General Intuition：一家 23 亿美元 AI 公司，为什么拿游戏录像训练机器人

今天分享一家很新的 AI 公司：General Intuition，https://www.generalintuition.com/

General Intuition 做的事听起来有点绕：用游戏数据训练现实世界里的 AI Agent。

换成更直白的话说，General Intuition 做的是让 AI 先在游戏里学会“怎么行动”，再把这种能力迁移到机器人、无人机、自动驾驶、仿真环境里。

这家公司最近刚披露一笔 3.2 亿美元融资，估值 23 亿美元。

再加上 2025 年 10 月的 1.337 亿美元种子轮，公开披露融资已经超过 4.5 亿美元。

General Intuition 之所以能这么快拿到大钱，我觉得不只是因为“游戏数据很多”，而是因为它拿到的是一种很特殊的数据：

玩家看到了什么画面，下一秒按了什么键，鼠标怎么移动，手柄怎么操作，角色因此发生了什么变化。

这类数据，比普通游戏视频更有价值。

因为它不只是记录“画面怎么变化”，还记录了“人为什么这么操作，以及操作之后世界怎么反应”。

不是一家游戏公司，而是从游戏数据里长出来的 AI 实验室

General Intuition 和 Medal 关系很深。

Medal 是一个游戏短视频平台，玩家可以一键录制、剪辑、分享游戏高光片段。

比如《堡垒之夜》、《Valorant》、《GTA V》、《Minecraft》里的击杀、失败、翻车、极限操作，都可以被自动记录下来。

这家公司最早看起来像一个游戏内容社区，类似“游戏版短视频剪辑工具”。

但后来事情变了。

AI 公司开始意识到，Medal 手里这些游戏片段不是普通内容，而是一种可以训练 Agent 的行为数据。

公开报道里提到过两个数据口径：

2025 年 General Intuition 发布时，Medal 每年大约产生 20 亿条游戏视频，月活用户超过 1000 万；

到 2026 年的最新采访里，Medal 的月活玩家口径已经来到 1700 万以上，每年产生数十亿条带动作标签的游戏片段。

这意味着什么？

普通视频平台上有很多游戏视频，但大多数只是“结果”。你能看到角色跑过去、跳起来、开枪、躲避，但你不知道玩家在那一刻到底按了哪个键，鼠标移动了多少，视角如何调整。

Medal 的数据不一样，它来自玩家真实操作，天然带有动作轨迹，比如：

玩家看到敌人从左侧出现，先轻微移动视角，再蹲下，切换武器，后退，开枪；

玩家看到一堵墙，知道不能直接穿过去，而是绕路、翻越、找门；

玩家看到高处的平台，会判断是否能跳上去，是否需要爬梯子，是否会摔下去；

玩家在赛车游戏里看到弯道，会提前减速、调整角度、控制方向。

这些动作看起来是游戏行为，本质上是“人在动态空间里做决策”。

General Intuition 做的就是把这类数据看成训练下一代 Agent 的原料。

关键不在“视频”，而在“动作标签”

很多公司也在做世界模型。

世界模型，简单说，就是让 AI 预测：如果我做一个动作，环境接下来会怎么变化。

比如一个机器人看到桌上有一个杯子，如果手臂碰到它，杯子会往哪里倒；如果无人机向左飞，会不会撞到树；如果车在雨天高速过弯，会不会打滑。

大家已经都知道了，这类能力不是靠文字训练出来的。

General Intuition 的路线是：

用游戏里的海量人类动作，训练 AI 理解空间、时间、动作和后果之间的关系。

这里最重要的是“动作标签”。

如果只有视频，AI 看到的是一串画面：角色从 A 点跑到 B 点，镜头转向，敌人倒下。

但如果视频同时带有按键记录，AI 就能知道：这个变化是因为玩家按下了 W、A、空格、鼠标左键，还是因为游戏环境自己发生了变化。

这一步很关键，因为现实世界 Agent 最难的地方之一，就是区分“我做了什么”和“环境自己发生了什么”。

比如机器人往前走，画面变化了，是因为自己移动导致视角变化；旁边的人突然走进来，是环境变化；机器人撞到椅子，是自己的动作和环境发生了接触。

游戏数据天然有一个好处：玩家动作和环境反馈绑定得非常密。

每一局游戏里，人都在不断做决策：

看见什么、判断什么、按下什么、产生什么后果、下一步再怎么调整。

这比单纯看互联网视频更适合训练“行动能力”。

General Intuition 做两类模型：世界模型和动作模型

General Intuition 把自己过去一年的研究方向拆成两块：

一类是世界模型，用来预测动作之后环境会怎么变化；

一类是动作模型，用来决定当前应该采取什么动作。

这两个东西可以理解成一个循环。

世界模型负责回答：如果我这么做，接下来会发生什么？

动作模型负责回答：在当前环境和目标下，我应该怎么做？

举个例子。

一个 AI 控制游戏角色站在房间里，前方有门，左边有敌人，右边有窗户。

世界模型要预测：如果往左冲，可能被击中；如果从窗户跳出去，可能掉血；如果开门出去，可能进入另一个空间。

动作模型要做选择：现在最合适的动作是什么，是躲避、攻击、绕路，还是寻找掩体。

这套能力如果能迁移到现实世界，就不只是游戏 AI 了：

• 机器人在工厂里搬运货物，也需要判断路线、障碍物、动作后果；
• 无人机进入灾害现场，也需要判断哪里能飞、哪里危险、如何避开障碍；
• 自动驾驶车辆，也需要预测其他车辆、行人和自身动作之间的关系。

