看《堡垒之夜》的游戏录像，也能训练AI？
没错，一家靠着海量游戏录像训练AI的公司General Intuition，刚刚完成3.2亿美元（约合人民币21.77亿元）融资。
本轮由科斯拉风投领投，General Catalyst、谷歌前董事长施密特、亚马逊创始人贝索斯跟投。
General Intuition公开披露的融资总额已达4.54亿美元，估值23亿美元。
游戏数据很值钱
General Intuition纽约办公室有一个很有画面感的场景：
屏幕上，一个AI智能体在类似《堡垒之夜》的游戏环境里连续运行。旁边，一台四足机器人在办公室里走动。而驱动游戏智能体和机器人的，是同一个"大脑"。
这个"大脑"不是从真实世界里一点点学出来的，而是先从游戏录像里学出来的。
这也是General Intuition能拿到大额融资的核心原因。它背后有一个别人很难复制的数据入口：游戏剪辑平台Medal。
Medal原本是给玩家上传、分享游戏高光时刻的平台。玩家在游戏里跳跃、转身、开枪、躲避、攀爬、撞墙、失败、反击，这些都被记录下来。
YouTube、X上有大量游戏视频。General Intuition看重的是另一层东西：动作标签。
也就是说，它不只知道画面发生了什么，还知道玩家在那一刻按了哪个键、移动了鼠标、做了什么操作。画面和动作同时存在，AI就能学习一个更接近真实行动的问题：在一个环境里，看到眼前这些东西，下一步应该怎么做。
这和大语言模型训练文本有点类似。
大语言模型从互联网文本里学习语言规律。它看了很多句子，知道一个词后面可能接什么词。General Intuition想做的，是让AI从游戏动作里学习行动规律。它看到一个角色面对墙壁、楼梯、敌人、障碍物、阴影变化，就要学会哪些动作有效，哪些动作无效。
General Intuition为什么能想到用游戏录像来训练AI？
这就得从创始人讲起。
OpenAI尝试5亿美元收购
General Intuition创始人Pim de Witte于1994年出生在荷兰，早年就和游戏关系很深。
他十几岁时曾通过搭建和运营一个私人Rune Scape服务器赚到150万美元。后来，他创办了Medal。这个平台的功能很简单：让玩家录制、上传和分享游戏里的精彩片段。
最初，这看起来是一门游戏社区生意。玩家要晒操作，平台要做分发，游戏公司要流量。可是到了AI时代，这些游戏片段突然有了新的价值。
因为AI行业正在遇到一个新问题：文本数据已经被大量使用，但机器人、无人机、自动驾驶、游戏智能体需要的不是文字，而是行动数据。
一个机器人要在仓库里绕开货架，不能只靠读几本说明书。一个无人机要进入灾害现场搜救，不能只靠看静态图片。一个游戏NPC要表现得像真人玩家，也不能只靠预设脚本。
它们都需要理解空间、时间和因果。
比如，前面有一堵墙，不能继续往前冲；楼梯可以上去；阴影变化意味着光源和时间在变化；对手突然从右侧出现，玩家应该转向、躲避或反击。这些判断，人类玩家每天在游戏里做无数次。Medal记录下来的，正是这些连续判断。
这就是General Intuition的数据壁垒。
Medal一年可产生数十亿级别的视频上传，覆盖大量游戏环境。更重要的是，这些数据不是单一场景，而是横跨不同游戏、不同地图、不同视角、不同操作方式。对训练AI来说，这种多样性很关键。
如果只在一个仿真环境里训练，AI很容易学会"应付考试"。它知道这个房间怎么走，知道这个地图的规则，却未必能迁移到新环境。General Intuition想利用游戏世界的多样性，让模型学到更底层的空间和行动规律。
OpenAI都关注到了Medal，曾尝试以5亿美元收购Medal。
Medal里的游戏行为数据记录了人类如何在虚拟环境里行动。对下一代AI来说，这可能比普通视频更有训练价值。
不到一年，融资30亿
General Intuition就是基于这个判断成立的。
2025年10月，它宣布完成1.337亿美元种子轮融资。不到一年后，又完成3.2亿美元A轮融资。这么短时间就募集了相当于30多亿人民币的资金。
目前，General Intuition团队约25人，Medal约65人。
