AI 公司 General Intuition 完成 3.2 亿美元 A 轮融资，估值 23 亿美元，用 Medal 平…
AI 公司 General Intuition 于 2026 年 6 月完成 3.2 亿美元 A 轮融资，估值达到 23 亿美元，由 Khosla Ventures 领投，Jeff Bezos、Eric Schmidt 以及来自 Google DeepMind 和 MIT 的研究人员参投。算上 2025 年 10 月启动时的 1.34 亿美元种子轮，公司累计融资已超过 4.54 亿美元。两年前，OpenAI 曾出价 5 亿美元试图收购其前身 Medal 游戏录像平台，被创始人 Pim de Witte 拒绝，如今公司估值已是当年报价的近五倍。
传统机器人 AI 训练面临两难：真实环境采集成本高、周期长；仿真器训练速度快，却存在「仿真与现实的差距」。General Intuition 的切入点是游戏录像，既不是纯仿真，也不等同于真实环境，但兼具二者特征。
Medal 平台积累了数十亿小时的游戏画面，关键在于这些画面并非普通录屏。每一帧都配对了人类玩家的实际操作——鼠标移动、按键操作、战略决策。模型从中学习的不只是角色在动，还有人类在那个时刻做出了什么判断。从《堡垒之夜》的第一视角穿越建筑，到《Apex 英雄》里快速识别地形并选择落点，这些场景天然包含大量空间推理信息，与真实世界机器人的核心需求高度重合。
创始人 de Witte 此前在接受采访时表达过对 LLM 路线的质疑：人类用文字描述世界时，会丢失大量信息；更接近感知层的数据才能让模型真正理解物理空间。
在纽约的发布活动中，General Intuition 展示了一项关键结果：他们用游戏数据预训练了一个空间推理模型，然后仅用 8 分钟的真实机器人运动数据做微调。这台在街道上采集数据的机器人，被放进一个它从未去过的室内办公室后，仍能正常导航。
8 分钟是这条技术路线的核心数字。传统方法需要在目标环境中反复采集大量数据，或依赖高精度仿真跑大量轮次；而游戏数据已经为模型建立了足够强的空间先验，使真实数据的微调量被大幅压缩。
不过演示到产品之间仍有距离。街道到室内办公室是一次受控演示，但复杂工业场景、光线变化、地面材质差异等能否被同等少量的真实数据桥接，目前尚无公开基准测试来验证。公司承诺将在 2026 年晚些时候发布公开评估结果。
General Intuition 的这轮融资并非孤立事件，而是 2026 年世界模型（World Model）赛道融资浪潮的一部分：
资本的一致判断是：下一阶段 AI 竞争的焦点不在语言，而在物理。General Intuition 在这波浪潮中拥有相对独特的护城河——Medal 多年积累的数十亿小时带意图的游戏录像，今天开始采集无法快速复制，这也是 OpenAI 当年愿意出 5 亿美元收购的原因。
公司透露新一轮融资大部分将用于算力扩容，并计划在 2026 年夏末向更多开发者开放 API。从封闭研发走向开放生态，是其从「有趣的研究项目」跨入「平台级公司」的关键一步，也是 23 亿美元估值能否持续兑现的真正考验。
游戏引擎（NVIDIA Isaac、Unity Robotics 等）早已在机器人仿真领域广泛应用，General Intuition 的差异在于：它拥有的是人类在游戏中带意图的行动痕迹，而非纯物理仿真输出。前者建立的更接近「本能」的能力，后者更接近「公式」。
de Witte 在播客中回应过游戏开发者的疑虑：训练 AI agent 的空间推理与游戏内容生成是两条不同赛道，游戏画面是原材料而非竞争对象。这条路线究竟能走多远，答案不在演示和估值里，而在夏末 API 开放之后，开发者用产品给出的反馈里。
