2026年7月，美国纽约又一次成功诞生了一家独角兽。

该方向并非针对ChatGPT开展研发，也并非对自动驾驶领域进行探索，而是致力于机器人大脑的构建工作。

General Intuition（中文译名为通用直觉）这家成立时间尚不满一年且总部设于纽约的公司，于6月成功完成了3.2亿美元A轮融资，其估值也因此达到23亿美元。领投方正是Vinod Khosla，他即是那位早年投资了OpenAI、如今重点押注物理AI领域的硅谷资深投资人。

这轮融资本身并不稀奇。稀奇的是它所强调的核心主张：

训练机器人并不需要百万小时的真实数据。几百万小时游戏录像便足以支持其训练。

从“采集数据”到“生成直觉”

传统机器人训练所采用的套路方面，特斯拉选择的路径显得非常典型：

车队上街行驶以采集数据，摄像头会对过程进行录制，人工会对所得内容开展标注，最终把数据回炉用于训练。

根据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。为了实现这一里程目标花费了多少钱？目前没人知道，但肯定是个天文数字。

波士顿动力所打造的Atlas机器人，以及Figure公司所推出的Figure 01机器人，均选择了同一发展路径：它们首先把重点放在硬件系统的构建工作上，随后逐步积累真实世界数据，并以此为基础开展长期的迭代优化过程。

Pim de Witte说这全错了。

General Intuition CEO Pim de Witte  图源：TechCrunch

很多公司现在开展大量专门化的工作，专注于单个具身、单个环境以及单个机器人。

他在TechCrunch的Equity播客当中这样说道：“这些工作很快就会变得多余。”

他的替代方案是什么？

让AI借助人类玩游戏所产生的几百万小时录像当中，学习“物理直觉”。

1、游戏数据里藏着什么？

答案：空间感、时间感、因果关系。

当你在游玩《塞尔达传说》游戏的过程中，你的大脑会进行哪些运作。它需要判断物体间的距离、预测落点的具体位置、规划合理的行进路径以及调整施加的力量。这些活动并非基于抽象的数学计算，而是源自人类在数百万年进化历程中所形成的物理直觉。

General Intuition所做的工作，就是对这种直觉进行“蒸馏”并形成模型。

他们在开展训练工作时所采用的数据包括了游戏画面、手柄按键记录以及角色运动轨迹。模型所学习到的并非如何游玩这个游戏，而是物体在空间当中如何进行运动。

得到的结果是：这一模型既能够连续数小时地玩游戏，也能够驱动真实的四足机器人。

该公司声称，对真实机器人数据仅需开展8分钟的微调工作即可。

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：

首先，该8分钟微调过程仅仅在特定场景下完成了验证。办公室环境相对结构化，如果切换到建筑工地、野外救援以及家庭厨房这些场景，模型是否还能够保持奏效，目前并无从知晓。公司方面也没有公布更多测试数据来加以支持。

第二，这里所说的8分钟指的是模型微调过程，而非从零开始开展完整训练。该基础模型本身已经运用几百万小时游戏数据完成了预训练工作，但这一基础训练所产生的具体成本目前尚未得到披露。

第三，这是该公司单方面所做出的声称，其中并未经过任何第三方开展独立验证。在物理AI这个演示过程相对容易但量产却充满挑战的领域当中，谨慎对待所有突破式数据是十分必要的。

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，机器人训练的成本有望实现断崖式下降。

第二，数据壁垒所形成的这一护城河，其可能已经不复存在了。

de Witte所开展的演示表明：模型仅借助8分钟真实机器人数据进行微调工作之后，便能够驱动四足机器人在办公室环境之中实现导航。

该系统并未装备激光雷达，也没有采用深度摄像头，而是仅仅运用了一个前视摄像头来进行感知。

零样本，动态障碍物，人来来往往。

“这让我们感到非常惊讶，”de Witte表示，“我认为这是即将到来的迹象。”

