「人工智慧的未來，不只是理解世界，更要能與世界互動。」這句話正成為機器人產業的新共識。

估值23億美元、最新完成3.2億美元融資，General Intuition正試圖改寫機器人AI的訓練方式。與多數公司投入大量真實世界資料不同，這家新創公司選擇了一條截然不同的道路——先讓AI學會玩遊戲，再讓它學會控制真實世界的機器人。

這不只是一次融資，更可能代表具身人工智慧（Embodied AI）正在從「資料堆砌」邁向「基礎模型」的新階段。

一場想複製GPT成功路徑的機器人革命

在GPT-3問世之前，自然語言處理模型大多需要針對不同任務重新訓練。如今，大型語言模型已經成為通用底座，再透過少量資料完成微調。

General Intuition執行長 Pim de Witte認為，機器人產業也將經歷同樣的變化。

他的核心觀點很直接：與其替每一種機器人建立專屬模型，不如打造一個具備空間理解、動作推理與互動能力的通用基礎模型，再依照不同場景快速適配。

如果這套方法成立，未來企業可能不需要投入大量時間收集真實世界資料，就能建立新的機器人系統。

核心數據透露了什麼？

此次融資最受市場關注的，不只是金額，而是背後反映出的資本信心。

3.2億美元融資。

代表投資人願意持續押注具身AI的新技術方向，也讓General Intuition擁有更多資源投入模型研發。

23億美元估值。

一家仍處於技術驗證階段的新創公司能獲得如此估值，顯示市場認為機器人基礎模型可能成為下一個重要賽道。

數百萬小時遊戲資料。

這並非一般遊戲畫面，而是包含玩家每一次按鍵、控制器操作與互動決策。公司希望藉此建立AI對空間、運動與時序的直覺，而不是依賴大量真人示範。

僅8分鐘真實機器人資料完成微調。

這是目前最吸引人的成果之一。代表模型並非完全依靠真實世界資料，而是在既有能力基礎上，只需要極少量資料便能適應四足機器人。

團隊規模僅20人。

相比大型AI公司動輒數百甚至數千名工程師，General Intuition選擇精簡團隊，也反映其希望透過基礎模型提升研發效率。

為什麼整個AI產業都在關注？

真正值得關注的，其實不是遊戲能不能訓練機器人。

而是資料成本可能出現根本性改變。

目前許多機器人公司最大的投入，不是硬體，而是蒐集真實世界資料、建立標註流程，再針對不同場景反覆訓練模型。

如果General Intuition的方法能被證明具有普遍性，企業未來可能只需要少量真實資料，就能快速完成模型部署。

換句話說，機器人的開發門檻可能因此下降，產品迭代速度也可能加快。

分析人士認為，這樣的模式未來或許能應用於物流、自動駕駛、工業製造、服務型機器人以及醫療輔助等更多場景，但仍需要更多真實案例驗證模型的穩定性。

真正的競爭，不是造機器人

說實話，General Intuition最有意思的地方，不是它要推出新的機器人。

而是它明確表示，不打算自己做終端產品。

公司的定位更像OpenAI之於大型語言模型，希望成為所有機器人公司的底層能力提供者。

簡單理解，它想賣的是「機器人的大腦」，而不是「機器人的身體」。

如果這條路成功，未來更多企業可能把重點放在硬體設計與場景應用，而AI能力則由通用模型提供。

這也是目前不少投資人願意提前布局的重要原因。

市場真正觀察的是什麼？

值得注意的是，目前這套方法仍面臨不少挑戰。

遊戲世界與真實世界存在明顯差異，包括光線、物理環境、障礙物以及不可預測的人類互動，都可能影響模型表現。

真正的問題來了。

模型能否在不同品牌機器人、不同環境以及不同任務下保持一致表現，仍有待更多測試。

因此，市場現在觀察的焦點，已經不只是融資規模，而是General Intuition未來是否能持續證明，其基礎模型具有跨場景、跨設備的泛化能力。

如果答案是肯定的，具身AI產業可能迎來與大型語言模型相似的新發展週期。

FAQ

Q1：General Intuition提出的機器人基礎模型是什麼？

機器人基礎模型是一種可適用於不同機器人的通用AI模型。企業不需要為每一款設備重新建立完整模型，只需透過少量資料進行微調，就有機會快速部署到新的機器人或應用場景，提高開發效率並降低成本。

Q2：為什麼General Intuition使用電子遊戲資料訓練模型？

公司認為，遊戲包含大量人類操作、空間判斷與即時決策資訊，可協助模型建立運動與時空推理能力。再結合少量真實世界資料進行微調，可能比完全依賴大量真人機器人資料更有效率，但仍需持續驗證實際效果。

Q3：3.2億美元融資對機器人產業代表什麼？

此次融資顯示資本市場持續看好具身人工智慧與機器人基礎模型的發展方向。市場關注的不只是資金規模，更是是否能建立可跨設備、跨場景使用的通用AI能力，進一步降低機器人開發成本並加速產業創新。