一句话看懂：由贝佐斯支持的纽约初创公司 General Intuition 刚刚完成 3.2 亿美元融资，估值达到 23 亿美元。该公司认为，大型语言模型（如 ChatGPT）无法真正理解物理世界中的时空运动，而游戏数据训练的世界模型可能才是实现通用人工智能（AGI）的关键突破。
事件核心：发生了什么
General Intuition 是一家从游戏平台 Medal TV 分拆出来的 AI 初创公司，CEO Pim de Witte 在 TechCrunch 的 Equity 播客中解释了其技术路线。该公司专注于使用海量游戏内数据训练“世界模型”，这些模型不同于当前主流的语言模型，它们能学习物体如何在实际空间中移动、碰撞和交互。本轮融资由 Coatue 领投，Eric Schmidt、MIT 和 Google DeepMind 的研究人员也参与其中。值得注意的是，General Intuition 拒绝了据传来自 OpenAI 的收购要约，选择保持独立。公司还推出了一个名为 Nerve 的市场，旨在为游戏玩家提供数据标注和远程操作等工作，试图提前应对 AI 可能带来的就业替代问题。
为什么重要
当前 AI 行业的主流叙事是“数据、算力、规模”驱动大语言模型，但 General Intuition 的案例揭示了另一个技术路径：游戏数据因其高密度、结构化、包含完整时空信息的特性，可能是训练通用物理智能的绝佳素材。事实上，该公司仅用 8 分钟的真实世界数据，就成功让一个机器人完成在办公室内的自主导航。这意味训练物理世界中的 AI（如机器人、自动驾驶、工业自动化）可能不需要海量真实数据，游戏引擎产生的合成数据也许是一条更便宜、更高效的路径。此外，贝佐斯、科图、硅谷传奇投资人以及顶级研究机构的参与，表明资本和学界正在认真押注“游戏数据+世界模型”这一非语言模型路线。
对用户/开发者/创作者的影响
对游戏玩家而言，日常的游戏操作行为（包括手柄输入、视角运动、物体交互）可能开始产生新的经济价值——通过 Nerve 平台，玩家可以直接将游戏数据转化为标注或操作劳动，获得报酬。对 AI 开发者和机器人研究者来说，通用数据集和开源游戏引擎的训练工具链可能有新机会：使用游戏环境（如模拟器、3A 大作）进行模型训练，或将成为大语言模型之外的又一主流研发范式。对开源社区而言，这一路线的成熟可能降低物理世界 AI 的入门门槛——不需要昂贵的真实世界数据采集，使用模拟环境即可进行训练、验证和部署。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，General Intuition 的 Nerve 平台是否能真正规模化，将玩家社群转化为稳定的数据标注和远程操作劳动力，是验证其商业模式的关键。其次，世界模型在实际机器人部署中的泛化能力：虽然 8 分钟办公室数据能完成导航，但在复杂、非结构化环境（如家庭、户外、工厂）中的表现有待产品化验证。最后，关键监管动向：由于 CEO 明确提及模型可能被用于国防应用，公司已划出“伦理红线”，但这类“通用物理智能”的技术一旦成熟，将直接面对 AI 武器化、数据主权和就业替代的立法压力，值得从业者和政策制定者提前研判。