Khosla为什么敢押23亿？

Vinod Khosla不是第一次赌大的。

1982年他联合他人共同创立了Sun Microsystems公司，2019年他则作为首位机构投资者对OpenAI进行了押注投资。

现在他押物理AI。

Khosla Ventures今年以来在机器人以及物理AI领域至少对5家公司开展了投资工作，其中General Intuition则是最大的一笔。

他看中的是什么？

General Intuition的终局并非制造机器人，而是构建“机器人大脑”这一通用基础模型，供所有机器人公司调用。

de Witte在原话当中这样表示：“我们不会去造自动驾驶汽车公司。我们要让下一个人在造自动驾驶汽车公司时，得以容易10倍地完成这一工作。”

图源：General Intuition

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，是否真正得以存在？

在业内，对于“通用物理模型”这一理念所抱持的质疑态度从来都没有停止过。

一个核心反对意见所强调的是，游戏世界是确定性的，而真实世界则会呈现出随机性。

在游戏环境当中，物体的运动过程所遵循的是固定的物理引擎来进行计算，而现实世界当中则会受到风力、摩擦力以及不可预测的人类行为等多方面因素的影响。从虚拟环境到现实世界的这一鸿沟，被称为“Sim-to-Real Gap”，至今仍没有任何公司能够完全跨越。

此外还存在一个更为尖锐的问题需要加以探讨：倘若游戏数据真的能够在训练过程当中发挥如此关键的作用，那么NVIDIA、Google以及Meta这些公司为何至今尚未选用这一路径来开展相关工作呢？

这些公司虽然已经具备充足的算力资源、丰富的数据积累以及专门的游戏开发部门（NVIDIA所打造的Omniverse、Google旗下的DeepMind以及Meta的Reality Labs），但他们为何依然选择持续投资仿真平台的构建以及真实世界数据的采集工作？

2026年7月，美国纽约又一次成功诞生了一家独角兽。

该公司所选择的研发方向并非针对ChatGPT来开展研发，也并非对自动驾驶领域进行探索，而是致力于机器人大脑的构建工作。

General Intuition（中文译名为通用直觉）这家成立时间尚不满一年且总部设于纽约的公司，于6月成功完成了3.2亿美元A轮融资，其估值也因此达到23亿美元。领投方正是Vinod Khosla，他即是那位早年投资了OpenAI、如今重点押注物理AI领域的硅谷资深投资人。

这轮融资本身并不稀奇。稀奇的是它所强调的核心主张。

训练机器人并不需要百万小时的真实数据。几百万小时游戏录像便足以支持其训练工作。

传统机器人训练所采用的套路方面，特斯拉选择的路径显得非常典型。

车队上街行驶以采集数据，摄像头会对过程进行录制，人工会对所得内容开展标注，最终把数据回炉用于训练。

根据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。为了实现这一里程目标花费了多少钱？目前没人知道，但肯定是个天文数字。

波士顿动力所打造的Atlas机器人，以及Figure公司所推出的Figure 01机器人，均选择了同一发展路径：它们首先把重点放在硬件系统的构建工作上，随后逐步积累真实世界数据，并以此为基础开展长期的迭代优化过程。

很多公司现在开展大量专门化的工作，专注于单个具身、单个环境以及单个机器人。

他在TechCrunch的Equity播客当中这样说道：“这些工作很快就会变得多余。”

让AI借助人类玩游戏所产生的几百万小时录像当中，学习“物理直觉”。

当你在游玩《塞尔达传说》游戏的过程中，你的大脑会进行哪些运作。它需要判断物体间的距离、预测落点的具体位置、规划合理的行进路径以及调整施加的力量。这些活动并非基于抽象的数学计算，而是源自人类在数百万年进化历程中所形成的物理直觉。

