AI初创用游戏数据训练机器人，称将迎ChatGPT时刻

背景

在 OpenAI 的 GPT-3 开启基础模型时代之前，公司需要从零构建专门的自然语言处理模型，每个模型都要在大量任务特定数据上单独训练。如今，大多数组织直接采用 OpenAI 的 GPT 系列、Claude 或 Llama 这类通用模型，再通过微调或提示工程来满足自身需求。这种从“专用模型”到“通用模型+微调”的范式转变，大幅降低了 AI 应用的门槛。

核心内容

机器人初创公司 General Intuition 的 CEO Pim de Witte 认为，具身智能（embodied AI）将遵循相似的路径。他强调，行业不应收集海量真实世界数据来构建专用机器人模型，而应专注于打造更高质量的数据集，从而训练出能够将运动与交互直觉迁移到多种环境中的基础模型。

“现在很多公司都在做大量专门化工作，聚焦于特定的载体、特定的环境、特定的机器人，”de Witte 在 TechCrunch 的 Equity 播客中表示。他认为，随着像 General Intuition 正在开发和部署的通用模型的出现，这些工作很快就会变得多余。“模型本身的通用化就是产品——它具备关于空间和时间的基础推理能力，这正是人们不再需要收集数十万甚至数百万小时真实世界数据的原因。现实是，你只需要几分钟数据就够了。”

General Intuition 自己构建了这样的基础模型，训练数据来自数百万小时的电子游戏录像，其中包含人类玩家在何时按下了控制器上的哪个按钮等信息。de Witte 和 General Intuition 的领投投资人 Vinod Khosla 都认为，这种动作数据（action data）是开发类似于人类的空间-时间推理直觉的关键。

基于这一理念，这家初创公司上个月以 23 亿美元估值筹集了 3.2 亿美元。公司已展示其当前模型能够连续数小时玩电子游戏，也能驱动一台四足机器人——后者仅用了八分钟的真实世界机器人数据进行微调。“事实上，机器人仅凭前置摄像头，没有其他传感器，就能在办公室环境中零样本运行，面对动态物体和走动的人，这让我们非常意外，”de Witte 说，“我认为这是未来趋势的一个信号。”

General Intuition 的最终目标并非自己制造机器人，而是成为物理世界 AI 的基础模型——一个供其他机器人公司在其基础上构建自己机器人的底层模型。用 de Witte 的话说：“我们不会去造一家自动驾驶汽车公司，我们要让下一个想造自动驾驶汽车公司的人做事变得容易十倍。”

关键要点

• 类比 NLP 的范式迁移：正如 GPT 等基础模型让 NLP 从专用模型转向通用微调，General Intuition 认为机器人领域也将出现类似的基础模型，使专用模型冗余。
• 高质量动作数据是关键：公司使用数百万小时电子游戏中的按键动作数据训练，而非海量真实世界物理数据，这些数据包含了人类在时空中的操作决策，是培养直觉的核心。
• 极少量微调即可泛化：演示显示，仅用八分钟真实机器人数据微调，基础模型就能让四足机器人实现零样本执行，无需额外传感器，展现了惊人的迁移能力。
• 定位为基础模型提供商：General Intuition 不建造最终机器人产品，而是输出一个通用物理世界推理模型，供其他机器人公司（包括自动驾驶、工业机器人等）低成本构建专用系统。
• 融资与估值验证：刚完成 3.2 亿美元融资、估值 23 亿美元，表明投资者对“机器人基础模型”路径的信心。

意义与影响

General Intuition 的路线图如果成功，将彻底改变机器人行业的开发模式。当前机器人公司需要针对每种机械形态、每个环境收集大量真实数据，导致成本高昂且难以快速迭代。一旦通用基础模型成熟，任何机器人开发者只需提供几分钟的特定场景数据，就能让现有模型适配新的载体和环境，大幅降低进入门槛。

这种“基础模型+微调”的模式还可能催生新的产业生态：上游是提供物理世界推理基础模型的公司，下游是聚焦应用场景（如物流、家庭服务、自动驾驶）的创业公司。就像 OpenAI 没有直接开发所有 NLP 应用，而是赋能成千上万的开发者一样，General Intuition 的愿景是成为“物理 AI 的 GPT”。

不过，这一路径仍面临挑战：电子游戏中的动作数据是否足以覆盖真实物理世界的全部复杂性？机器人需要在不确定、安全敏感的物理环境中运行，模型的鲁棒性和安全性仍需严谨验证。但八分钟数据实现零样本的结果，已经让人看到了令人兴奋的可能性——机器人的“ChatGPT 时刻”或许正在临近。