一个团队还很小的AI实验室，能在短时间内连续融资，靠的不是收入规模，而是投资人相信它手里握着一种稀缺训练资源。
General Intuition的AI会先服务游戏行业。比如，今天很多游戏里的机器人玩家和NPC，仍然是脚本驱动的。它们看起来聪明，其实只是按照规则行动。玩家熟悉之后，很容易看出破绽。
General Intuition想做的，是让游戏角色在相同信息条件下行动。它看到的只是普通玩家能看到的画面，行动方式也和玩家类似。这样训练出来的AI，不是简单知道地图后台数据，而是像人一样根据屏幕画面做判断。更真实的NPC、更自然的陪练、更动态的游戏世界，都可能提升游戏体验。
不过，General Intuition真正想做的，不只是游戏。
它关注的是"spatial-temporal reasoning"，也就是空间-时间推理，AI要理解物体、人和环境如何随着时间变化。
这正是今天很多AI系统的短板。
一个模型可以描述画面里有桌子、门、椅子，却未必不知道自己往前走会撞到桌子，左转能绕过去，门把手需要先转动才能打开。
对机器人来说，这个差别非常关键。要让机器人更可靠，就需要它具备对环境变化的预测能力。
人形机器人、无人机、自动驾驶仿真系统，本质上都可以被抽象成"观察—判断—动作"的过程。游戏也是如此。玩家通过屏幕观察环境，通过键盘、鼠标、手柄发出动作。两者的形式不同，但底层结构接近。
General Intuition也已经开始尝试商业化。公开报道提到，公司已有一些来自游戏、仿真和机器人方向的客户，并计划扩大API可用范围。
General Intuition想做底层模型供应商。就像OpenAI和Anthropic提供大语言模型能力，让别人基于它们开发应用；General Intuition希望提供行动模型能力，让游戏公司、机器人公司、仿真公司基于它开发产品。
AI行业三大新趋势
General Intuition这轮融资反映了AI创业公司的新竞争逻辑。
*，数据重新变成核心资产。
大语言模型时代，互联网文本、代码、图片、视频都被大量使用。越往后，公开数据越不够用，优质、私有、带标签的数据越来越贵。General Intuition的特殊之处在于，它的数据不是简单"可观看"，而是"可学习动作"。
玩家每一次按键，都是一个动作标签。玩家每一次成功或失败，都是一个训练信号。对模型来说，这比只有画面的视频更有价值。
第二，算力仍然是*成本。
GamesBeat报道提到，Pim de Witte谈到融资用途时直接说，GPU很贵。General Intuition计划把大量资金用于扩大算力，并与CoreWeave有合作安排。对前沿模型公司来说，融资往往不是为了慢慢花，而是为了锁定算力窗口。
第三，AI开始向物理世界延伸。
如果说ChatGPT代表AI进入知识工作，那么General Intuition这类公司代表AI试图进入行动世界。
General Intuition的技术演示虽然引人注目，但还不能简单理解为商业化已经成熟。
游戏到仿真，再到真实世界的大规模迁移，还没有被完全证明。真实世界数据获取慢、成本高、风险大，仍然是整个行业的难题。General Intuition的赌注，是用游戏数据作为更便宜、更可扩展的预训练入口，然后再用少量真实数据做适配。
这个判断能否成立，还需要时间验证。
General Intuition也在试图处理另一个敏感问题：AI与游戏行业、劳动力、军事应用的关系。
游戏行业对AI一直很警惕。很多开发者担心AI会替代美术、设计、编剧和程序岗位。General Intuition公开表示，不做替代游戏开发者、设计师或艺术家的技术。
它还推出了Nerve平台，让玩家通过数据标注、远程操作等任务获得收入。这个安排既是数据飞轮，也是对游戏社区的一种安抚。
在军事应用上，Pim de Witte也划出边界。他表示不希望公司的智能体被用于伤害人类，但愿意用于搜索救援。
这一点和硅谷近年越来越积极拥抱国防科技的气氛并不完全一致，也让General Intuition有了更鲜明的公司性格。
