兩年前，OpenAI 拿出 5 億美元想買下 Medal，一個遊戲錄影分享平台。創始人 Pim de Witte 拒絕了。

這個決定當時看起來可能有點莽。

General Intuition 創始人 Pim de Witte｜圖片來源：techcrunch

但在 2026 年 6 月的今天，de Witte 旗下的 AI 公司 General Intuition 完成了 3.2 億美元的 A 輪融資，估值達到 23 億美元，由 Khosla Ventures 領投，Jeff Bezos、Eric Schmidt 以及 Google DeepMind 和 MIT 的研究人員也參與其中。算上去年 10 月啟動時的 1.34 億美元，他們的累計融資已經超過 4.54 億美元。

OpenAI 當時出價 5 億，今天 General Intuition 的估值已經是那個數字的將近五倍。市場用真金白銀在告訴所有人：這堆遊戲錄影，比大多數人想像的值錢得多。

要理解 General Intuition 在做什麼，需要先搞清楚一個前提問題——機器人到底缺什麼訓練資料。

傳統的機器人 AI 訓練，依賴兩條路。一是在真實環境裡採集資料，成本極高、周期極長；二是在模擬器裡訓練，速度快，但存在一個令所有人頭疼的問題：「模擬與現實的差距」。你在 Unity 或者 Unreal 裡訓練出來的模型，放到真實的地板和牆壁前，往往表現得像個路痴。

General Intuition 的切入點是：遊戲資料既不是純模擬，也不是真實環境，但它可能是連接兩者的橋樑。

Medal 作為一個遊戲錄影平台，積累了數十億小時的遊戲畫面，但這些畫面不是普通的視訊。正如 Crypto Briefing 的分析所指出的，General Intuition 擁有的是「每一幀都配對了玩家實際輸入——滑鼠移動、按鍵操作、戰略決策」的資料。

用來訓練的遊戲錄影｜圖片來源：General Intuition

這是純粹的遊戲錄屏做不到的：你看到的不只是角色在動，你還知道人類玩家在那個時刻做出了什麼決策。

從《堡壘之夜》的第一視角穿越建築，到《Apex 英雄》裡快速識別地形並選擇落點，這些遊戲場景包含了大量的空間推理資訊。人類玩家每天都在訓練自己的大腦處理三維空間、預判物體軌跡、在動態環境中做出即時決策——這些能力，恰好是真實世界裡的機器人最需要的。

de Witte 在接受採訪時說過一句話，點出了 LLM 路線的侷限：「作為人類，我們創造文字來描述世界上發生的事情，但這樣做，你會丟失大量資訊。」他們想要的是更原始、更接近感知層的資料，而不是人類事後用語言總結出來的文字。

在紐約的發佈現場，General Intuition 做了一個展示，細節值得仔細看一下。

他們用遊戲資料預訓練了一個空間推理模型，然後用僅僅 8 分鐘的真實機器人運動資料對其進行微調。這個機器人，在街道上採集了這 8 分鐘的資料，然後被放進一個它從未去過的室內辦公室，依然能夠正常導航。

遊戲錄影中彙集了各種虛擬空間資料｜圖片來源：General Intuition

通常的機器人訓練需要在目標環境中反覆採集大量資料，或者在高度精確的模擬環境中跑無數輪。而 General Intuition 的邏輯是：遊戲資料已經給模型建立了足夠強的空間推理基礎，遷移到真實世界所需要的「真實資料微調量」因此被大幅壓縮。

這條邏輯聽起來足夠優雅。但這裡有一個地方目前還看不太清楚——這種遷移的泛化邊界在那裡。

街道到辦公室是一次演示，但複雜的真實工業場景、各種光線條件、地面材質的變化，這些能否同樣被 8 分鐘的資料橋接，目前還沒有公開的基準測試來驗證。AI CERTs News 的評論也提到了這一點：「模擬與現實的遷移差距仍然存在，需要嚴格的基準測試。」

General Intuition 承諾今年晚些時候會發佈公開評估結果。

General Intuition 的這輪融資，不是孤立事件，而是今年一波融資浪潮裡的一部分。

World Labs 在 2 月完成了 10 億美元融資；Decart 在 5 月拿到 3 億美元；Odyssey 在 6 月關閉了 3.1 億美元的輪次，亞馬遜和 AMD 參與其中。這些公司的共同關鍵詞，是「世界模型」——用大量真實或模擬的視覺資料，讓 AI 建立對物理世界的理解。

資本正在一致押注一個判斷：下一階段的 AI 競爭，不在語言，在物理。

但這場競爭裡，General Intuition 的護城河相對具體。遊戲資料這條資產，別人很難複製。Medal 積累的數十億小時錄影，是多年積累的結果，不是今天開始採集明天就能有的東西。這也是 OpenAI 當年願意出 5 億美元來買的原因——資料本身就是壁壘。

新一輪融資的用途，公司透露大部分將投入算力擴容，同時計畫在今年夏末把 API 開放給更多開發者。從封閉研發走向開放生態，這是 General Intuition 從一個「有趣的研究項目」，變成「平台級公司」的關鍵一步，也是這筆 23 億美元估值能否撐住的真正考驗。

對遊戲開發者可能有的另一個疑問，de Witte 在播客採訪中也回應過：他認為擔心遊戲模型取代開發者是「言過其實」，訓練 AI agent 的空間推理，與遊戲內容生成是兩條完全不同的賽道。

遊戲畫面是原材料，而不是競爭對象。

把遊戲裡的虛擬物理遷移到現實，這個想法並不是今天才有人想到。

遊戲引擎在機器人模擬領域早就有廣泛應用，NVIDIA Isaac、Unity Robotics 都在做類似的事。General Intuition 的不同之處，是它擁有的不是引擎本身，而是人類在遊戲裡實際行動的痕跡——帶有意圖的資料，而不是純粹的物理模擬輸出。

這個差異可以用一個簡單的類比來理解：就像教一個學生開車，你可以給他看物理教材裡關於摩擦力，和轉彎半徑的所有公式，也可以讓他坐在老司機旁邊，看一千個小時真實駕駛錄影，然後感受方向盤在手裡的力道。後者效率不一定更高，但建立的是一種更接近本能的能力。遊戲錄影對於機器人空間推理的價值，大概就在這裡。

當然，駕駛遊戲和真實駕駛之間有差距，《堡壘之夜》裡的物理引擎和現實世界的物理規律也有差距。這個差距有多大、能被多少資料彌合，是 General Intuition 接下來需要用產品和基準來回答的問題，不是靠演示和估值來回答的問題。

在世界模型融資浪潮裡，每家公司都在講一個關於「物理 AI」的宏大故事。但真正的分水嶺，往往出現在 API 開放之後——開發者拿到它，能做出什麼，做不出什麼，很快就會有結論。General Intuition 的夏末 API 計畫，大概是比這輪融資更值得盯住的時間節點。

遊戲行業用了幾十年訓練人類大腦處理三維空間，現在這些資料反過來訓練機器人的大腦——這個輪迴本身，就已經足夠有意思了。 (極客公園)

彙整鉅亨號中所有使用「General Intuition」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`