我刚走进General Intuition位于纽约办公室的研发部门时，公司31岁的联合创始人兼首席执行官Pim de Witte将我的注意力引向一台立在升降桌上的显示器。屏幕上似乎有人在玩类似《堡垒之夜》的游戏，但操作者并非真人。
“我们的智能体已经连续运行了100个小时。”公司首席产品官Kent Rollins面带笑容地说道。
在我还没来得及沉浸于人工智能在虚拟游戏环境中穿梭的奇观之前，我听到了一阵电子脚步声，一只大型四足机器人正朝我走来。
“驱动游戏中智能体的‘大脑’，同样也在驱动这台机器人。”de Witte告诉我。
数据分析师Josh Duplantis拿着一台笔记本电脑，屏幕上实时显示着机器人单摄像头的画面，他插话解释说，该机器人的默认模式是“探索”。
依靠那唯一的摄像头——它的“独眼”，这只巨大的、形似昆虫的机器人走到我面前，绕着我转了一圈，然后继续向办公室深处走去。它偶尔会蹭到椅子的腿，或者撞到乱放的垃圾桶，就像一个尚未学会感知自身与周围世界关系的幼儿一样。Duplantis表示，只需八分钟的真实世界机器人数据，就能对四足机器人的AI模型进行微调。更重要的是，这些数据是在街道上收集的，而非目前机器人正在导航的办公室内。
能够将从游戏玩法泛化到模拟环境再到实体embodied（具身）形态的智能体模型，正是General Intuition存在的理由。而该模型在理解其在世界中位置的能力，也为其赢得了多位行业重量级人物的支持。
周四，General Intuition宣布以23亿美元的估值融资3.2亿美元，证实了TechCrunch此前的报道。此轮融资使General Intuition的累计披露融资额达到4.54亿美元，此前该公司于去年十月启动时完成了1.34亿美元的融资。
这家初创公司脱胎于de Witte的另一家公司Medal，该平台允许玩家上传和分享游戏视频片段。数亿小时的游戏录像为训练General Intuition模型的时空推理能力——即理解如何在空间和时间中移动——提供了初始数据集。
但关键要素并非游戏录像本身，而是嵌入在这些片段中的动作标签：记录了玩家确切按下了哪些按钮以及何时按下。de Witte表示，大多数竞争对手试图仅从视频中推断动作，他认为这是不够的。
“我们将这视为未来预训练的下一个阶段。”de Witte说，“我们拥有一个单一模型，它既能响应《堡垒之夜》屏幕上的信息并采取行动，也能以大型语言模型（LLM）永远无法做到的方式应对现实世界的动态变化。”
有一次，de Witte让我用一台运行着General Intuition世界模型的笔记本电脑进行体验，该模型是逐帧生成的模拟环境，而非由传统游戏引擎渲染。正如我通常所做的那样，在测试世界模型时，我径直撞上了一系列墙壁。在我尝试过的其他演示中，你控制的代理有时能穿墙而过，但这一次没有。从数百万小时的游戏玩法数据中，它不知怎地学会了墙壁就是墙壁、梯子用于攀爬，以及随着太阳移动阴影会变长。
对于General Intuition而言，这个世界模型并非产品本身，而是训练环境（内部称为“健身房”）。该公司最终希望出售智能体模型本身，而de Witte认为，游戏玩法中嵌入的动作数据有助于模型区分“自我”与“环境”，从而赋予其对因果关系更丰富的理解。
尽管General Intuition的技术在演示中令人印象深刻，但该公司并非唯一一家试图破解这一难题的企业。此外，让此类模型在物理世界中大规模稳定运行，尚未有人成功。大多数此类方法需要大量缓慢且昂贵地收集的真实世界数据。General Intuition押注的是，游戏玩法是一种可扩展的捷径。
它的投资者也对这一赌注持支持态度。General Intuition的最新一轮融资由Khosla Ventures领投，General Catalyst、杰夫·贝佐斯（Jeff Bezos）、埃里克·施密特（Eric Schmidt）、尼科·罗斯伯格（Nico Rosberg）以及Google DeepMind和麻省理工学院（MIT）的研究人员也参与了投资。
本轮融资的大部分资金将用于扩展计算能力。General Intuition已与CoreWeave达成协议，并计划专注于预训练下一代模型。此外，还预留了一部分资金，旨在今年夏季结束前使其API更广泛地可用。
领投本轮融资的Vinod Khosla表示，他被de Witte的愿景以及该公司在专有数据方面的优势所吸引。
