亿美元AI公司为何用游戏录像训练机器人

今天分享一家很有意思的AI公司：General Intuition，官网是 https://www.generalintuition.com/。

这家公司做的事情听起来有点绕——用游戏数据来训练能在现实世界里行动的AI Agent。

翻译乘人话就是：先让AI在游戏里学会“怎么动”，然后把这种能力迁移到机器人、无人机、自动驾驶，甚至是各种仿真环境里去。

这家公司刚披露了一笔3.2亿美元的融资，估值直接飙到23亿美元。再加上2025年10月那笔1.337亿美元的种子轮，公开披露的融资总额已经超过4.5亿美元了。

General Intuition为什么能这么快拿到大钱？这背后不只是因为“游戏数据多”，更关键的是，它拿到了一种非常特殊的数据：玩家看到了什么画面，下一秒按了什么键，鼠标怎么移动，手柄怎么操作，角色又因此发生了什么变化。这类数据，可比普通的游戏视频有价值得多——因为它记录的不仅是“画面怎么变”，还完整记录了“人为什么这么操作，以及操作之后世界怎么反应”。

不是游戏公司，而是从游戏数据里长出来的AI实验室

General Intuition和一家叫Medal的公司关系很深。Medal是一个游戏短视频平台，玩家可以一键录制、剪辑并分享游戏里的高光片段。比如《堡垒之夜》、《Valorant》、《GTA V》、《Minecraft》里的击杀、失败、翻车、极限操作，都能被自动记录下来。

这家公司最初看起来就像一个游戏内容社区，有点像“游戏版的短视频剪辑工具”。但后来的事情变了。AI公司们开始意识到，Medal手里的这些游戏片段可不是普通内容，而是一种可以用来训练Agent的行为数据。

公开报道里提到过两组数据口径：2025年General Intuition刚发布时，Medal每年大约产生20亿条游戏视频，月活用户超过1000万；到了2026年的最新采访里，Medal的月活玩家已经超过1700万，每年产生数十亿条带有动作标签的游戏片段。

这意味着什么呢？普通视频平台上也有很多游戏视频，但大多数只是“结果”——你能看到角色跑过去、跳起来、开枪、躲避，但你完全不知道玩家在那一刻到底按了哪个键，鼠标移动了多少，视角是怎么调整的。Medal的数据不一样，它来自玩家的真实操作，天然就带有动作轨迹。比如：玩家看到敌人从左侧出现，先轻微移动视角，再蹲下，切换武器，后退，开枪；玩家看到一堵墙，知道不能直接穿过去，而是绕路、翻越、找门；玩家看到高处的平台，会判断能不能跳上去，要不要爬梯子，会不会摔下去；玩家在赛车游戏里看到弯道，会提前减速、调整角度、控制方向。

这些动作看起来是游戏行为，但本质上，是“人在动态空间里做决策”。General Intuition做的，就是把这类数据看作训练下一代Agent的原料。

关键不在“视频”，而在“动作标签”

很多公司都在做世界模型。所谓世界模型，简单说就是让AI预测：如果我做一个动作，环境接下来会怎么变化。比如一个机器人看到桌上有一个杯子，如果手臂碰到它，杯子会往哪里倒；如果无人机向左飞，会不会撞到树；如果车在雨天高速过弯，会不会打滑。大家已经都知道了，这类能力不是靠文字训练出来的。

General Intuition的路线是：用游戏里的海量人类动作，训练AI理解空间、时间、动作和后果之间的关系。

这里最重要的就是“动作标签”。如果只有视频，AI看到的是一串画面：角色从A点跑到B点，镜头转向，敌人倒下。但如果视频同时带有按键记录，AI就能知道：这个变化是因为玩家按下了W、A、空格、鼠标左键，还是因为游戏环境自己发生了变化。这一步很关键，因为现实世界Agent最难的地方之一，就是区分“我做了什么”和“环境自己发生了什么”。比如机器人往前走，画面变化了，是因为自己移动导致视角变化；旁边的人突然走进来，是环境变化；机器人撞到椅子，是自己的动作和环境发生了接触。

游戏数据天然有一个好处：玩家动作和环境反馈绑定得非常紧密。每一局游戏里，人都在不断做决策——看见什么、判断什么、按下什么、产生什么后果、下一步再怎么调整。这比单纯看互联网视频更适合用来训练“行动能力”。

两条腿走路：世界模型和动作模型

General Intuition把自己过去一年的研究方向拆成了两块：一类是世界模型，用来预测动作之后环境会怎么变化；另一类是动作模型，用来决定当前应该采取什么动作。这两个东西可以理解成一个循环。

世界模型负责回答：如果我这么做，接下来会发生什么？动作模型则负责回答：在当前环境和目标下，我应该怎么做？举个例子：一个AI控制游戏角色站在房间里，前方有门，左边有敌人，右边有窗户。世界模型要预测：如果往左冲，可能被击中；如果从窗户跳出去，可能掉血；如果开门出去，可能进入另一个空间。动作模型则要选择：现在最合适的动作是什么，是躲避、攻击、绕路，还是寻找掩体。

这套能力如果能迁移到现实世界，可就不只是游戏AI了：

• 机器人在工厂里搬运货物，也需要判断路线、障碍物和动作后果；
• 无人机进入灾害现场，也需要判断哪里能飞、哪里危险、如何避开障碍；
• 自动驾驶车辆，也需要预测其他车辆、行人和自身动作之间的关系。

