物理AI底座戰爭：美國公司General Intuition用游戲錄像訓練機器人，估值23億美元

本文來自微信公眾號： 潮涌AI ，作者：潮涌AI編輯部

2026年7月，美國紐約又誕生了一家獨角獸。

不是做ChatGPT的，不是做自動駕駛的，是做“機器人大腦”的。

General Intuition（中譯：通用直覺），一家成立未滿一年、總部位于紐約的公司，6月，其剛完成3.2億A輪美元融資，估值23億美元。領投方是Vinod Khosla——就是那個早年投了OpenAI、如今押注物理AI的硅谷老炮。

這輪融資本身并不稀奇。稀奇的是它的核心主張：

訓練機器人，不需要百萬小時真實數據。幾百萬小時游戲錄像，就夠了。

從“采集數據”到“生成直覺”

傳統機器人訓練的套路，特斯拉走得很典型：

車隊上街跑，攝像頭錄，人工標，回爐訓。

據electrek報道，特斯拉更新的安全數據頁面顯示，其監督版全自動駕駛（FSD）車隊累計行駛總里程已突破100億英里。花了多少錢？沒人知道，但肯定是個天文數字。

波士頓動力的Atlas、Figure的Figure01，走的都是這條路：先搞硬件，再堆數據，慢慢磨。

Pim deWitte說這全錯了。

GeneralIntuition CEO Pim deWitte
圖源：TechCrunch

“很多公司現在做大量專門的工作，專注于單個具身、單個環境、單個機器人。”

他在TechCrunch的Equity播客里說道：“這些工作很快會變得多余。”

他的替代方案是什么？

讓AI在人類玩游戲的幾百萬小時錄像里，學習“物理直覺”。

1、游戲數據里藏著什么？

答案：空間感、時間感、因果關系。

當你玩《塞爾達傳說》時，你的大腦在做什么？判斷距離、預測落點、規劃路徑、調整力度。這些不是抽象的數學計算，而是人類進化了幾百萬年的“物理直覺”。

General Intuition做的事，就是把這種直覺“蒸餾”成模型。

他們訓練的數據包括：游戲畫面、手柄按鍵記錄、角色運動軌跡。模型學到的不是“怎么玩這個游戲”，而是“物體在空間里怎么動”。

結果是：這個模型既能連續玩幾小時游戲，也能驅動真實的四足機器人。

公司聲稱，真實機器人數據只需要8分鐘微調。

用來訓練的游戲錄像
圖源：General Intuition

但這個數字需要打幾個問號：

第一，8分鐘只在特定場景驗證。辦公室環境相對結構化，如果換成建筑工地、野外救援、家庭廚房，模型還能不能奏效？公司沒有公布更多測試數據。

第二，8分鐘是“微調”不是“從零訓練”。基礎模型本身是用幾百萬小時游戲數據訓出來的，這個成本沒有披露。

第三，這是公司單方面聲稱，沒有第三方獨立驗證。在物理AI這個“演示容易、量產難”的領域，謹慎對待所有“突破式”數據是必要的。

2、游戲數據的邊界在哪里？

這個數字如果屬實，意味著兩件事：

第一，機器人訓練成本可能斷崖式下降。

第二，數據壁壘這個護城河，可能不存在了。

de Witte的演示是：僅用8分鐘真實機器人數據微調，模型就能讓四足機器人在辦公室環境里導航。

沒有激光雷達，沒有深度攝像頭，只有一個前視攝像頭。

零樣本，動態障礙物，人來來往往。

“這讓我們非常驚訝，”de Witte說，“我認為這是即將到來的跡象。”

Khosla為什么敢押23億？

VinodKhosla不是第一次賭大的。

1982年他聯合創立了Sun Microsystems，2019年他作為首位機構投資者押了OpenAI。

現在他押物理AI。

KhoslaVentures今年以來在機器人、物理AI領域至少投了5家公司，GeneralIntuition是最大的一筆。

他看中的是什么？

GeneralIntuition的終局不是造機器人，而是造“機器人大腦”——一個通用基礎模型，供所有機器人公司調用。

deWitte的原話：“我們不會去造自動駕駛汽車公司。我們要讓下一個人造自動駕駛汽車公司時，容易10倍。”

圖源：General Intuition

這個定位很熟悉。

2008年，Android也不做手機，它做操作系統。

2023年，OpenAI也不做應用，它做API。

問題在于：物理AI的基礎模型，真的存在嗎？

業內對“通用物理模型”的質疑從來沒停過。

一個核心反對意見：游戲世界是確定性的，真實世界是隨機的。

游戲里物體運動遵循固定物理引擎，而現實里有風、有摩擦、有不可預測的人類行為。從虛擬到現實的鴻溝，被稱為“Sim-to-Real Gap”，至今沒有公司能完全跨過。

還有一個更尖銳的問題：如果游戲數據真的這么管用，為什么NVIDIA、Google、Meta沒這么做？

這些公司有算力、有數據、有游戲部門（NVIDIA的Omniverse、Google的DeepMind、Meta的RealityLabs），他們為什么還在投仿真平臺和真實數據采集？

