具身智能稀缺的數據，可能藏在這個游戲手柄里？

游戲錄屏平臺 Medal 掌握的數十億條玩家操作記錄，正成為機器人模型訓練的核心數據。

Medal 創始人皮姆·德·維特（Pim de Witte）透露，2024 年底，OpenAI 曾提出用 5 億美元收購 Medal，但皮姆最終拒絕了這筆交易。

或許是受到 OpenAI 的啟示，2025 年 10 月，皮姆親自下場，創辦了機器人模型公司 General Intuition，并獲得 1.337 億美元種子輪融資。2026 年 6 月，這家只有 25 位員工的公司宣布完成 3.2 億美元 A 輪融資，杰夫·貝索斯（Jeff Bezos）等人參投，公司估值達到 23 億美元。

截至目前，公司的少數客戶分布在游戲、仿真和機器人三個領域，據稱 2025 年總計獲得約 4,000 萬美元收入。

游戲錄像，也可以是具身智能預訓練的燃料

General Intuition 被看好的根源，正來自 Medal。

在電子競技社區，玩家總會樂于分享自己的“高光時刻”。瞅準這一需求，皮姆于 2018 年創辦了游戲錄屏分享平臺 Medal。

玩家在打游戲時順手按個熱鍵，即可將前幾秒的游戲畫面剪成短片，保存并發布。平臺目前在全球擁有 1,700 萬月活躍用戶，每年上傳約 20 億條來自上千款游戲的游玩片段。

（來源：X@gen_intuition）

與大多數從第三人稱視角記錄的游戲視頻不同，Medal 上的視頻不止包含酷炫的視覺設計和過場動畫，還有玩家的具體操作。

按照皮姆的說法，數十億條帶按鍵標注的游戲數據，組成了一個龐大的“意圖-動作”數據庫。所有能被游戲手柄和鍵鼠控制的事物，模型都能學會，進而驅動機器人在真實環境中實現目標。

這種能力無關身體形態，有望拓展至四足機器人的關節控制信號、無人機的姿態調整信號，以及自動駕駛汽車的方向盤和油門等。

一款專注服務游戲社區的工具，由此成為 General Intuition 的數據基座。

（來源：General Intuition）

為機器人模型提供物理直覺的新來源

具身智能領域的主流模型是視覺-語言-動作模型（VLA），其基本邏輯是：用自然語言告訴機器人要做什么，模型結合視覺觀察和語言指令，輸出對應的動作序列。VLA 的預訓練基礎是視覺-語言大模型，再針對真實機器人操作數據進行微調。

但 VLA 模型的物理直覺一直是個短板，執行任務時，模型無法對周遭世界建立正確的物理規律認識，機器人就無法準確行動或實現交互。

對于這一問題，不同公司有不同的解法。

在 VLA 路線內部，Physical Intelligence 借助人類示范，直接采集機器人在真實世界中執行任務的操作數據，認為機器人模型必須在真實世界中學習；Skild AI 同時收集人類活動視頻和物理引擎模擬得到的仿真數據。

General Intuition 推出的動作模型直接繞開了 VLA：不依賴語言指令，模型直接從視覺場景中自主判斷下一步行動，并輸出適配具體機器人的原生控制信號。

該策略的理論基礎是將游戲錄像的視覺幀和玩家操作統一編碼為可預測序列，用處理語言的方式處理游戲交互。與語言模型預測下一個詞類似，動作模型預測的是下一步動作。

訓練動作模型時，Medal 的游戲錄像用來做基礎預訓練，游戲設備產生的操作數據代替了傳統的語言指令或動作示范，讓模型掌握與真實世界交互的基本規律。

General Intuition 還為模型構建了“訓練場”（the gym），利用世界模型逐幀生成近乎無限的仿真環境，具備初步交互能力的動作模型智能體（agent）在其中自主探索，以此實現能力的規模化擴展。

演示顯示，General Intuition 構建的 AI 智能體已在一個類《堡壘之夜》的游戲中連續玩了 100 小時。而與其共用一個基礎模型的大型四足機器人，依賴一只攝像頭充當單眼，再加上戶外真實世界中采集的 8 分鐘微調數據，即可自主探索完全沒見過的室內環境，只是偶爾會撞上垃圾桶或剮蹭椅子腿。

Medal 的數據不夠全怎么辦？

AlphaGo Zero 早已證明，在圍棋等規則封閉、目標明確的領域，AI 通過自我對弈掌握的技能足以超越人類。因此，對于動作模型，只要它的虛擬“訓練場”夠強大，也就不再需要人類數據了？

答案可能是否定的，領投 General Intuition 種子輪和 A 輪的維諾德·科斯拉（Vinod Khosla）強調，Medal 上的視頻記錄能提供一類特殊的“人類反應數據”，即玩家在游戲中面對突發意外時的本能選擇。作為一種從數億年生物進化和數十年個人經驗中產生的先驗，人類的即時反應可能是 AI 在短期內難以自主涌現的能力。

不過，在 Medal 的熱度榜單中，前十名幾乎全是第一人稱（FPS）或第三人稱（TPS）的射擊類游戲以及競技類游戲。這些游戲更看重導航、瞄準、走位，模擬駕駛、飛行或物理解謎相關的游戲數據不夠多，訓練數據的多元性存在局限。

