استارت آپی که از یک پلتفرم کلیپ بازی بیرون آمده است، یکی از بزرگترین دوره های مالی هوش مصنوعی سال را به دست آورده است. General Intuition 320 میلیون دلار در یک دور سری A با ارزش 2.3 میلیارد دلار جمع‌آوری کرده است و شرط می‌بندد که صدها میلیون ساعت گیم‌پلی شرح‌داده‌شده توسط بازیکنان می‌تواند به عوامل هوش مصنوعی نحوه حرکت و عمل در دنیای واقعی را آموزش دهد.

TechCrunch اولین بار این دور را در 25 ژوئن گزارش داد. Khosla Ventures رهبری آن را برعهده داشت و جنرال کاتالیست، جف بزوس، اریک اشمیت، راننده سابق فرمول 1 نیکو روزبرگ، و محققانی از Google DeepMind و MIT نیز در آن شرکت داشتند. این افزایش بودجه فاش شده شرکت را پس از دور راه اندازی 134 میلیون دلاری در اکتبر 2025 به حدود 454 میلیون دلار می رساند. For more context on this story, see our ongoing breaking AI news.

تز این شرکت غیر متعارف است، اما به طور فزاینده ای مد است: اینکه داده های موجود در یک محصول بازی مصرف کننده ممکن است یکی از دست کم گرفته شده ترین منابع آموزشی برای هوش مصنوعی فیزیکی باشد.

از به اشتراک گذاری کلیپ تا داده های رباتیک

General Intuition از Medal ساخته شده است، یک پلتفرم به اشتراک گذاری کلیپ برای گیمرها که توسط Pim de Witte تأسیس شده است. به گفته استارتاپ فورچون، د ویت پیشنهاد خرید 500 میلیون دلاری از OpenAI را در اواخر سال 2024 رد کرد و به این نتیجه رسید که فیلم زیر پلتفرم او بیشتر به عنوان پایه یک شرکت هوش مصنوعی جدید ارزش دارد تا به عنوان یک آیتم خطی در آزمایشگاه دیگر.

مدال تقریباً 10 میلیون کاربر فعال ماهانه دارد که سالانه حدود 2 میلیارد کلیپ ویدیویی آپلود می کنند. جزئیات مهم آن چیزی است که آن کلیپ‌ها فراتر از ویدیو حاوی آن هستند. یک گیره مدال می‌تواند ورودی کنترل‌کننده، فشار دکمه و حرکت ماوس را که باعث ایجاد عمل روی صفحه شده است، حمل کند. این دقیقاً همان نوع داده‌ای است که آزمایشگاه‌های رباتیک برای گرفتن آن در مقیاس تلاش می‌کنند: نه تنها آنچه اتفاق افتاده است، بلکه آنچه یک انسان برای تحقق آن انجام داده است.

استدلال این شرکت این است که اگر یک مدل بتواند یک بازیکن را تماشا کند که در یک مبارزه بهم ریخته حرکت می کند و فریم بعدی را از ورودی های خود پیش بینی می کند، ممکن است چیزی واقعاً مفید در مورد مکان، زمان، قصد و پیامد یاد بگیرد. یک ربات انبار نیازی به برنده شدن در مسابقه ندارد. باید در یک محیط فیزیکی ناخوشایند بدون برخورد با قفسه، گاری یا شخصی حرکت کند.

چرا سرمایه گذاران توجه می کنند

فهرست سرمایه‌گذاران به‌عنوان یک «چه کسی» از باورمندان هوش مصنوعی فیزیکی خوانده می‌شود. جف بزوس قبلاً از هوش فیزیکی، شرکت نرم‌افزار رباتیکی که در سال 2024 400 میلیون دلار به ارزش بیش از 2 میلیارد دلار جمع‌آوری کرد، حمایت می‌کرد. اریک اشمیت آشکارا در مورد رباتیک به عنوان یکی از بازارهای بزرگ فناوری بعدی صحبت کرده است. Google DeepMind سال‌ها صرف پیشرفت مدل‌ها و عوامل جهانی کرده است که در مورد فضای فیزیکی استدلال می‌کنند.

بازار گسترده تر به دی ویت فضایی برای شرط بندی می دهد. Business Insider اخیرا گزارش داده است که سرمایه گذاری مخاطره آمیز برای رباتیک از 4 میلیارد دلار در سال 2019 به 26 میلیارد دلار در سال 2025 رسیده است. شرکت هایی از جمله Figure AI، Physical Intelligence، Skild AI، و Agility Robotics همگی سرمایه قابل توجهی را جذب کرده اند زیرا پول به سمت ماشین هایی که می توانند در دنیای فیزیکی به سوالات پاسخ دهند به جای یک جعبه متنی پاسخ دهند. جنسن هوانگ، مدیر اجرایی انویدیا، بارها هوش مصنوعی تجسم یافته را موج بعدی توصیف کرده است.

شرط محاسبه و آنچه بعدا می آید

بیشتر سرمایه جدید برای محاسبات در نظر گرفته شده است. TechCrunch گزارش داد که نسخه بعدی مدل General Intuition بر روی زیرساخت های CoreWeave آموزش داده خواهد شد و یک API عمومی تا پایان تابستان 2026 برنامه ریزی شده است.

اعتراض آشکار این است که بازی ها دنیای واقعی نیستند. موتور بازی قوانین تمیزی را اعمال می کند که یک طبقه کارخانه هرگز آن را اجرا نمی کند. تشخیص برخورد دقیق است، اجسام طبق کد رفتار می‌کنند و بازوی رباتی که در نزدیکی کارگر انسانی کار می‌کند باید با وزن، اصطکاک، نور ضعیف و تأخیر مقابله کند. شمارنده شهود عمومی این است که مقیاس معادله را تغییر می دهد. این شرکت ادعا نمی کند که یک بازی ویدیویی یک کارخانه است. این شرط می‌بندد که صدها میلیون تصمیم واقعی انسانی، که به نتایج قابل مشاهده وابسته است، می‌تواند به یک مدل کمک کند تا غرایز مکانی-زمانی را بسازد که رباتیک هنوز فاقد آن است.

داستان باریک تر و جالب تر

نکته مفید باریکتر و جالبتر از تیتر است. یکی از بالقوه‌ترین مجموعه داده‌های بالقوه برای هوش مصنوعی فیزیکی ممکن است در داخل یک محصول بازی مصرف‌کننده پنهان شده باشد، در حالی که بزرگترین آزمایشگاه‌ها به دنبال جایی تمیزتر بودند. کلیپ‌های مدال حاوی انتخاب‌های واقعی انسانی هستند که تحت فشار انجام شده‌اند، نه مسیرهایی که توسط شبیه‌ساز در جستجوی مسیرهای مرتب ایجاد شده‌اند. برای عاملی که یاد می گیرد پیش بینی کند که شخص ممکن است چه کاری انجام دهد، این تمایز مهم است.

شهود عمومی هنوز باید بخش سخت را ثابت کند. یک مجموعه داده بزرگ می تواند بودجه را تضمین کند، اما به خودی خود نمی تواند یک ربات مفید باشد. اگر API تابستانی نشان دهد که عوامل آموزش دیده بازی به وظایف دنیای واقعی تعمیم می دهند، تصمیم د ویت برای کناره گیری از پیشنهاد OpenAI 500 میلیون دلاری ممکن است پیش بینی کننده به نظر برسد. اگر اینطور نباشد، دور به عنوان یک یادآوری گران قیمت خواهد بود که مدل سازی جهان از یک بازی سخت تر است.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →