贝索斯投资的初创公司押注游戏数据成AGI关键

背景

在追求通用人工智能（AGI）的道路上，大型语言模型（LLM）正暴露出根本性的短板。ChatGPT、Claude 等模型虽然擅长文本处理，但在理解物体如何在时空中真实运动——这一实现通用智能所必需的能力——方面却表现欠佳。这一缺口，可能恰好由游戏数据来填补。这正是 General Intuition 这家初创公司的核心赌注：利用游戏数据训练“世界模型”，从而让 AI 真正理解物理世界的动态规律。

General Intuition 总部位于纽约，由贝佐斯（Bezos）支持，估值达 23 亿美元。该公司刚刚完成了一轮 3.2 亿美元的融资，投资方包括 Coatue、Eric Schmidt、MIT 和 Google DeepMind 的研究人员。这家公司从游戏平台 Medal TV 分拆而来，其 CEO Pim de Witte 在 TechCrunch 的 Equity 播客中接受了 Rebecca Bellan 的采访，详细阐述了为何以游戏数据训练的世界模型可能成为物理 AI 的下一个重大突破，以及当模型可能被用于国防应用时，伦理红线在哪里。

核心内容

Pim de Witte 在播客中表示，LLM 缺乏对物理世界时空因果关系的理解，而游戏数据天然包含了大量物体在三维空间中的运动、交互和物理规则模拟。例如，在一款第一人称射击游戏中，角色移动、子弹轨迹、物体碰撞等行为，都提供了丰富的时空运动数据。General Intuition 已经证明，仅需 8 分钟的真实世界数据，就能让一个机器人学会在办公室环境中自主导航，且无需任何针对该场景的额外训练——这得益于其世界模型从游戏数据中习得的通用物理直觉。

该公司原本是 Medal TV（一个游戏剪辑分享平台）内部的一个研究项目，后来独立出来。他们曾收到来自 OpenAI 的收购要约，但选择了拒绝，以保持独立运营。de Witte 强调，拥有与自己使命一致的投资者，是打造一家“世代级公司”的关键。

此外，General Intuition 正在积极应对 AI 可能带来的工作替代问题。他们构建了一个名为 Nerve 的市场平台，将游戏玩家与数据标注和远程操作任务连接起来。玩家可以在游戏之余，通过平台为 AI 模型提供训练数据或远程操控机器人，从而获得收入。这既解决了数据标注的劳动力需求，也为玩家创造了新的就业机会。

关键要点

• LLM 的局限性：ChatGPT、Claude 等模型擅长文本，但缺乏对物理世界时空运动的理解，这是实现 AGI 的瓶颈。
• 游戏数据填补空白：游戏世界包含大量物体运动、碰撞、交互的模拟数据，可用于训练“世界模型”，让 AI 学会物理直觉。
• 8 分钟现实数据验证：仅用 8 分钟真实办公室数据，机器人就能从零开始导航，证明了世界模型的泛化能力。
• 拒绝 OpenAI 收购：General Intuition 曾收到 OpenAI 的收购提议，但选择保持独立，以确保长期愿景不受干扰。
• Nerve 市场：为解决 AI 导致的就业替代，公司推出 Nerve 平台，让游戏玩家通过数据标注和远程操作赚取收入，实现人机协作。
• 伦理与军事应用：公司承认其模型可能被用于国防领域，并在投资者选择上设置了伦理红线，确保技术不被滥用。

意义与影响

General Intuition 的案例揭示了 AI 发展的一个关键转向：从“语言智能”向“物理智能”的跃迁。如果世界模型能够通过游戏数据高效训练，那么 AGI 的实现路径将不再局限于文本与代码，而是更贴近真实世界的感知与行动。这对机器人、自动驾驶、工业自动化等领域具有直接影响——一个能在虚拟游戏中学会物理规律的系统，部署到现实世界时所需的真实数据量将大幅减少。

同时，该公司对收购的拒绝态度，反映出在 AI 创业生态中，保持独立性和长期使命的重要性。OpenAI 的收购要约可能意味着大模型公司对“物理 AI”需求的迫切，但 General Intuition 选择了一条更慢、更自主的道路。

此外，Nerve 市场提供了一个有趣的“人机协作”就业模型：让游戏玩家——这个常被忽视的群体——成为 AI 训练的直接参与者，既缓解了就业焦虑，又为数据标注这一枯燥工作找到了更人性化的入口。这或许是对“AI 取代人类工作”这一恐惧的一种务实回应：不是取代，而是重新分配任务。

最后，公司对军事应用的伦理态度值得关注。在 AGI 可能的军事化浪潮中，General Intuition 明确设置了红线，并希望投资者与公司使命一致。这为整个行业树立了一个重要先例：技术发展不能只追求能力，更要考虑用途。