本文来自微信公众号： 潮涌 AI ，作者：潮涌 AI 编辑部
2026 年 7 月，美国纽约又诞生了一家独角兽。
不是做 ChatGPT 的，不是做自动驾驶的，是做"机器人大脑"的。
General Intuition（中译：通用直觉），一家成立未满一年、总部位于纽约的公司，6 月，其刚完成 3.2 亿 A 轮美元融资，估值 23 亿美元。领投方是 Vinod Khosla ——就是那个早年投了 OpenAI、如今押注物理 AI 的硅谷老炮。
这轮融资本身并不稀奇。稀奇的是它的核心主张：
训练机器人，不需要百万小时真实数据。几百万小时游戏录像，就够了。
从"采集数据"到"生成直觉"
传统机器人训练的套路，特斯拉走得很典型：
车队上街跑，摄像头录，人工标，回炉训。
当地时间2月27日，美国总统特朗普就伊朗问题释放最新信号。
据 electrek 报道，特斯拉更新的安全数据页面显示，其监督版全自动驾驶（FSD）车队累计行驶总里程已突破 100 亿英里。花了多少钱？没人知道，但肯定是个天文数字。
波士顿动力的 Atlas、Figure 的 Figure01，走的都是这条路：先搞硬件，再堆数据，慢慢磨。
Pim deWitte 说这全错了。
GeneralIntuition CEO Pim deWitte
图源：TechCrunch
"很多公司现在做大量专门的工作，专注于单个具身、单个环境、单个机器人。"
他在 TechCrunch 的 Equity 播客里说道："这些工作很快会变得多余。"
他的替代方案是什么？
让 AI 在人类玩游戏的几百万小时录像里，学习"物理直觉"。
1、游戏数据里藏着什么？
券商股票配资答案：空间感、时间感、因果关系。
当你玩《塞尔达传说》时，你的大脑在做什么？判断距离、预测落点、规划路径、调整力度。这些不是抽象的数学计算，而是人类进化了几百万年的"物理直觉"。
元股证券:ygzq.hkGeneral Intuition 做的事，就是把这种直觉"蒸馏"成模型。
他们训练的数据包括：游戏画面、手柄按键记录、角色运动轨迹。模型学到的不是"怎么玩这个游戏"，而是"物体在空间里怎么动"。
结果是：这个模型既能连续玩几小时游戏，也能驱动真实的四足机器人。
公司声称，真实机器人数据只需要 8 分钟微调。
用来训练的游戏录像
图源：General Intuition
但这个数字需要打几个问号：
第一，8 分钟只在特定场景验证。办公室环境相对结构化，如果换成建筑工地、野外救援、家庭厨房，模型还能不能奏效？公司没有公布更多测试数据。
第二，8 分钟是"微调"不是"从零训练"。基础模型本身是用几百万小时游戏数据训出来的，这个成本没有披露。
第三，这是公司单方面声称，没有第三方独立验证。在物理 AI 这个"演示容易、量产难"的领域，谨慎对待所有"突破式"数据是必要的。
2、游戏数据的边界在哪里？
这个数字如果属实，意味着两件事：
第一，机器人训练成本可能断崖式下降。
第二，数据壁垒这个护城河，可能不存在了。
de Witte 的演示是：仅用 8 分钟真实机器人数据微调，模型就能让四足机器人在办公室环境里导航。
没有激光雷达，没有深度摄像头，只有一个前视摄像头。
零样本，动态障碍物，人来来往往。
"这让我们非常惊讶，" de Witte 说，"我认为这是即将到来的迹象。"
Khosla 为什么敢押 23 亿？
VinodKhosla 不是第一次赌大的。
1982 年他联合创立了 Sun Microsystems，2019 年他作为首位机构投资者押了 OpenAI。
现在他押物理 AI。
KhoslaVentures 今年以来在机器人、物理 AI 领域至少投了 5 家公司，GeneralIntuition 是最大的一笔。
他看中的是什么？
GeneralIntuition 的终局不是造机器人，而是造"机器人大脑"——一个通用基础模型，供所有机器人公司调用。
deWitte 的原话："我们不会去造自动驾驶汽车公司。我们要让下一个人造自动驾驶汽车公司时，容易 10 倍。"
这个定位很熟悉。
2008 年，Android 也不做手机，它做操作系统。
2023 年，OpenAI 也不做应用，它做 API。
问题在于：物理 AI 的基础模型，真的存在吗？
业内对"通用物理模型"的质疑从来没停过。
一个核心反对意见：游戏世界是确定性的，真实世界是随机的。
游戏里物体运动遵循固定物理引擎，而现实里有风、有摩擦、有不可预测的人类行为。从虚拟到现实的鸿沟，被称为" Sim-to-Real Gap "，至今没有公司能完全跨过。
还有一个更尖锐的问题：如果游戏数据真的这么管用，为什么 NVIDIA、Google、Meta 没这么做？
这些公司有算力、有数据、有游戏部门（NVIDIA 的 Omniverse、Google 的 DeepMind、Meta 的 RealityLabs），他们为什么还在投仿真平台和真实数据采集？
可能的答案：游戏数据是起点，不是终点。
从投资角度，General Intuition 的估值逻辑有两个支点：
支点一：如果物理 AI 基础模型真的存在，先发者将享受网络效应。就像 GPT-3 之后 OpenAI 的统治地位。
