图片来源：General Intuition
我刚走进 General Intuition 位于纽约办公室的研发楼层，公司 31 岁的联合创始人兼 CEO Pim de Witte 就示意我看一台放在站立式办公桌上的显示器。屏幕上，似乎有人在玩类似《堡垒之夜》的游戏。但那不是真人。
“我们的智能体已经连续玩了 100 个小时，”公司首席产品官 Kent Rollins 笑容满面地说。
在我沉浸于观看 AI 在游戏虚拟环境中导航的奇景之前，我听到了一个大型四足机器人靠近的电子脚步声。
“驱动游戏智能体的同一个大脑也在驱动这个机器人，”de Witte 告诉我。
一名携带笔记本电脑的数据分析师 Josh Duplantis 插话解释说，机器人的默认模式是“探索”。笔记本电脑上实时传输着机器人单摄像头拍摄的画面。
依靠那个摄像头——它唯一的眼睛——这个像大虫子一样的机器人走到我面前，绕着我转了一圈，然后继续向办公室深处走去。它偶尔会碰到椅子腿，或者撞到垃圾桶，就像一个还没学会自己身体与周围世界关系的蹒跚学步的孩子。Duplantis 说，仅用了 8 分钟的真实世界机器人数据，就微调好了用于四足机器人的 AI 模型。更重要的是，这些数据是在大街上收集的，而不是在机器人当时正在自主导航的办公室里。
一个能够从游戏玩法泛化到模拟再到具身化的智能体模型，正是 General Intuition 存在的理由。而这个模型理解自身在世界中位置的能力，已经赢得了一些重量级人物的支持。
周四，General Intuition 宣布以 23 亿美元的估值筹集了 3.2 亿美元，证实了 TechCrunch 此前的报道。此轮融资使 General Intuition 的总披露融资额达到 4.54 亿美元，此前该公司在去年 10 月成立时已筹集了 1.34 亿美元。
这家初创公司是从 de Witte 的另一家公司 Medal 剥离出来的，Medal 允许玩家上传和分享游戏视频片段。数亿小时的上传游戏画面为训练 General Intuition 的模型提供了初始数据集，用于学习时空推理——即理解如何在空间和时间中移动。
但关键要素并非游戏画面本身，而是嵌入在这些片段中的动作标签：精确记录玩家在何时按下了哪个按钮的记录。de Witte 说，大多数竞争对手都试图仅从视频中推断动作，他认为这远远不够。
“我们认为这只是未来预训练的下一阶段，”de Witte 说。“我们有一个单一的模型，既能响应屏幕上的《堡垒之夜》信息并采取行动，也能以 LLM 永远无法做到的方式响应现实世界的动态。”
有一次，de Witte 给我设置了一台运行 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。正如我在测试世界模型时常做的那样，我径直走向了一堵墙。在我尝试过的其他演示中，你控制的智能体有时会直接穿墙而过，但这个不会。从数百万小时的游戏画面中，它不知何故学会了墙就是墙，梯子是用来攀爬的，影子会随着太阳移动而变长。
对 General Intuition 来说，这个世界模型并非产品本身，而是训练环境（内部称为“健身房”）。该公司最终希望销售的是智能体模型本身，de Witte 认为，嵌入在游戏中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，但该公司并非唯一试图解决这个问题的公司。此外，让这样一个模型在物理世界中大规模应用，目前尚未实现。大多数此类方法都需要大量、缓慢且昂贵的真实世界数据。General Intuition 的赌注是，游戏玩法是一条可扩展的捷径。
其投资者也认可这个赌注。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 Google DeepMind 和 MIT 的研究人员参投。
本轮融资的绝大部分将用于扩展计算能力。General Intuition 与 CoreWeave 有合作，并计划专注于预训练下一版本的模型。一部分资金已预留用于在夏末之前更广泛地开放其 API。
领投本轮融资的 Vinod Khosla 表示，他被 de Witte 的愿景和公司专有的数据优势所吸引。
“看看 LLM，当推理能力出现时，那是一个量子跃迁，”Khosla 在电话采访中告诉我。“在世界模型中，我认为量子跃迁是 AI 中直觉的出现，一种类似人类直觉的能力。你在游戏中拥有的人类动作数据和反应数据，是直觉出现的关键部分。”
