ChatGPT能写十四行诗,能背出量子力学公式,却答不好一个三岁小孩都懂的问题:一个球从桌上滚下去,会往哪个方向弹。这不是段子,是大语言模型目前公认的短板——它们吃的是互联网文本,练出来的是语言和知识,唯独没学会东西在空间和时间里怎么真实运动。这道坎,业内叫它通向AGI的最后一段路。
7月8日,TechCrunch的播客节目里,一家estimated 23亿美元估值、刚拿到3.2亿美元融资的创业公司抛出一个答案:游戏数据比互联网数据更适合训练这种物理直觉。投资方名单不小,Coatue、Eric Schmidt都在里面,MIT和Google DeepMind的研究者也参与了进来。但这段访谈本身没讲清楚一件更关键的事:提出这个论点的人是谁,他的公司凭什么有资格这么说。
这家公司不是凭空冒出来的
答案是Pim de Witte,公司叫General Intuition。查完背景才发现,它不是又一家从零开始的AI实验室,而是从游戏集锦和直播平台Medal TV分拆出来的。
Medal TV原本做的是游戏玩家的高光时刻录制和分享,用户上传、剪辑、传播自己的操作片段,是典型的游戏UGC生意。这类平台过去几年一直在跟录屏、素材库、创作者变现打交道,跟"训练AGI"离得很远。
现在这条路径倒过来了:平台上海量的游戏录像,被重新看成一种资产——玩家操作、画面反馈、目标达成的完整序列,天然自带因果标注,不需要额外打标签。这才是这次融资背后真正值得记一笔的信息,而不是"游戏数据打败互联网数据"这句听起来像创业公司自我推销的口号。
互联网文本为什么带不动物理世界
世界模型这个概念这两年被反复提起,DeepMind、Meta、Nvidia都在往这个方向试探,思路大同小异:光靠文本练不出空间推理,得喂视频、模拟环境或者机器人真实交互产生的数据。
问题是这类数据采集成本极高。机器人跑一遍真实场景,费时费钱;互联网文本又快要被抓干净,版权纠纷一茬接一茬。游戏数据卡在中间的位置——它比真实世界数据便宜太多,又比纯文本多了一层空间和物理反馈,采集规模还能靠平台的用户体量往上堆。
这也是General Intuition这类公司故事能讲通的地方:不是凭空发明了新数据源,是把游戏行业早就攒下的UGC存量,重新定价成AI训练燃料。
虚拟物理和真实世界,隔着一层没人捅破的窗户纸
游戏练得出手速,练不出物理直觉。
这句话是这次论证里最容易被跳过的部分。游戏画面里的"物理"是引擎写死的简化规则,重力、碰撞、摩擦都是程序员调出来的参数,跟真实世界的物理规律终究不是一回事。这种能力能不能迁移到机器人、自动驾驶这类真实物理任务上,业内争了很久,至今没有公开可验证的实验把这条链条完整跑通。
- 风险.目前公开材料里没有论文或测试数据证明"游戏数据训练出的模型"在物理理解上确实优于文本模型,这个论断眼下更像是叙事,不是结论。
还有一层没被摆到台面上的问题:Medal TV分拆出General Intuition的时候,平台上那些玩家自己录制、上传的游戏画面,版权和授权到底怎么划的?玩家上传集锦是为了给别人看操作,不是签字同意自己的数据去训练商业AI模型。这条授权链条要是没理顺,后面迟早会跟游戏公司或者玩家社区起摩擦。
谁该盯着这件事
对OpenAI、Anthropic这类以文本数据为主的大模型公司来说,如果游戏数据真被证明能补上物理理解的短板,过去靠文本数据规模建起来的护城河就会被绕开一部分。对游戏公司和直播平台来说,自己手里的用户录像第一次有了明确的资产价格,但也第一次要正面回答数据授权归谁的问题。对机器人和具身智能创业公司来说,游戏模拟数据要是能验证有效,会是比真实机器人采集便宜得多的替代方案。
接下来值得盯的,不是这家公司又融了多少钱,而是有没有公开的模型或论文,把"游戏数据训练出的物理理解能力"和真实世界任务连起来做一次实测。天下熙熙,皆为利来,估值和投资人名单能讲一个好故事,但AGI这道坎,终究得靠一次拿得出手的实验来迈过去。