可能的答案：游戲數據是起點，不是終點。

從投資角度，General Intuition的估值邏輯有兩個支點：

支點一：如果物理AI基礎模型真的存在，先發者將享受網絡效應。就像GPT-3之后OpenAI的統治地位。

支點二：如果物理AI基礎模型不存在，這家公司可能一文不值。

這是一個典型的“winner-take-all”賭注。

KhoslaVentures的風格就是賭這種：要么歸零，要么翻十倍。

目前市場看到的積極信號——

• 3.2億美元融資，賬上現金充裕

• 已有實際演示（四足機器人零樣本導航）

• 團隊背景未完全披露，但Khosla通常只投頂級技術團隊

風險信號——

• 成立不到一年，沒有公開客戶

• 8分鐘微調只在辦公室環境驗證，泛化能力未知

• 沒有開源模型或API，生態建設為零

• 競爭者在逼近：NVIDIAHalos for Robotics已有超過40家生態伙伴，Figure、1X等也在探索通用模型

中國物理AI產業的站位：底座能做，但要認清現實

General Intuition的路徑揭示了一個關鍵事實：物理AI的底座層正在形成，而這場競賽才剛剛開始。

對中國來說，問題不是“能不能做底座”，而是“以什么方式、在什么時間點、投入多少資源做底座”。

1、三條路徑，三種選擇

中國物理AI產業目前有三類玩家在探索：

第一類：場景驅動派。

第二類：仿真平臺派。

第三類：基礎模型派。

智元機器人、星動紀元、逐際動力等初創公司，以及百度、華為、字節等大廠——這些玩家在做的事情最接近General Intuition：試圖構建通用的物理AI能力。但面臨的現實是：算力受限、資本密度不足、技術代差存在。

2、做底座的現實條件

中國做物理AI底座，不是不可能，但要認清三個現實：

第一，算力是硬約束。

訓練一個跨場景泛化的物理基礎模型，算力需求可能接近大語言模型級別。國內芯片（H20性能約為H100的15%）意味著同樣的訓練任務，成本是海外的5-10倍。這個差距短期內無法消除，所以中國公司需要更聰明地訓練——用更少的算力做更多的事，或者避開“從頭訓練”，專注“微調+適配”。

第二，資本密度不夠。

General Intuition一輪拿3.2億美元，估值23億美元。這種級別的融資在國內一級市場越來越困難。但換個角度看，中國不需要復制硅谷的“燒錢路線”。華為昇騰、寒武紀的芯片已經在部分場景可用，DeepSeek證明了“低成本訓練”的可能性。中國路徑可能是“用工程效率彌補算力差距”。

第三，技術代差存在，但不是不可逾越。

NVIDIA Halos已有超過40家生態伙伴，Google Gemini Robotics在推進，OpenAI有機器人團隊——海外確實領先。但物理AI是2024-2025年才熱起來的賽道，所有人都在起跑線附近。NVIDIA的優勢是GPU生態，不是物理模型本身。如果中國能在特定場景（如工業制造、物流倉儲）先跑通，形成數據-模型-應用的飛輪，完全有機會在垂直領域建立底座能力。

3、場景即底座

物理AI的底座，不一定是“一個模型打天下”。更可能的路徑是：在特定場景里，數據、模型、應用形成閉環，這個閉環本身就是底座。

所以，中國物理AI的出路，不是“要不要做底座”的二元選擇，而是“在哪里做底座”的戰略選擇：

• 在制造業場景做底座：中國制造業占全球30%，場景密度無人能比。

至于通用物理基礎模型——那個“通用的、跨場景的、像GPT一樣的大一統模型”——中國短期內大概率不是率先跑出來的。

但這不重要。

底座戰爭不是一場仗，而是多場仗。在海外巨頭爭奪“通用底座”的時候，中國公司可以在“垂直底座”上建立不可替代性。

底座戰爭在海外打，垂直底座在中國打。這才是符合比較優勢的分工。

潮涌AI的觀點

General Intuition的價值不在于它今天做到了什么，而在于它提出了一個值得驗證的命題：物理AI能不能像NLP一樣，從“專用模型”走向“通用基礎模型”。

2023年，沒人相信一個模型能同時寫代碼、寫詩、做法律分析。GPT-3之后，這成了常識。2026年，也沒人相信一個模型能同時玩游戲、開機器人、也許有一天能開車。但歷史告訴我們，通用化往往是技術革命的轉折點。

對中國企業來說，與其擔心“數據壁壘被顛覆”，不如關注兩個更實際的問題：

第一，游戲數據+物理直覺這個方向，國內有沒有公司在做？騰訊、網易、米哈游，手里握著全球最大的游戲數據池，他們有沒有技術團隊在做類似的事？如果答案是沒有，那這是一個空白。

最后，一個判斷——物理AI的競爭，2026年下半年將進入“基礎模型卡位戰”。General Intuition、NVIDIA、Google、特斯拉，甚至中國的頭部公司，都會在這個賽道上加碼。23億美元估值是不是泡沫，12個月后見分曉。

但有一點是確定的：誰能在“通用物理直覺”上先跑通，誰就能定義下一代機器人的操作系統。

而這個操作系統，可能比Windows+Android加起來還大。

本文編譯自TechCrunch《General Intuition聲稱只需8分鐘真實數據微調，但物理AI“通用基礎模型”真的存在嗎？》，并在此基礎上改寫，觀點代表潮涌AI立場，不構成投資建議。

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4875607.html?f=wyxwapp