所以 General Intuition 的野心是不小的。

它不想只做一个游戏里的智能 NPC，也不想只做一个机器人公司。

它更想成为一层基础模型能力，让其他公司在上面做机器人、无人机、自动驾驶、仿真测试和游戏角色。

游戏世界成了 Agent 的训练场

游戏为什么适合训练 Agent？因为游戏有几个现实世界很难同时满足的特点。

第一，游戏是高频交互环境。

现实世界里收集机器人数据很慢。你要买机器人、布置场地、安排人远程操作、采集传感器数据，还要处理安全问题。

游戏里不一样。玩家每天都在自发产生大量操作数据，而且动作密度很高。

几分钟游戏里可能发生几十次判断、移动、攻击、躲避、失败和修正。

第二，游戏有大量边缘情况。

玩家上传的往往不是平淡过程，而是高光、失误、极限操作、意外事故。

这对训练 Agent 很有用。因为现实世界最难处理的，也往往不是正常情况，而是边缘情况。

机器人在正常走廊里走路不难，难的是突然有人挡路、地上有杂物、光线变化、门半开半关。

无人机正常飞行不难，难的是风突然变大、画面遮挡、目标移动、路径被挡住。

游戏里的失败、碰撞、翻车、极限反应，反而提供了很多“非常规动作样本”。

第三，游戏天然适合做低成本试错。

现实机器人摔一次可能就是几千美元损失。无人机撞一次可能设备报废。自动驾驶车测试更不能随便拿真实路人冒险。

游戏里可以反复试错。

AI 可以在虚拟环境里撞墙、掉下悬崖、被击败、走错路，再从这些失败里学习。

所以 General Intuition 业务模式的基础判断就是：

游戏不等于现实，但游戏可以成为现实世界 Agent 的预训练场。

这和大语言模型早期用互联网文本预训练有点像。

不是因为互联网上所有文字都正确，而是因为规模足够大、场景足够多，模型先学到通用能力，再在具体任务上微调。

同样的，General Intuition 想把这件事搬到“行动模型”上。

创始团队为什么能做这件事

General Intuition 的核心人物是 Pim de Witte。

他是 Medal 的创始人，也是 General Intuition 的联合创始人兼 CEO。

这个人很有意思，早年就是游戏玩家，十几岁时曾经通过搭建和运营私人《RuneScape》服务器赚到过 150 万美元。

所以，他不是从机器人公司切入 AI，也不是从大模型实验室切入，而是从游戏社区和玩家行为数据切入。

他看到的是：

玩家每天在虚拟世界里做大量高质量空间决策，而这些行为过去只被当成娱乐内容，现在可能变成训练 Agent 的资产。

General Intuition 另外几位联合创始人是 Eloi Alonso、Adam Jelley、Vincent Micheli，背景偏研究，方向集中在世界模型、强化学习和仿真。

这也是这家公司创始团队组合特别的地方：

一边是 Medal 这样的游戏数据入口；

一边是做世界模型、强化学习、仿真的研究团队；

中间再用大规模算力把数据转成模型能力。

商业化路径：卖模型能力，而不是下场做机器人

General Intuition 已经有少量来自游戏、仿真、机器人方向的客户，也计划让 API 在更大范围内可用。

从商业模式看，它更像要做“行动模型基础设施”，可能的客户有几类。

第一类是游戏公司。

今天很多游戏里的 NPC 很尴尬。它们要么太笨，只会固定巡逻、固定攻击；要么开了“上帝视角”，能直接读取游戏状态，玩家会觉得不公平。

如果 Agent 能像真人一样只看屏幕、只用键盘鼠标或者手柄操作，就能做出更自然的游戏角色。

比如敌人会根据遮挡、地形、玩家动作做判断，而不是直接读取你的位置；队友 NPC 能理解门、楼梯、掩体、路线，不需要开发者写大量规则。

第二类是机器人公司。

机器人公司最贵的部分之一，是采集真实世界数据。General Intuition 如果能提供一个预训练动作模型，机器人公司就可以少从零开始训练，只在自己的设备和场景上做适配。

这对四足机器人、仓储机器人、巡检机器人、灾害搜救机器人都有想象空间。

第三类是仿真和数字孪生公司。

很多企业想在虚拟工厂、虚拟道路、虚拟仓库里测试机器人或自动驾驶系统。过去仿真环境往往需要人为建模、设定规则。

如果世界模型可以生成更动态、更接近真实行为的环境，仿真测试会更有价值。

第四类是无人机和远程操作设备。

创始人 Pim de Witte 提到过一个判断：任何可以用游戏手柄、键盘鼠标控制的设备，都可能和这套模型发生关系。

因为游戏玩家的操作方式，本来就和很多现实设备的远程操作方式接近。

无人机、机器人、工程设备、遥控车辆，都可以映射到类似输入系统上。

这也是 General Intuition 推出 Nerve 的原因。

Nerve 是它面向玩家的数据和任务平台，玩家可以从数据标注开始，后续参与机器人远程操作等任务。

对公司来说，这是继续扩大人类反馈和操作数据的方式；对玩家来说，则是把游戏经验变成一种可付费的劳动能力。

最后，General Intuition 的故事很吸引人，因为它把几个原本分散的东西连在了一起：

游戏短视频平台、玩家操作数据、世界模型、动作模型、机器人和无人机、现实世界 Agent。

这条路确实很新。

以上，祝你今天开心。

文章来自于微信公众号 “Fun AI Everyday”，作者 “Fun AI Everyday”