Khosla在一次电话采访中对我说：“如果你看看大语言模型（LLMs），当推理能力出现时，那是一个质的飞跃。我认为在世界模型中，质的飞跃在于AI中直觉的出现，即一种类似人类直觉的能力。你在游戏中拥有的人类行动数据和反应数据，是直觉涌现的关键部分。”
愿景：打造一家具有代际影响力的公司
General Intuition并非唯一一家注意到Medal的人类行动数据对于构建动态世界模型和通用智能体至关重要这一点的公司。该初创公司的首席行政官Brianna Martin表示，Medal曾拒绝一家大型实验室的收购要约，这在一定程度上促成了该公司的成立。此后也出现了其他收购提议。
de Witte及其联合创始人Eloi Alonso、Adam Jelley和Vincent Micheli对成为被收购对象不感兴趣，该公司的投资者目前也不急于退出。通过Medal，General Intuition拥有大量且高质量的专有数据，这是Khosla确信该公司是一项具有代际意义的投资而非并购目标的原因之一；它有望成为模拟环境和现实世界中通用智能体和世界模型的骨干。
Khosla说：“就目前而言，这只是一次数据收购，这有点乏味。”
这一赌注的一部分也涉及对de Witte价值观的信任。
这位企业家曾在人道主义领域工作三年，包括与无国界医生组织（Doctors Without Borders）合作。因此，他为General Intuition的技术使用划定了明确界限：不会部署任何用于伤害人类的智能体。
de Witte说：“我们不想成为加剧军备竞赛的一部分。假设我站出来宣布‘我们正在开发致命自主系统’，你认为其他国家会怎么做？”
尽管硅谷对军事应用越来越乐观，但de Witte表示，他很高兴他的模型能用于搜救任务。
de Witte是荷兰人，其团队中许多成员来自欧洲，这塑造了公司的身份认同。他表示，他聘请Martin部分原因是因为后者因Palantir与美国移民及海关执法局合作而公开辞职。
他说：“我不知道硅谷为什么会这样做。这也是我不在那里待着的原因。”
de Witte的道德准则不仅限制了模型不会做什么。作为一名游戏玩家，他在十几岁时通过搭建和运营一个私人的《RuneScape》服务器赚取了150万美元，因此他也正在思考那些会被AI模型能力所抛弃的人将会面临怎样的处境。
General Intuition最近推出了一款名为Nerve的平台，这是一个面向游戏玩家的就业市场，允许他们利用现有的设备赚取收入。注册者从数据标注工作开始，最终可以转向机器人远程操作及其他任务。de Witte指出，Medal的用户群体正是最容易受到人工智能驱动岗位替代影响的一代人，他希望他们能够参与到未来的发展中并从中受益。
数据飞轮
de Witte希望General Intuition成为一个生态系统赋能者，类似于Anthropic或OpenAI——即作为模型提供商，使他人能够在其技术之上构建应用。目前，这家初创公司在游戏、模拟和机器人领域拥有少数客户。
“我们不会去建立一家自动驾驶汽车公司，”de Witte说，“我们会让下一个人建立自动驾驶汽车公司变得容易十倍。”
该公司表示，一旦其API被更多客户使用，它将能够通过多种用例来检验自身能力——例如在工厂车间的数字孪生环境中测试机器人、在游戏工作室中驱动类人机器人，或派遣四足机器人导航危险环境。
虽然四足机器人是General Intuition首次在现实世界中尝试的物理实体，但它也尝试过无人机和其他设备，包括在驾驶游戏中测试该模型。
“它适用于任何你可以通过游戏手柄或键盘鼠标控制的东西，”de Witte说。
构建数据飞轮的可能性是目标之一。
“我们将选择那些能够多样化这种通用基础模型所服务的物理实体的客户，”de Witte说，“因此，我们将优先考虑那些能够提供有趣且有用的真实世界数据、从而推动研究进展的客户。同时，我们希望这些客户拥有敏捷的内部团队，使我们能够成为深度嵌入的合作伙伴，相互学习。”
Khosla表示，General Intuition的专有数据使其走到今天这一步，而其持续收集独家数据的能力将至关重要。尤其是尽管演示效果令人印象深刻，但模拟到现实的迁移能否在大规模应用中成立，仍是一个尚未得到充分回答的开放性问题。
更正：标题此前错误地陈述了General Intuition在本轮融资中筹集的金额。该错误已修正。