支点二：如果物理 AI 基础模型不存在，这家公司可能一文不值。
这是一个典型的" winner-take-all "赌注。
KhoslaVentures 的风格就是赌这种：要么归零，要么翻十倍。
目前市场看到的积极信号——
3.2 亿美元融资，账上现金充裕
已有实际演示（四足机器人零样本导航）
团队背景未完全披露，但 Khosla 通常只投顶级技术团队
风险信号——
成立不到一年，没有公开客户
8 分钟微调只在办公室环境验证，泛化能力未知
没有开源模型或 API，生态建设为零
竞争者在逼近：NVIDIAHalos for Robotics 已有超过 40 家生态伙伴，Figure、1X 等也在探索通用模型
中国物理 AI 产业的站位：底座能做，但要认清现实
General Intuition 的路径揭示了一个关键事实：物理 AI 的底座层正在形成，而这场竞赛才刚刚开始。
对中国来说，问题不是"能不能做底座"，而是"以什么方式、在什么时间点、投入多少资源做底座"。
1、三条路径，三种选择
中国物理 AI 产业目前有三类玩家在探索：
第一类：场景驱动派。
第二类：仿真平台派。
第三类：基础模型派。
智元机器人、星动纪元、逐际动力等初创公司，以及百度、华为、字节等大厂——这些玩家在做的事情最接近 General Intuition：试图构建通用的物理 AI 能力。但面临的现实是：算力受限、资本密度不足、技术代差存在。
2、做底座的现实条件
中国做物理 AI 底座，不是不可能，但要认清三个现实：
第一，算力是硬约束。
训练一个跨场景泛化的物理基础模型，算力需求可能接近大语言模型级别。国内芯片（H20 性能约为 H100 的 15%）意味着同样的训练任务，成本是海外的 5-10 倍。这个差距短期内无法消除，所以中国公司需要更聪明地训练——用更少的算力做更多的事，或者避开"从头训练"，专注"微调 + 适配"。
第二，资本密度不够。
General Intuition 一轮拿 3.2 亿美元，估值 23 亿美元。这种级别的融资在国内一级市场越来越困难。但换个角度看，中国不需要复制硅谷的"烧钱路线"。华为昇腾、寒武纪的芯片已经在部分场景可用，DeepSeek 证明了"低成本训练"的可能性。中国路径可能是"用工程效率弥补算力差距"。
第三，技术代差存在，但不是不可逾越。
NVIDIA Halos 已有超过 40 家生态伙伴，Google Gemini Robotics 在推进，OpenAI 有机器人团队——海外确实领先。但物理 AI 是 2024-2025 年才热起来的赛道，所有人都在起跑线附近。NVIDIA 的优势是 GPU 生态，不是物理模型本身。如果中国能在特定场景（如工业制造、物流仓储）先跑通，形成数据 - 模型 - 应用的飞轮，完全有机会在垂直领域建立底座能力。
3、场景即底座
物理 AI 的底座，不一定是"一个模型打天下"。更可能的路径是：在特定场景里，数据、模型、应用形成闭环，这个闭环本身就是底座。
所以，中国物理 AI 的出路，不是"要不要做底座"的二元选择，而是"在哪里做底座"的战略选择：
在制造业场景做底座：中国制造业占全球 30%，场景密度无人能比。
至于通用物理基础模型——那个"通用的、跨场景的、像 GPT 一样的大一统模型"——中国短期内大概率不是率先跑出来的。
但这不重要。
底座战争不是一场仗，而是多场仗。在海外巨头争夺"通用底座"的时候，中国公司可以在"垂直底座"上建立不可替代性。
底座战争在海外打，垂直底座在中国打。这才是符合比较优势的分工。
潮涌 AI 的观点
General Intuition 的价值不在于它今天做到了什么，而在于它提出了一个值得验证的命题：物理 AI 能不能像 NLP 一样，从"专用模型"走向"通用基础模型"。
2023 年，没人相信一个模型能同时写代码、写诗、做法律分析。GPT-3 之后，这成了常识。2026 年，也没人相信一个模型能同时玩游戏、开机器人、也许有一天能开车。但历史告诉我们，通用化往往是技术革命的转折点。
对中国企业来说，与其担心"数据壁垒被颠覆"，不如关注两个更实际的问题：
第一，游戏数据 + 物理直觉这个方向，国内有没有公司在做？腾讯、网易、米哈游，手里握着全球最大的游戏数据池，他们有没有技术团队在做类似的事？如果答案是没有，那这是一个空白。
最后，一个判断——物理 AI 的竞争，2026 年下半年将进入"基础模型卡位战"。General Intuition、NVIDIA、Google、特斯拉，甚至中国的头部公司，都会在这个赛道上加码。23 亿美元估值是不是泡沫，12 个月后见分晓。
但有一点是确定的：谁能在"通用物理直觉"上先跑通，谁就能定义下一代机器人的操作系统。
而这个操作系统，可能比 Windows+Android 加起来还大。
本文编译自 TechCrunch《General Intuition 声称只需 8 分钟真实数据微调，但物理 AI "通用基础模型"真的存在吗？》，并在此基础上改写，观点代表潮涌 AI 立场证券配资合法吗，不构成投资建议。
优配网提示：本文来自互联网，不代表本网站观点。