打造一家具有时代意义的公司

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

General Intuition并非唯一一家意识到Medal的人类动作数据对于构建动态世界模型和通用智能体至关重要的公司。该初创公司的首席运营官布里安娜·马丁指出，该公司部分成立的原因在于Medal曾拒绝了一家大型实验室的收购要约。此后，其他收购要约也接踵而至。

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——对被收购毫无兴趣，投资者也不寻求早期退出。 General Intuition通过Medal获取的专有数据在数量和质量上的优势，正是科斯拉将其视为“一代人一次的投资机会”而非并购目标的原因。该公司致力于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，这仅仅是一次数据收购，毫无吸引力，”科斯拉表示。

这一投资还涉及对德·维特个人价值观的信任。

德·维特曾从事七年人道主义工作，包括在“无国界医生”组织任职，他划定了一条明确的道德底线：绝不使用智能体伤害人类。

“我们不想助长军备竞赛，”德·维特表示。“如果我宣布‘我们正在开发致命自主系统’，你觉得其他国家会做出什么反应？”

在硅谷日益聚焦国防领域的背景下，这一对军事应用的限制显得尤为重要。德·维特对自己的模型被用于搜救任务感到欣然接受，但他认为硅谷近期对国防的痴迷“正在侵蚀整个生态系统”。

德·维特是荷兰人，他的团队中大部分成员来自欧洲，这塑造了公司的文化。他之所以聘请马丁，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。

“我不明白硅谷为何要那样运作，”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限制模型“不该做什么”。作为一名游戏玩家，他十几岁时通过搭建和运营一个私有《RuneScape》服务器赚了150万美元，因此他也十分关注那些被AI进步所抛在身后的人群。

General Intuition公司最近推出了“Nerve”——一个让玩家利用现有硬件赚取收入的就业平台。注册用户可从数据标注开始，逐步过渡到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人工智能替代威胁最大的一代人，他希望他们能在未来拥有话语权。

数据飞轮

德·维特设想将 General Intuition 打造成一个生态系统赋能者，类似于 Anthropic 或 OpenAI——作为模型提供商，允许其他方基于其技术进行开发。目前，这家初创公司为游戏、仿真和机器人领域的少数客户提供服务。

“我们并不是在打造一家自动驾驶汽车公司，”德·维特说道，“而是让下一位开发者构建自动驾驶汽车的难度降低10倍。”

该公司表示，一旦其API覆盖更多客户，就能测试各种应用场景——例如在工厂车间的数字孪生环境中测试机器人、在游戏工作室中驱动类人机器人，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 在现实世界中测试的首个实体原型，但该公司也曾对无人机和其他设备进行过实验，包括在驾驶游戏中测试该模型。

“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。

构建数据飞轮是主要目标之一。

“我们将选择能够拓展该通用基础模型所支撑的实体应用场景的客户，”德·维特表示。“我们优先考虑能够提供推动研究进展的真实世界数据，且拥有敏捷内部团队以实现深度合作与互学互鉴的客户。”

科斯拉强调，General Intuition 之所以能取得今日的成就，归功于其专有数据，而持续收集独特数据的能力将至关重要。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实现规模化，仍然是一个悬而未决的问题，目前尚无人能给出完整答案。