為解決這一問題，General Intuition 推出了眾包平臺 Nerve，讓玩家用自己的游戲設備賺錢。Nerve 可以按需主動補齊數據缺口，不用“坐等”現有數據覆蓋所有場景。無需重新設計游戲或改變操作習慣，用戶就能完成基礎的數據標注，甚至是遠程操控機器人等復雜任務。

General Intuition 還有一類特殊的數據來源。皮姆稱，他們會根據客戶“能否提供對研究有價值的真實世界數據”，優先選擇合作對象。比如能提供有趣、有用、能推動研究進展的真實世界數據的客戶；以及團隊組織靈活、能作為深度合作伙伴共同學習的公司。

按照 General Intuition 的思路，客戶是 API 的購買者，也是數據供應商。相比之下，多數以 API 形式提供 AI 服務的公司，在商業化階段都會明確承諾，不使用客戶輸入的數據來訓練自己的模型，或者至少提供退出選項。

這種不同尋常的安排有其合理性：在具身智能領域，真實世界的多形態數據極度稀缺。四足機器人、無人機、工廠機械臂，以及自動駕駛等場景都需要專門的數據采集設施和大量投入。要想全覆蓋，成本難以想象。

而和不同領域的機器人公司合作，General Intuition 可以直接從客戶手中拿到不同形態的數據反饋，以此反哺基礎模型。對數據敏感的大客戶來說，這種安排可能會成為障礙。但對于一些早期機器人公司而言，“用數據換一個越來越強的基礎模型 API”，比從零訓練更劃算。

要當具身智能領域的下一個 OpenAI

皮姆希望，General Intuition 可以成為具身智能領域的 OpenAI，他們也確實正沿著這一路徑前行。

圖 | 皮姆·德·維特（來源：X@PimDeWitte）

OpenAI 以非營利研究機構起家，2015 年成立時的使命宣言是“以最有可能造福全人類的方式推進數字智能的發展”。為了融資和吸引頂級人才，2019 年設立了具有利潤上限的營利實體架構，此后經過多次調整，2024 年一度提出徹底轉型為普通營利公司，引發巨大爭議。

General Intuition 目前的架構同樣是公益公司（Public Benefit Corporation），一種要求企業在追求利潤的同時必須考慮更廣泛社會影響的法律實體。

公司有意避開硅谷的 AI 創業氛圍，將知識產權和數據放在荷蘭，團隊大部分成員分布在紐約、日內瓦、巴黎、倫敦等世界各地，皮姆本人聲稱，“找不到任何待在硅谷的理由”。

General Intuition 的價值觀承諾是明確不做致命自主武器系統，這源于皮姆本人在人道主義領域的工作履歷，此外，首席幕僚布里安娜·馬丁（Brianna Martin）曾公開辭去在國防 AI 公司 Palantir 的職務，抗議后者與美國移民與海關執法局（ICE）的合作。

只不過，OpenAI 在規模化過程中遭遇的選擇與搖擺，對 General Intuition 來說，或許只是時間問題。

不容忽視的問題

維諾德曾給出判斷，General Intuition 與 Medal 的專有數據位置將使其成為一次“世代級的賭注”。無論如何，公司都該獨立走下去。

然而，General Intuition 的發展依舊存在一些不容忽視的問題。用于演示的四足機器人，默認模式是漫無目的地“探索”。這雖然證實了動作模型具備自主導航能力，但在真實落地場景，具身智能的應用不可能止于導航，能否根據指令完成任務才是檢驗標準。目前，General Intuition 并未介紹其模型在具體任務表現上的進展。

而且，不同場景對應的具體交互方式需要細分：工廠場景的抓取，倉儲場景的分揀，家庭場景在柔軟、易碎、不規則的物體上精細操作，這要求模型必須具備力度控制、材質感知、形變預判等能力。截至目前，公司同樣沒有公開展示精細操作的案例。

游戲數據在具身智能的物理交互方面雖然有巨大潛力，但從導航到操作的跨度，可能比從游戲到導航更大。

據此，除非 General Intuition 能為不同場景的機器人“量身打造”一套游戲規則，否則，動作模型大概率將成為機器人模型中的一層，類似于人的運動神經和空間直覺，為機器人提供在物理環境中移動和交互的底層能力，執行層面依然由 VLA 模型等具備任務規劃能力的模塊完成。

（來源：General Intuition）

再者，General Intuition與企業公司的合作模式無法擺脫結構性利益沖突。例如，客戶向基礎模型公司上傳數據，模型卻同時服務其競爭對手。此時，客戶貢獻的數據越獨特、越有價值，被通用模型吸收后，反而有利于對手的發展。

當客戶的專有經驗變成公共能力的一部分，誰為潛在的泄露風險和損失買單？General Intuition 目前同樣沒有回應過這個問題。早期市場的矛盾雖不尖銳，一旦賽道成熟、客戶之間開始直面競爭，數據管道的混雜將產生諸多麻煩和糾紛。

2026 年夏末，General Intuition 將向更多客戶開放 API，借此機會我們可以觀望，這個龐大的游戲操作記錄庫，究竟能否教會機器在物理世界中可靠地執行任務。

參考內容：

https://www.generalintuition.com/

https://techcrunch.com/2026/06/25/general-intuitions-2-3b-bet-that-video-games-can-train-ai-agents-for-the-real-world/

https://www.coreweave.com/resources/case-studies/general-intuition-scales-world-model-training-with-coreweave-arena

https://medal.tv/games

注：封面/首圖由 AI 輔助生成