General Intuition所做的工作，就是对这种直觉进行“蒸馏”并形成模型。

他们在开展训练工作时所采用的数据包括了游戏画面、手柄按键记录以及角色运动轨迹。模型所学习到的并非如何游玩这个游戏，而是物体在空间当中如何进行运动。

得到的结果是：这一模型既能够连续数小时地玩游戏，也能够驱动真实的四足机器人。

该公司声称，对真实机器人数据仅需开展8分钟的微调工作即可。

首先，该8分钟微调过程仅仅在特定场景下完成了验证。办公室环境相对结构化，如果切换到建筑工地、野外救援以及家庭厨房这些场景，模型是否还能够保持奏效，目前并无从知晓。公司方面也没有公布更多测试数据来加以支持。

第二，这里所说的8分钟指的是模型微调过程，而非从零开始开展完整训练。该基础模型本身已经运用几百万小时游戏数据完成了预训练工作，但这一基础训练所产生的具体成本目前尚未得到披露。

第三，这是该公司单方面所做出的声称，其中并未经过任何第三方开展独立验证。在物理AI这个演示过程相对容易但量产却充满挑战的领域当中，谨慎对待所有突破式数据是十分必要的。

第一，机器人训练的成本有望实现断崖式下降。

第二，数据壁垒所形成的这一护城河，其可能已经不复存在了。

de Witte所开展的演示表明：模型仅借助8分钟真实机器人数据进行微调工作之后，便能够驱动四足机器人在办公室环境之中实现导航。

该系统并未装备激光雷达，也没有采用深度摄像头，而是仅仅运用了一个前视摄像头来进行感知。

“这让我们感到非常惊讶，”de Witte表示，“我认为这是即将到来的迹象。”

1982年他联合他人共同创立了Sun Microsystems公司，2019年他则作为首位机构投资者对OpenAI进行了押注投资。

Khosla Ventures今年以来在机器人以及物理AI领域至少对5家公司开展了投资工作，其中General Intuition则是最大的一笔。

General Intuition的终局并非制造机器人，而是构建“机器人大脑”这一通用基础模型，供所有机器人公司调用。

de Witte在原话当中这样表示：“我们不会去造自动驾驶汽车公司。我们要让下一个人在造自动驾驶汽车公司时，得以容易10倍地完成这一工作。”

问题在于：物理AI的基础模型，是否真正得以存在？

在业内，对于“通用物理模型”这一理念所抱持的质疑态度从来都没有停止过。

一个核心反对意见所强调的是，游戏世界是确定性的，而真实世界则会呈现出随机性。

在游戏环境当中，物体的运动过程所遵循的是固定的物理引擎来进行计算，而现实世界当中则会受到风力、摩擦力以及不可预测的人类行为等多方面因素的影响。从虚拟环境到现实世界的这一鸿沟，被称为“Sim-to-Real Gap”，至今仍没有任何公司能够完全跨越。

此外还存在一个更为尖锐的问题需要加以探讨：倘若游戏数据真的能够在训练过程当中发挥如此关键的作用，那么NVIDIA、Google以及Meta这些公司为何至今尚未选用这一路径来开展相关工作呢？

这些公司虽然已经具备充足的算力资源、丰富的数据积累以及专门的游戏开发部门（NVIDIA所打造的Omniverse、Google旗下的DeepMind以及Meta的Reality Labs），但他们为何依然选择持续投资仿真平台的构建以及真实世界数据的采集工作？

从投资角度方面来分析，General Intuition的估值逻辑所依赖的两个支点如下：

支点一：如果物理AI基础模型确实得以存在，先发者便会借助网络效应来确立自身优势。这如同GPT-3发布之后OpenAI所取得的统治地位一般。

支点二：如果物理AI基础模型未能得以存在，那么这家公司便可能一文不值。

这是一个典型的“winner-take-all”赌注。

Khosla Ventures所秉持的投资风格，便是依赖于对这类机会开展押注：要么最终完全归零，要么得以实现十倍回报。

目前市场看到的积极信号——

3.2亿美元融资，账上现金充裕

已经开展了四足机器人零样本导航方面的实际演示工作。

虽然该团队的背景信息尚未得到全面的披露，但Khosla通常只会投资于顶级的技术团队。

风险信号——

成立不到一年，没有公开客户

该8分钟微调过程仅在办公室环境当中完成了验证工作，其泛化能力目前仍处于未知状态。

没有开源模型或API，生态建设为零

竞争者正逐步逼近这一领域：NVIDIA所打造的Halos for Robotics已经吸纳超过40家生态伙伴，而Figure以及1X等公司也在对通用模型开展探索工作。