愿景是打造一家世代相传的公司
图片来源：Medal.TV
General Intuition 并非唯一注意到 Medal 的人类动作数据是构建动态世界模型和通用智能体这一难题关键部分的公司。该初创公司的幕僚长 Brianna Martin 表示，公司的诞生部分源于 Medal 拒绝了一家大型实验室的收购要约。此后还有其他收购要约。
De Witte 和他的联合创始人 Eloi Alonso、Adam Jelley 以及 Vincent Micheli 对出售公司不感兴趣，该初创公司的投资者目前也无意寻求退出。General Intuition 通过 Medal 获得的大量优质专有数据，是 Khosla 确信这家初创公司是一个世代相传的赌注而非并购目标的原因之一；它可能成为模拟和现实世界中通用智能体和世界模型的支柱。
“在这一点上，那将是一次数据收购，这有点无趣，”Khosla 说。
这个赌注的一部分还涉及对 de Witte 价值观的信任。
这位企业家在人道主义领域工作了三年，包括与无国界医生组织合作。因此，他为 General Intuition 的技术将如何使用划定了明确的界限：不会使用智能体来伤害人类。
“我们不想成为系统中升级冲突的一部分，”de Witte 说。“假设我站出来说，‘我们在做致命自主武器。’你认为其他国家会作何反应？”
这种对军事用途的限制，正值硅谷对战争越来越热衷之际，不过 de Witte 表示，他很乐意让他的模型用于搜索和救援任务。
De Witte 是荷兰人，他的许多团队成员是欧洲人，这塑造了公司的身份。他说，他聘请 Martin 的部分原因是她因 Palantir 与美国移民和海关执法局合作而公开辞职的决定。
“我不知道硅谷为什么要做那些事，”他说。“这就是我不在那里（硅谷）的原因。”
De Witte 的道德准则并不仅仅限制了模型不会做什么。作为一名在青少年时期通过搭建和运营私人《RuneScape》服务器赚了 150 万美元的玩家，de Witte 也在思考那些被 AI 模型能力所抛弃的人们的命运。
General Intuition 最近推出了一个名为 Nerve 的平台，这是一个工作市场，让玩家可以利用他们现有的设备赚钱。注册的人从数据标注开始，最终可以转向机器人远程操作和其他任务。De Witte 指出，Medal 的用户群正是最容易受到 AI 驱动失业影响的一代人，他希望他们能在即将到来的变革中拥有发言权。
数据飞轮
De Witte 希望 General Intuition 成为一个生态系统赋能者，就像 Anthropic 或 OpenAI 一样——一个模型提供商，让他人能够在其技术之上进行构建。如今，这家初创公司在游戏、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，”de Witte 说。“我们会让下一个人创办自动驾驶汽车公司的难度降低十倍。”
该公司表示，一旦其 API 被更多客户使用，它就能在各种用例中检验自己的能力——比如在工厂车间的数字孪生中测试机器人，在游戏工作室中驱动类人机器人，或者让四足机器人导航危险环境。
虽然四足机器人是 General Intuition 在现实世界中尝试的第一个物理具身形态，但它也尝试过无人机和其他设备，包括在驾驶游戏中测试模型。
“它适用于任何可以用游戏手柄或键盘鼠标控制的东西，”de Witte 说。
构建数据飞轮的可能性是目标之一。
“我们会选择那些能够让我们多样化具身形态的客户，让这个通用基础模型作为其骨干，”de Witte 说。“因此，我们将优先根据客户是否能提供有趣且有用的真实世界数据来推动研究进展来选择客户。并且，如果他们有一个敏捷的内部团队，我们可以成为真正的嵌入式合作伙伴，相互学习。”
Khosla 表示，General Intuition 的专有数据让它走到了今天，而它持续收集他人无法获得的数据的能力将至关重要。尤其是因为，尽管演示令人印象深刻，但模拟到现实世界的迁移能否大规模成立，仍然是一个无人能完全回答的开放性问题。
更正： 标题此前错误地陈述了 General Intuition 本轮融资的金额。该错误已修正。
话题： AI, AI 训练数据, 融资, General Intuition, Khosla Ventures, 机器人, 初创公司, 世界模型