维度网讯，纽约AI初创公司General Intuition完成3.2亿美元融资，投后估值达到23亿美元。该公司从游戏平台Medal TV分拆而来，训练方向不是继续扩大文本语料，而是利用游戏视频、玩家操作和虚拟环境交互数据，构建具备时空理解能力的世界模型。

General Intuition的技术路线，针对的是大型语言模型在物理世界理解上的短板。ChatGPT、Claude这类模型擅长文本生成、代码、推理和知识问答，但它们主要从语言和多模态静态数据中学习，对物体如何移动、角色如何避障、动作如何产生结果、环境如何随时间变化，仍缺少足够稳定的时空建模能力。游戏数据的特殊价值在于，它天然包含“动作—反馈—环境变化”的连续链条：玩家移动、跳跃、转向、瞄准、攀爬、躲避、碰撞，都会在画面中形成可验证结果。模型可以从这些连续片段中学习墙体、阴影、空间边界、路径选择、角色视角和动作后果，而不是只从文字描述里理解“物理世界”。General Intuition把这类游戏数据作为训练世界模型的基础材料，希望让AI系统获得更强的空间推理、因果判断和动态环境预测能力。

这笔融资的参投方包括Coatue、埃里克·施密特，以及来自MIT和Google DeepMind的研究人员。贝索斯相关资本也参与了这家公司，资金将用于扩充算力、训练新版本模型和推进API开放。

世界模型并不是简单生成游戏画面。General Intuition要训练的是能够理解环境状态、预测下一步变化、区分“自我”和“外部环境”的智能系统。对物理AI来说，这类能力非常关键：机器人、无人机、自动驾驶设备和工业智能体不能只会回答问题，还要知道自己在空间中的位置、动作会改变什么、障碍物如何影响路径、目标对象是否可达，以及连续操作是否会带来风险。游戏场景虽然是虚拟环境，但它提供了大量低成本、可重复、带动作标签的动态数据，适合用于训练模型对空间和时间的内部表示。

General Intuition首席执行官Pim de Witte此前创立Medal TV，平台积累了大量玩家上传的游戏片段。公司从Medal TV分拆后，核心资产也从游戏内容社区转向游戏数据训练基础设施。其内部将世界模型训练环境称为“gym”，也就是让AI在海量游戏行为和环境变化中学习动作规律的训练场，而最终面向外部提供的产品可能是具备行动能力的智能体模型。

这条路线也带来应用边界问题。General Intuition的模型未来可能用于无人机、机器人、搜索救援和国防场景，相关能力一旦进入高风险系统，就不只是游戏数据训练问题，还会涉及用途限制、部署审核、模型安全和伦理评估。公司当前的关键任务，是把游戏数据中的时空规律转化为可迁移到真实环境的模型能力，并证明这类模型不只适用于虚拟场景，也能服务物理AI系统的感知、预测和行动规划。