General Intuition 押注游戏数据：用虚拟世界训练通往 AGI 的空间智能

围绕通用人工智能（AGI）的实现路径，大语言模型长期被视为最具潜力的方向，但一家名为 General Intuition 的初创公司提出了不同判断：在文本任务上表现出色的 ChatGPT、Claude 等模型，仍缺乏对物体如何在空间与时间中运动的理解能力，而这恰恰是从「狭义智能」迈向「通用智能」所必需的基础能力。该公司认为，这一缺口或许可以由游戏数据来填补。

为什么选择游戏而非互联网

General Intuition 团队的核心观点是，视频游戏中包含大量经过设计、富含物理规律与因果关系的交互场景。与互联网上的网页文本相比，游戏环境天然具备结构化的空间信息、时间序列和动作反馈，被认为更适合用于训练模型对物理世界的直觉。该公司 CEO 在接受采访时表示，互联网文本虽然规模庞大，但大多是离散的文字片段，难以承载连续的时空推理信号。

对当前大模型能力边界的判断

这一观点实际上呼应了近年来业界对纯文本路线的反思。即便 OpenAI、Anthropic 等公司持续推进模型规模与推理能力，仅靠语言建模仍难以让 AI 真正「理解」三维空间中的物体运动和交互。游戏数据被认为可以提供一种低成本、可规模化的替代方案，用来弥补模型在视觉—物理推理上的不足。

尚待验证的路径

需要指出的是，截至目前，General Intuition 尚未公布具体的技术路线、模型规模或 benchmark 表现，其核心论点仍处于战略假设阶段。游戏数据能否真正成为通往 AGI 的关键燃料，仍有待后续研究与公开发布的成果来验证。