中国物理AI产业的站位：虽然底座能够得以构建，但必须对现实情况开展清醒认知

General Intuition所选用的路径揭示出了一个关键事实：物理AI的底座层正在形成，而这场竞赛才刚刚开始。

对于中国而言，所面临的问题并非能否构建这一底座，而在于应当选用何种方式、在何种时间节点以及投入多少资源来开展底座的构建工作。

1、三条路径，三种选择

中国物理AI产业目前有三类玩家正在开展探索工作：

第一类：场景驱动派。

Momenta在自动驾驶领域所进行的工作、海清智元在电力巡检方面所开展的工作、乐动机器人在仓储物流方面所从事的工作以及优必选在人形机器人方面所研发的工作——这些公司首先在真实的场景当中成功跑通了闭环流程，从而积累了数据以及know-how，随后逐步向产业链上游进行了延伸。其优势在于距离资金较近、距离客户较近，而面临的风险则是可能会被通用模型所颠覆。

优必选的人形机器人

第二类：仿真平台派。

五一视界公司（其选用Real2Sim2Real方法）、群核科技（专注于家居场景建模工作）以及达闼科技（致力于云端机器人大脑开发）——这些公司在数字孪生基础设施建设方面已经积累多年。General Intuition验证了虚拟数据所具备的有用性，而中国在游戏、仿真以及数字孪生领域所拥有的工程能力也并不薄弱。如果通用物理模型需要运用海量虚拟训练环境开展工作，中国公司便可能成为重要的基础设施提供者。

第三类：基础模型派。

智元机器人、星动纪元以及逐际动力这些初创公司，还有百度、华为和字节等大型企业——它们目前所开展的工作与General Intuition最为接近：都在试图构建通用的物理AI能力。但是它们所面临的现实情况在于算力资源受到限制、资本密度不够充足以及技术代差依然存在。

2、做底座的现实条件

中国在物理AI底座的构建方面，并非不可能实现，但是需要对三个现实情况开展清醒的认知：

第一，算力是硬约束。

训练一个能够在跨场景下实现泛化的物理基础模型，其算力需求可能会接近大语言模型的级别。国内芯片方面（H20性能约为H100的15%）意味着在开展同样的训练任务时，成本会是海外的5-10倍。这一差距在短期内无法得到消除，因此中国公司需要以更聪明的方式来进行训练工作——运用更少的算力来完成更多的事情，或者避开从头开始训练的做法，转而专注在微调以及适配方面。

第二，资本密度不够。

General Intuition公司在单轮融资当中就成功获得了3.2亿美元资金，其估值也因此达到了23亿美元。这种规模的融资活动在国内一级市场正变得越来越困难。但是如果换一个角度来进行观察，中国其实并不需要复制硅谷所采用的烧钱路线。华为昇腾以及寒武纪所开发的芯片已经在部分具体场景下得以投入使用，而DeepSeek则证明了低成本训练这一方式所具备的可能性。中国所选择的路径，可能是运用工程效率来弥补算力方面所存在的差距。

第三，技术代差虽然确实存在，但这一差距并不是不可逾越的。

NVIDIA Halos已有超过40家生态伙伴，Google Gemini Robotics在持续推进，OpenAI拥有机器人团队，这些情况表明海外在该领域确实处于领先地位。但物理AI是在2024-2025年才逐渐热起来的赛道，所有参与者目前都在起跑线附近。NVIDIA的优势在于GPU生态，而并非物理模型本身。如果中国能够在特定场景（例如工业制造以及物流仓储）先实现跑通，从而形成数据-模型-应用的飞轮，完全有机会在垂直领域建立底座能力。

