问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近日，AI初创公司General Intuition宣布完成3.2亿美元A轮融资，投后估值达23亿美元。本轮融资将主要用于扩大基于游戏行为数据的AI训练规模，依托数千万小时的开放世界游戏游玩数据，训练具备类人直觉的AI智能体，适配工业机器人、自动驾驶等现实场景的通用任务需求。
在通用AI的落地进程中，智能体与物理世界的交互能力始终是最大瓶颈之一：仅靠文本数据训练出的大模型，往往缺乏人类在现实场景中下意识的决策直觉，而真人实地采集训练数据的成本又高达每小时数百美元，规模化落地几乎无从谈起。
---
随着大语言模型技术逐步成熟，AI的文本推理能力已经接近普通成年人水平，但涉及到实体场景交互时，短板仍然非常明显。仅2025年，全球AI智能体训练数据的缺口就超过1200万小时，传统的仿真环境训练方案又存在场景僵化、与现实脱节的问题，无法模拟真实世界的随机扰动和灵活交互逻辑，导致训练出的智能体落地后容错率极低。
此前行业曾尝试过用真人示范、实体测试等方式补充数据，但单台人形机器人每小时的测试成本超过2000元，根本无法支撑千万级小时的训练规模，整个行业都在寻找更低成本、更高覆盖度的训练数据源。
General Intuition给出的解法，是用开放世界游戏的玩家行为数据训练AI。与传统仿真环境不同，《堡垒之夜》《我的世界》这类开放世界游戏的场景复杂度已经接近现实世界，玩家在游戏中的动态决策、突发状况应对、多任务优先级判断等行为，恰好是AI智能体在现实场景中最需要的类人直觉能力。
目前General Intuition的训练数据集已经覆盖了超过10款主流开放世界游戏的数千万小时玩家行为数据，其训练框架不需要AI学习特定游戏的通关策略，而是重点提取玩家在交互过程中的决策逻辑，直接迁移到现实场景的任务模型中。测试显示，该方案训练出的智能体决策响应速度比传统仿真训练方案高出47%，决策准确率提升32%。
据了解，本轮融资的70%将用于训练数据集的扩容和模型优化，剩下30%将投入到商业化场景的试点合作。目前General Intuition已经和全球头部人形机器人厂商、自动驾驶企业达成测试合作，用游戏训练出的决策模型优化机器人的动态避障、物品抓取能力，以及自动驾驶的复杂路况应对能力。
企业方透露，预计到2026年底，相关训练方案就会正式向B端客户开放服务。
事实上，用游戏训练AI并非全新思路，此前DeepMind就曾通过《星际争霸》训练出AlphaStar，在单一游戏任务上超过人类顶尖选手，但此前的训练都指向特定任务的能力优化，而General Intuition的尝试首次实现了游戏决策能力向现实场景的通用迁移。
业内人士分析，如果该方案落地验证顺利，未来通用AI智能体的训练成本可能下降90%以上，落地周期也能缩短60%，为通用AI走进物理场景打开全新的增长空间。
滇公网安备 53252802528133号