万月活用户。覆盖数万款游戏，其中相当一部分贴近玩家视觉构成了近乎零成本、不可复制的，其目标是用大规模交互视频训练时空推理与物理常识，从而缓解现有模型在物理世界理解与预测上的短板。
范式转移：GI不做生成内容的3D画笔，而是成为预测物理状态的物理大脑。它将重点从纯语言序列预测转向时空状态预测与交互学习，可被视为在更复杂环境下复用早期强化学习在游戏中的方法论。愿景是将空间智能能力模块化，逐步外溢到机器人与自主系统等场景，成为通用能力底座之一。
资本的豪赌：创始人Pim de Witte拒绝OpenAI后，反手从其早期投资人Khosla Ventures处获得了1.34亿美元种子轮融资。这笔种子轮在公开口径中属于极为罕见的大额规模，可视为市场对空间智能方向的高风险高赔率押注。更是一次宣言：市场相信，继语言智能之后，空间智能是通往AGI的下一个万亿级战场。
在人工智能的棋盘上，语言模型的胜利似乎已成定局。它们能写作、能对话、能编码，以前所未有的方式掌握了人类的符号世界。然而，在这片喧嚣的喝彩声中，一个名为通用直觉（General Intuition, GI）的异端却选择了一条截然不同的道路。故事的高潮始于一个戏剧性的时刻：据The Information报道，GI拒绝了行业巨头OpenAI高达5亿美元的收购邀约。他们放弃的不仅是巨额财富，更是一种被主流定义的成功范式。GI的赌注是：真正的智能，不能只停留在说的层面，而必须理解并行动于我们所处的物理世界。
回顾AI的发展史，我们正处在一个重要转折点。今天，语言大模型就是那个强大的文本终端，而我们正站在从符号智能迈向空间智能的门槛上。历史总在重复，正如Nvidia的GPU最初为游戏而生，最终却成为驱动AI革命的核心算力；GI也相信，源于游戏世界的物理直觉，将成为驱动下一代机器人和自主系统的核心引擎。
当前AI最大的痛点，在于其物理盲。一个语言模型可以为你写一篇关于重力的优美文章，却无法预测一个苹果从树上掉落的轨迹。这道鸿沟，是阻碍AI从信息处理器进化为世界交互者的巨大障碍。面对这一挑战，GI提出了自己的使命：引领AI完成从语言到世界的范式转移。
General Intuition (GI)正在构建一个通用物理AI模型，一个赋予AI物理世界直觉的时空预测引擎。它并非简单的3D内容生成器，而是通过学习海量游戏视频，让AI理解并预测物理规律，旨在从根本上解决当前大语言模型普遍存在的物理盲困境。
GI的核心护城河在于其通过旗下平台积累的、不可复制的20亿条游戏短视频数据，这是一个专门用于训练物理直觉的、近乎零成本且质量极高的数据金矿。
数据来源：，一个庞大的游戏玩家社区，用户自发上传精彩或搞笑的游戏视频片段。
数据规模：超过20亿条带有用户操作（隐性动作标签）的短视频，这是OpenAI曾愿意出价5亿美元收购的核心资产。
数据特性：游戏数据自带动作标签和因果链，游戏环境能高频呈现碰撞、遮挡、运动控制等多样交互情境，并在低风险条件下快速产生长尾样本，可作为对现实数据的补充与预训练来源。玩家每一次操作包含大量长尾样本与失败案例，对训练鲁棒性可能更有价值。
这种玩家即标注者的模式，创造了动态加深的数据网络效应。与依赖昂贵采集车队和人工标注的自动驾驶数据相比，GI的数据获取成本趋近于零，且数据多样性和边缘案例的丰富度远超传统方法。
GI的根本创新在于其技术路径的选择。它成为预测物理状态的物理大脑，这标志着AI从生成走向理解与决策的范式转移。
智能的本质是预测。语言模型通过预测下一个词元来理解世界，而GI通过预测下一个物理状态（像素、速度、方向）来理解世界。后者的难度远高于前者，但也更接近物理世界的真实智能。这种能力一旦成熟，将能无缝泛化到机器人导航、自动驾驶、工业操作等真实场景，因为它掌握的是超越具体任务的、第一性的物理规律。
GI拒绝OpenAI的5亿美金收购，赌的是一个远超数据本身价值的宏大愿景。空间智能将超越语言智能，成为AGI的新基石，而GI将成为这个新时代的Nvidia。
它计划从接受度高、实现路径短的游戏NPC市场切入，逐步渗透到无人机、机器人初创，最终目标是成为具身智能时代的通用操作系统（OS）。通过首先赋能虚拟世界的NPC，GI可以在一个低风险、高迭代速度的环境中完善其核心模型，同时建立商业现金流，为进军更复杂的物理世界积蓄力量。
2024年秋天，Pim de Witte接到了一通可能改变他一生的电话。电话那头是OpenAI的团队，开门见山：我们愿意出5亿美元收购。
5亿美元。对于一个游戏短视频分享平台来说，这是一个天文数字。但Pim知道，OpenAI看中的不是Medal的社交功能，而是那个让他们夜不能寐的东西——每年20亿条来自1000万月活用户、横跨数万款游戏的第一人称交互视频数据。
但Pim拒绝了。他没有选择套现离场，而是做了一个让硅谷所有人都震惊的决定：从Medal孵化出一个独立的前沿AI实验室——General Intuition，直接挑战OpenAI在AGI赛道上的霸主地位。这个决定的背后，是Pim对技术路径的深刻洞察：真正的AGI需要的不是预测下一个词，而是预测下一个物理状态。
如果说Pim是General Intuition的数据守门人，那么Anthony Hu就是这个团队的技术灵魂。Anthony曾是Wayve的关键研究员，主导了自动驾驶领域的突破性项目GAIA-1世界模型。但他意识到，自动驾驶的数据太昂贵、太稀缺。当Anthony遇到Pim时，他看到了一个全新的可能性：游戏数据。
Anthony加入General Intuition后，将他在Wayve积累的世界模型技术全面迁移到游戏数据上。他的核心洞察是：自动驾驶和游戏AI本质上是同一个问题——如何让智能体在动态、不确定的环境中进行时空推理。
这个团队混合了游戏基因（Pim的Medal背景）与自动驾驶基因（Anthony的Wayve经验），擅长处理高维度的视觉交互数据。这种跨领域的基因组合，让他们能够在从语言到世界的AGI竞赛中占据独特的生态位。
Khosla Ventures的逻辑非常明确：如果说OpenAI解决了机器的语言逻辑，那么GI正在解决机器的物理常识。而融资背后拒绝Sam Altman的戏剧性转折，向市场释放了强烈的信号：GI坚信其世界模型路径拥有比单纯作为OpenAI数据供应商更高的天花板。
语言模型是人类已有知识的精妙压缩，它们在符号世界中达到了巅峰。但物理世界充满了无法用语言完全描述的隐性知识——平衡、惯性、因果、时机。一个孩子通过在草地上摔倒学会走路，而不是通过阅读一本关于走路的教科书。
General Intuition的赌注就在于此。它不与语言模型在存量知识中竞争，而是去开拓一片全新的大陆：让AI像婴儿一样，通过观察和互动，自主学习物理世界的底层规律。
这是否意味着GI将颠覆语言模型？并非如此。更有可能出现的未来是，语言模型作为认知大脑，负责高级规划和逻辑推理；而像GI这样的物理模型作为小脑，负责瞬时反应和物理交互。当这两个引擎协同工作时，一个真正能够理解并与我们共存于物理世界中的通用智能，或许才真正开始浮现。
