General Intuition 融 $320M：遊戲數據點解忽然變 AI agent 訓練場
遊戲操作紀錄點樣變成 action model 訓練數據
融資背後嘅賭注
General Intuition 呢輪新聞，表面係一間新 AI lab 融到大錢：TechCrunch 報道，佢喺 2026 年 6 月 25 日公布 $320M Series A，估值 $2.3B，總公開融資去到 $454M；Khosla Ventures 領投，General Catalyst、Jeff Bezos、Eric Schmidt、Nico Rosberg，同 Google DeepMind、MIT 研究人員都有份。錢大部分會擺去 compute，仲有 CoreWeave 合作，API 目標係 2026 年夏季尾前擴大開放。呢個估值反映嘅係一個好進取嘅假設，收入暫時反而唔係重點：遊戲入面嘅人類操作，可以幫 AI agent 學識點樣喺空間同時間入面做決定。
圖片：General Intuition
遊戲片值錢喺 action labels
General Intuition 由 Medal spin out 出嚟，Medal 本身係 gameplay clip 平台。TechCrunch 舊年報道過，Medal 每年有約 2 billion 段影片上載、月活大約 10 million；今次原文就講到，General Intuition 初始訓練用咗數以億計小時嘅 gameplay。呢度真正值錢嘅位，係片唔止有畫面，仲有玩家按咩掣、幾時按、按完畫面點變。普通影片可以教模型「世界望落係點」，但 action labels 可以教佢「我郁一郁，世界會點回應」。對 agent 來講，呢種 state、action、outcome 配對，乾淨過淨係睇 YouTube 或 Twitch 片好多。
圖片：General Intuition
點解而家先熱起
AI agent 呢兩年由 coding agent 先爆起，原因好簡單：寫 code 有 repo、有 test、有錯誤訊息，agent 做錯可以返轉頭改。去到 GUI、機械人、drone，件事難好多；每一步都牽涉位置、速度、遮擋、延遲、撞唔撞嘢。World model 嘅賣點就係先喺模型入面試好多可能，再揀成本較低嗰條路。Google DeepMind 將 Genie 3 定位為可以用文字生成、即時探索嘅互動世界；NVIDIA Cosmos 同 Isaac Sim 就分別主攻 physical AI world model、synthetic data 同機械人模擬訓練。呢啲路線用途同成熟度唔同，未必可以同 General Intuition 直接比較。General Intuition 嘅重點係遊戲天生有控制輸入，gamepad、keyboard、mouse 同好多機械人、drone 控制方式有相似地方，所以 gameplay action data 先會突然變得值錢。
圖片：General Intuition
遊戲去現實，中間仲有好大段
TechCrunch 今次睇到 General Intuition 用同一個「brain」跑 Fortnite 類場景同四足機械人，又引述公司人員話，四足機械人只用八分鐘 real-world robotics data fine-tune，資料仲係喺街收集，唔係辦公室。不過原文都寫得幾清楚：機械人仍然會撞椅腳同垃圾桶，demo 睇落有趣，距離大規模穩定部署仲好遠。遊戲資料嘅限制亦好明顯，遊戲物理有規則、有重來機會、失敗成本低；現實世界有爛地、反光、sensor noise、連線延遲，同撞一下就可能要維修嘅硬件。General Intuition 真正要證明嘅，係由 action labels 學到嘅「直覺」會唔會跨得過呢條 gap。
對開發者同遊戲業有咩意思
呢件事對開發者、遊戲公司同做自動化嘅企業都值得留意：下一批 agent 工具如果要由 chat box 走去操作軟件、控制設備、調度倉庫或測試工廠 digital twin，最缺嘅可能係大量乾淨嘅「意圖、操作、結果」紀錄。遊戲公司手上嘅 gameplay telemetry、clip、replay 檔，以前多數用嚟做平衡同防作弊，而家可能變成 AI 訓練資產；同時亦要認真處理玩家授權、分帳同私隱。General Intuition 推 Nerve，畀玩家由 data labeling 開始賺錢，之後可能去到 robot teleoperation，呢個方向就係想令原本嘅玩家行為變成可持續數據供應。
下一步睇乜
General Intuition 而家嘅優勢，係佢揀咗一個 LLM 巨頭未必即刻複製到嘅數據位：有畫面、有操作、有結果，仲有玩家源源咁上載。不過估值已經去到 $2.3B，市場而家買嘅主要係未來想像，唔係已經有成熟收入或穩定部署。接住要睇 API 開放後有幾多 gaming、simulation、robotics 客戶真係用到；其次係有冇第三方 benchmark 證明模型喺陌生環境、長時間任務同硬件控制上穩定。如果模型搬唔到去陌生環境，遊戲片再多都只係訓練素材。
參考來源
- TechCrunch — General Intuition’s $2.3B bet that video games can train AI agents for the real world — original report
- General Intuition official site — 官方頁，核對 Series A、action-labeled video datasets、Medal 數據定位。
- General Intuition lands $134M seed to teach agents spatial reasoning using video game clips — 背景，核對 spin-out、Medal 每年 2 billion 影片、月活 10 million、早期 seed round。
- Genie 3: A new frontier for world models — 背景，對照 Google DeepMind world model 生成互動環境嘅方向。
- Genie: Generative Interactive Environments — 研究背景，核對 Genie 用未標註影片學 action-controllable worlds。
- NVIDIA Cosmos — 背景，對照 NVIDIA 用 world foundation models 訓練 physical AI 嘅路線。
- NVIDIA Isaac Sim — 背景，核對機械人模擬同 synthetic data 訓練方向。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