所以General Intuition的野心不小。它不想只做一个游戏里的智能NPC，也不想只做一个机器人公司。它更想成为一层基础模型能力，让其他公司在此基础上做机器人、无人机、自动驾驶、仿真测试和游戏角色。

游戏世界，成为Agent最好的训练场

游戏为什么适合训练Agent？因为它有几个现实世界很难同时满足的特点。

第一，游戏是高频交互环境。现实世界里收集机器人数据很慢——你要买机器人、布置场地、安排人远程操作、采集传感器数据，还得处理安全问题。游戏里完全不一样，玩家每天都在自发产生大量操作数据，而且动作密度很高。几分钟游戏里可能发生几十次判断、移动、攻击、躲避、失败和修正。

第二，游戏有大量边缘情况。玩家上传的往往不是平淡过程，而是高光、失误、极限操作、意外事故。这对训练Agent很有用，因为现实世界最难处理的，也往往不是正常情况，而是边缘情况。机器人在正常走廊里走路不难，难的是突然有人挡路、地上有杂物、光线变化、门半开半关。无人机正常飞行不难，难的是风突然变大、画面遮挡、目标移动、路径被挡住。游戏里的失败、碰撞、翻车、极限反应，反而提供了大量“非常规动作样本”。

第三，游戏天然适合做低成本试错。现实机器人摔一次可能就是几千美元损失，无人机撞一次可能设备报废，自动驾驶车测试更不能随便拿真实路人冒险。但在游戏里，AI可以反复试错——撞墙、掉下悬崖、被击败、走错路，再从中学习。

所以General Intuition业务模式的基础判断就是：游戏不等于现实，但游戏可以成为现实世界Agent的预训练场。这和大语言模型早期用互联网文本预训练有点像——不是因为互联网上所有文字都正确，而是因为规模足够大、场景足够多，模型先学到通用能力，再在具体任务上微调。General Intuition想把这件事搬到“行动模型”上。

创始团队为什么能做成这件事

General Intuition的核心人物是Pim de Witte。

他是Medal的创始人，也是General Intuition的联合创始人兼CEO。这个人很有意思，早年就是游戏玩家，十几岁时曾经通过搭建和运营私人《RuneScape》服务器赚到过150万美元。所以，他不是从机器人公司切入AI，也不是从大模型实验室切入，而是从游戏社区和玩家行为数据切入的。他看到的是：玩家每天在虚拟世界里做大量高质量空间决策，而这些行为过去只被当成娱乐内容，现在可能变成训练Agent的资产。

General Intuition另外几位联合创始人是Eloi Alonso、Adam Jelley和Vincent Micheli，背景偏研究，方向集中在世界模型、强化学习和仿真。这也是这家公司创始团队组合特别的地方：一边是Medal这样的游戏数据入口；一边是做世界模型、强化学习、仿真的研究团队；中间再用大规模算力把数据转成模型能力。

商业化路径：卖模型能力，而不是下场做机器人

General Intuition已经有少量来自游戏、仿真、机器人方向的客户，也计划让API在更大范围内可用。从商业模式看，它更像要做“行动模型基础设施”，可能的客户有这么几类。

第一类是游戏公司。今天很多游戏里的NPC很尴尬——要么太笨，只会固定巡逻、固定攻击；要么开了“上帝视角”，能直接读取游戏状态，玩家会觉得不公平。如果Agent能像真人一样只看屏幕、只用键盘鼠标或者手柄操作，就能做出更自然的游戏角色。比如敌人会根据遮挡、地形、玩家动作做判断，而不是直接读取你的位置；队友NPC能理解门、楼梯、掩体、路线，不需要开发者写大量规则。

第二类是机器人公司。机器人公司最贵的部分之一，就是采集真实世界数据。假如General Intuition能提供一个预训练的动作模型，机器人公司就可以少从零开始训练，只在自己的设备和场景上做适配。这对四足机器人、仓储机器人、巡检机器人、灾害搜救机器人来说，都有很大的想象空间。

第三类是仿真和数字孪生公司。很多企业想在虚拟工厂、虚拟道路、虚拟仓库里测试机器人或自动驾驶系统。过去仿真环境往往需要人为建模、设定规则。如果世界模型可以生成更动态、更接近真实行为的环境，仿真测试的价值会大很多。

第四类是无人机和远程操作设备。创始人Pim de Witte提到过一个判断：任何可以用游戏手柄、键盘鼠标控制的设备，都可能和这套模型发生关系。因为游戏玩家的操作方式，本来就和很多现实设备的远程操作方式很接近。无人机、机器人、工程设备、遥控车辆，都可以映射到类似的输入系统上。

这也是General Intuition推出Nerve的原因。Nerve是它面向玩家的数据和任务平台，玩家可以从数据标注开始，后续参与机器人远程操作等任务。对公司来说，这是继续扩大人类反馈和操作数据的方式；对玩家来说，则是把游戏经验变成一种可付费的劳动能力。

最后，General Intuition的故事很吸引人，因为它把几个原本分散的东西连在了一起——游戏短视频平台、玩家操作数据、世界模型、动作模型、机器人和无人机、现实世界Agent。这条路确实很新。

以上，祝你今天开心。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：亿美元AI公司为何用游戏录像训练机器人要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题