具身智能基础模型初创公司 General Intuition 宣布完成 3.2 亿美元融资，估值达 23 亿美元。该公司核心逻辑在于，机器人技术正迎来类似语言 AI 在 GPT-3 时期的转折点。

基础模型范式移植

General Intuition 认为，当前机器人行业仍停留在 " 前 GPT-3 时代 "，各家企业针对特定形态和环境独立开发，收集专有数据集。这种模式类似于 GPT-3 出现前的自然语言处理领域，效率低下且冗余。

该公司主张将基础模型范式引入机器人领域，通过通用基座模型进行下游微调以胜任多种任务。其核心价值在于模型本身的泛化能力，基于时空的基础推理能力有望大幅减少对海量真实世界数据的依赖。

游戏数据训练策略

该模型的训练数据源自大规模动作标注的游戏玩法，包括按键输入、时间节奏及屏幕反馈。依托 Medal 平台，公司获取玩家上传的游戏录像片段。此外，合作伙伴 Kyutai 和 Epic Games 共同开发的 MIRA 项目，是一个基于《火箭联盟》数据训练的多人在线实时可玩世界模型。

这一策略假设动作数据能教会机器时空推理能力，这是被动观看视频或阅读文本无法实现的。General Intuition 指出，当前 AI 虽 " 书本知识丰富 "，但需通过虚拟环境这种低成本试错的 " 街头智慧 " 补充实战经验。

八分钟微调验证

实证案例显示，完全基于游戏数据训练的模型，仅经 8 分钟真实机器人数据微调，便能驱动四足机器人运行。该机器人仅靠前置摄像头，在无额外传感器的情况下，成功在有人走动且动态引入物体的办公环境中操作。

若这种泛化能力在大规模应用中得以保持，波士顿动力、Figure、特斯拉、宇树科技等依靠积累真实世界数据构建护城河的企业，其优势将面临收窄风险。

平台化战略定位

General Intuition 明确不制造机器人，而是定位为赋能者，避免与硬件制造商直接竞争。目前，公司已向游戏、仿真和机器人领域的初始合作伙伴开放商业 API 接口。

此举对标 OpenAI 模式：掌握基础层即可从上层应用获取利润份额，使基础模型提供商成为 AI 栈中价值最高的层级。

未来关键挑战

该模式能否成立取决于两点：首先，游戏引擎中学到的时空推理能力能否顺利迁移至充满摩擦、延迟和噪声的物理世界，目前的演示尚不足以作为最终结论；其次，机器人采购方是否愿意像 NLP 团队依赖 GPT 那样，接受对第三方基础模型的依赖。

若理论在生产环境中得到验证，行业重心将从拥有专有数据的硬件制造商转移至掌握通用模型的公司，这一转变的价值远超 23 亿美元估值。

【星途科讯 图文丨赵晶 首发于 ZAKER 科技，转载请注明出处】