用游戏录像训练机器人，General Intuition两个月估值翻至60亿美元

事件概述

General Intuition 成立于2025年10月，由游戏录像平台 Medal 拆分而来。2026年6月完成3.2亿美元A轮融资，投后估值23亿美元；8月21日《华尔街日报》披露其新一轮融资估值将超过60亿美元，不到60天涨幅约1.6倍。

技术路线：世界模型+动作模型

General Intuition 将模型拆为世界模型和动作模型：世界模型预测动作后果，相当于神经网络模拟器；动作模型根据观察决定下一步动作，相当于在模拟器中训练的智能体。公司计划对外出售预训练动作模型及 API，而不是做游戏生成产品。

创始团队此前主导了相关研究：

• IRIS（2022）：在 Atari 100k 基准上平均人类归一化得分 1.046，证明智能体可以在世界模型生成的“想象”中训练。
• DIAMOND：用扩散模型生成环境后续画面，将平均人类归一化得分提升至 1.46，入选 NeurIPS 2024 Spotlight。
• MIRA（2026年7月，与 Kyutai、Epic Games 合作）：用约10000小时《Rocket League》2V2 比赛训练，由50亿参数扩散 Transformer 和6亿参数视频表征编解码器组成，可在单块 Nvidia B200 上以每秒20帧生成四名玩家同步视角，且不读取游戏引擎物理规则。

机器人验证与局限

演示中，金毛犬大小的四足机器人仅凭前置摄像头感知环境，模型以每秒10次频率输出动作，可在办公室绕开人和穿行走廊，也会撞到椅子腿；团队只补充了8分钟采集自楼下街道的真实数据，用于适配机器狗，而非办公室数据。

但这一演示尚未公开完整证据：没有论文说明游戏模型如何映射到机器人控制空间，也没有披露导航成功率、碰撞率、测试路线长度和对照实验。MIRA 的训练数据来自 Nexto 游戏机器人自我对战，而非 Medal 人类玩家，且仍会在训练分布外出错，例如物体被遮挡后消失、异常位置导致画面崩溃。这些在游戏中是视觉故障，在真实世界可能变成碰撞或设备损坏。

《华尔街日报》指出，这一路线更适合四足、轮式和飞行设备，尚不能覆盖多数双足人形机器人。

估值逻辑与风险

General Intuition 尚未公布收入、合同金额和部署规模，商业 API 原计划2026年夏末开放；3.2亿美元融资主要投入 CoreWeave 算力和下一代预训练。投资人看重的不是当前收入，而是“物理智能基础模型供应商”的可能性：如果语言模型的关键原料是文本，物理智能的关键原料可能是带动作的连续经验。General Intuition 拥有持续产生的私有游戏动作数据、经过验证的世界模型团队，以及不绑定具体机器人本体的横向商业空间。

这笔估值仍跑在能力前面。能否成立，最终取决于一组具体实验：游戏预训练能减少多少真机数据、能否跨四足/轮式/无人机/机械臂迁移、面对新环境和动作空间是否仍优于从头训练、长时间运行的碰撞和失控概率如何累积。