技术深度解析
General Intuition的核心洞察在于：当前AI范式——在互联网文本上扩展基于Transformer的语言模型——产出的系统，用其CEO的话说，只是“聪明的鹦鹉”。它们能写出莎士比亚风格的十四行诗，却无法预测一个简单物理实验的结果。这是因为文本数据是对现实的有损压缩。语言描述物理，但并未编码底层的微分方程。
LLM中的物理鸿沟
像GPT-4o、Claude 3.5和Gemini 1.5这样的LLM，操作的是分词后的文本。它们学习的是词语之间的统计相关性，而非支配这些词语所指代物体的物理定律。一个模型可能知道“从高处掉落的球会下落”，但它无法精确模拟其轨迹。这是一个根本性局限：没有世界模型，AI无法在物理领域进行可靠的因果推理。
为何视频游戏是完美的训练场
视频游戏的核心是物理引擎。像《半条命2》或《王国之泪》这样的游戏，实时模拟重力、碰撞检测、动量、摩擦和流体动力学。每一帧游戏画面都是一个标注数据点：每个物体的位置、速度和加速度都是已知的。这是结构化、确定性的数据——与互联网上混乱、模糊的文本截然相反。
据报道，General Intuition正在使用一个定制管道从游戏引擎中提取这些物理数据。他们不仅使用渲染后的像素，还访问底层的模拟状态。这包括：
- 所有物体的空间坐标（x, y, z）。
- 速度和加速度向量。
- 碰撞事件（物体A在时间T撞到物体B）。
- 因果链（拉动杠杆导致桥梁下降）。
这些数据随后被用于训练一个神经网络架构，该架构结合了世界模型（物理的预测模型）和策略网络（在该世界中行动的智能体）。训练方法是监督学习（根据当前状态和动作预测下一状态）与强化学习（奖励模型做出准确预测或成功完成任务）的混合体。
相关开源工作
社区已经在探索这一领域。Genesis仓库（github.com/Genesis-Embodied-AI/Genesis）是一个专为机器人和具身AI设计的通用物理引擎。它提供可微分的物理模拟，可用于训练神经网络。Genesis已获得超过20,000颗星，表明对基于模拟的训练有浓厚兴趣。另一个关键项目是MuJoCo（github.com/google-deepmind/mujoco），一个广泛用于强化学习研究的物理引擎，尤其适用于机器人控制任务。这些工具为General Intuition这样的初创公司提供了可构建的基础设施。
数据要点： 从文本到物理模拟数据的转变，代表了AI训练从“相关性”到“因果性”的迁移。文本数据廉价且丰富，而模拟数据生成成本高，但信号丰富度远超前者。关键的工程挑战是构建高效的管道，以规模化地提取和结构化这些数据。
关键玩家与案例研究
General Intuition 是这一叙事中的主要角色。这家初创公司处于隐身模式，但其CEO一直直言不讳地批评LLM的局限性。据报道，该公司正在从自研游戏引擎构建专有数据集，并设计一种旨在从第一性原理学习物理的神经架构。其策略直接挑战了“规模即一切”的正统观念。
训练数据范式对比
| 范式 | 数据来源 | 结构化程度 | 因果信号 | 成本 | 最佳适用场景 |
|---|---|---|---|---|---|
| 纯文本 | 互联网爬取 | 低 | 极低 | 低 | 语言任务、代码生成 |
| 多模态（文本+图像） | 互联网+字幕 | 中 | 低 | 中 | 视觉问答、图像描述 |
| 视频（真实世界） | YouTube、行车记录仪 | 低 | 中 | 极高 | 动作识别、模仿学习 |
| 物理模拟（游戏） | 游戏引擎 | 极高 | 极高 | 中 | 世界模型、机器人技术、因果推理 |
数据要点： 表格展示了清晰的权衡。文本数据廉价但信息贫乏。真实世界视频信息丰富但嘈杂且标注成本高。游戏模拟数据提供了两全其美的方案：高结构化、高因果信号，且成本可控，因为物理引擎提供了自动标注。
该领域的其他玩家：
- DeepMind：长期倡导基于游戏的AI（AlphaGo、AlphaStar、MuZero）。其在DreamerV3（一种基于世界模型的强化学习智能体）上的工作直接相关。Dreamer从像素中学习世界模型，然后在该模型内规划行动，在Atari 100k基准测试上取得了最先进的结果。
-