NVIDIA Halos合作伙伴

3、场景即底座

物理AI的底座，并非一定是“一个模型打天下”。更有可能的路径在于：在特定场景当中，数据、模型以及应用形成闭环，而这个闭环本身便是底座。

举例：海清智元如果在电力巡检领域当中积累了1000万公里巡检数据、训练了专门针对电力设备的感知模型、形成了标准化的部署流程，那么它便在这个垂直领域构成了“底座”。当通用模型进入这一领域时，也需要首先对它的数据格式以及场景规则开展适配工作。

因此，中国物理AI领域所面临的出路，并非是要不要构建底座的这种二元选择，而是应当在何处来构建这一底座的战略性选择：

在制造业场景当中构建底座：中国制造业占据全球30%的份额，在场景密度方面更是无人能够相比。

在仿真基础设施当中构建底座方面，五一视界以及群核科技已经走在了前面。

在特定硬件上进行底座构建：海清智元的多光谱感知以及乐动机器人的传感器融合，都是他人所无法拿走的能力。

至于通用物理基础模型，也就是那个通用的、跨场景的、像GPT一样的大一统模型，中国在短期内大概率不会是率先跑出来的。

但这不重要。

底座战争并非仅是一场单一的战役，而是由多场不同层面的战斗所组成。在海外巨头全力争夺通用底座的过程中，中国公司可以借助垂直底座的构建来确立自身所拥有的不可替代性。

底座战争主要由海外力量展开争夺，而垂直底座的构建则集中在中国进行。这才是符合比较优势原理的合理分工。

潮涌AI的观点

General Intuition所具有的价值，并非体现在它当前所达成的那些成果上，而是在于它成功提出了一个值得开展验证工作的命题：物理AI是否能够如同NLP那样，从专用模型走向通用基础模型。

2023年，几乎没有人相信一个模型能够同时完成编写代码、创作诗歌以及开展法律分析这些任务。在GPT-3问世之后，这一点却成了人们所普遍接受的常识。到了2026年，同样也没有人会相信一个模型可以同时玩转游戏、操控机器人，或许在未来某一天还能实现开车。但历史的发展向我们表明，通用化往往标志着技术革命的关键转折点。

对于中国企业而言，与其将精力用于担心数据壁垒会被颠覆这一情况，不如把重点转向两个更为实际的问题之上。

首先，在游戏数据与物理直觉相结合的这个方向上，国内是否有公司在进行相关探索？腾讯、网易以及米哈游这些企业，手里掌握着全球规模最大的游戏数据资源，他们是否已经组建专门的技术团队来开展类似的工作？如果答案是否定的，那么这就构成了一个尚未被填补的空白领域。

第二，仿真平台与通用模型相结合的这种模式，是否会发展成为物理AI所采用的标准配置？如果五一视界与General Intuition的组合得以成立，那么中国企业能否有效复制这条路径？

最后，可以做出这样一个判断：在物理AI领域的竞争当中，2026年下半年将会进入“基础模型卡位战”这一阶段。General Intuition、NVIDIA、Google、特斯拉，甚至中国的一些头部公司，都将会在这个赛道之上进行加码投入。至于23亿美元的估值是否构成了泡沫，则需要在12个月之后才能见分晓。

但有一点是可以确定的：谁若能够在通用物理直觉这个方向上率先成功跑通并加以掌握，谁就将有能力来定义下一代机器人的操作系统。

而这一操作系统所具有的规模，可能会超过Windows以及Android加起来的总和。

本篇文章基于TechCrunch发表的题为《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？》的报道进行编译，并以其为基础开展了进一步改写工作。其中所表达的观点代表潮涌AI的立场，同时需要明确的是本文并不构成任何投资建议。

物理AI底座战争：美国公司General Intuition借助游戏录像对机器人开展训练，其估值达到了23亿美元。

来源：物理AI底座战争: 美国公司General Intuition用游戏录像训练机器人，估值23亿美元 | OFweek机器人网