机器人领域突破：初创公司 General Intuition 试图用游戏数据开启物理 AI 的“ChatGPT 时刻”

人工智能领域正迎来从“数字智能”向“物理智能”跨越的关键节点。近日，人工智能初创公司 General Intuition 提出了一个大胆的假设：利用数以百万小时计的视频游戏数据，可以有效训练物理 AI（Physical AI）的基础模型，从而使机器人能够在极少依赖真实世界数据的情况下，更快地习得复杂的物理交互能力。

长期以来，机器人训练一直面临着“数据饥渴”的困境。与大语言模型可以通过抓取整个互联网的文本进行学习不同，机器人的训练高度依赖昂贵的实操数据，且在真实环境下采集数据不仅耗时、成本高昂，还潜藏着硬件损坏的风险。General Intuition 的核心逻辑在于，现代高保真游戏引擎（如 Unreal Engine 或 Unity）所构建的虚拟环境提供了极其精确的物理模拟。通过在模拟环境（Sim-to-Real）中进行海量迭代，AI 可以先在虚拟世界中“预演”数百万次动作，掌握基本的物理规律和空间逻辑，再将这些预训练的权重迁移至真实机器人硬件中。

这种方法被业界视为机器人领域的“ChatGPT 时刻”。正如 ChatGPT 通过大规模预训练实现了通用语言能力，General Intuition 旨在通过游戏数据的规模效应，打造一个通用的物理基础模型。一旦成功，这意味着开发智能机器人将不再需要为每个新任务编写繁琐的代码或进行漫长的实地训练，而可以通过加载预训练模型并进行少量的微调（Fine-tuning）快速部署。

这一技术路径如果得以验证，将极大降低工业自动化、家用服务机器人以及复杂手术机器人等领域的研发门槛，加速物理 AI 从实验室走向大规模商业化应用。

来源： TechCrunch 报道 (作者: Rebecca Bellan)