गेमिंग क्लिप प्लेटफॉर्म से निकला एक स्टार्टअप साल के सबसे बड़े कृत्रिम बुद्धिमत्ता फंडिंग दौर में से एक में पहुंच गया है। जनरल इंट्यूशन ने सीरीज ए राउंड में 2.3 बिलियन डॉलर के मूल्यांकन पर 320 मिलियन डॉलर जुटाए हैं, यह शर्त लगाते हुए कि लाखों घंटे के प्लेयर-एनोटेटेड गेमप्ले एआई एजेंटों को वास्तविक दुनिया में कैसे चलना और कार्य करना सिखा सकते हैं।

टेकक्रंच ने सबसे पहले 25 जून को राउंड की सूचना दी। इसका नेतृत्व खोसला वेंचर्स ने किया, जिसमें जनरल कैटलिस्ट, जेफ बेजोस, एरिक श्मिट, पूर्व फॉर्मूला 1 ड्राइवर निको रोसबर्ग और Google डीपमाइंड और एमआईटी के शोधकर्ताओं ने भी भाग लिया। अक्टूबर 2025 में 134 मिलियन डॉलर के लॉन्च राउंड के बाद, इस बढ़ोतरी से कंपनी की घोषित फंडिंग लगभग 454 मिलियन डॉलर हो गई है। For more context on this story, see our ongoing breaking AI news.

कंपनी की थीसिस अपरंपरागत है लेकिन तेजी से फैशनेबल हो रही है: उपभोक्ता गेमिंग उत्पाद के अंदर मौजूद डेटा भौतिक एआई के लिए सबसे कम रेटिंग वाले प्रशिक्षण स्रोतों में से एक हो सकता है।

क्लिप-शेयरिंग से लेकर रोबोटिक्स डेटा तक

जनरल इंट्यूशन को मेडल से बनाया गया था, जो पिम डी विट्टे द्वारा स्थापित गेमर्स के लिए एक क्लिप-शेयरिंग प्लेटफॉर्म था। स्टार्टअप फॉर्च्यून के अनुसार, डी विट्टे ने 2024 के अंत में ओपनएआई के $500 मिलियन के कथित अधिग्रहण प्रस्ताव को ठुकरा दिया, जिससे यह निष्कर्ष निकला कि उनके प्लेटफॉर्म के नीचे का फुटेज किसी अन्य लैब के अंदर लाइन आइटम की तुलना में एक नई एआई कंपनी की नींव के रूप में अधिक मूल्यवान था।

मेडल के लगभग 10 मिलियन मासिक सक्रिय उपयोगकर्ता हैं जो प्रति वर्ष लगभग 2 बिलियन वीडियो क्लिप अपलोड करते हैं। महत्वपूर्ण विवरण यह है कि उन क्लिप में वीडियो के अलावा क्या है। एक मेडल क्लिप नियंत्रक इनपुट, बटन प्रेस और माउस मूवमेंट को ले जा सकता है जो स्क्रीन पर कार्रवाई उत्पन्न करता है। यह ठीक उसी तरह का डेटा है जिसे रोबोटिक्स प्रयोगशालाएं बड़े पैमाने पर पकड़ने के लिए संघर्ष करती हैं: न केवल क्या हुआ, बल्कि इसे पूरा करने के लिए एक इंसान ने क्या किया।

कंपनी का तर्क यह है कि यदि कोई मॉडल किसी खिलाड़ी को अव्यवस्थित लड़ाई में भाग लेते हुए देख सकता है और उनके इनपुट से अगले फ्रेम की भविष्यवाणी कर सकता है, तो यह स्थान, समय, इरादे और परिणाम के बारे में वास्तव में कुछ उपयोगी सीख सकता है। एक वेयरहाउस रोबोट को मैच जीतने की ज़रूरत नहीं है। इसे किसी शेल्फ, गाड़ी या किसी व्यक्ति से टकराए बिना एक अजीब भौतिक वातावरण से गुजरना पड़ता है।

निवेशक ध्यान क्यों दे रहे हैं

निवेशक सूची भौतिक एआई विश्वासियों में से कौन-कौन है, के रूप में पढ़ी जाती है। जेफ बेजोस ने पहले रोबोटिक्स सॉफ्टवेयर कंपनी फिजिकल इंटेलिजेंस का समर्थन किया था, जिसने 2024 में 2 बिलियन डॉलर से अधिक के मूल्यांकन पर 400 मिलियन डॉलर जुटाए थे। एरिक श्मिट ने अगले प्रमुख प्रौद्योगिकी बाजारों में से एक के रूप में रोबोटिक्स के बारे में खुलकर बात की है। Google DeepMind ने भौतिक स्थान के बारे में तर्क करने वाले विश्व मॉडलों और एजेंटों को आगे बढ़ाने में वर्षों बिताए हैं।

व्यापक बाज़ार डी विट्टे को दांव लगाने की गुंजाइश देता है। बिजनेस इनसाइडर ने हाल ही में रिपोर्ट दी है कि रोबोटिक्स के लिए वेंचर फंडिंग 2019 में 4 बिलियन डॉलर से बढ़कर 2025 में 26 बिलियन डॉलर हो गई है। फिगर एआई, फिजिकल इंटेलिजेंस, स्किल्ड एआई और एजिलिटी रोबोटिक्स सहित सभी कंपनियों ने महत्वपूर्ण पूंजी आकर्षित की है क्योंकि पैसा उन मशीनों की ओर स्थानांतरित हो रहा है जो केवल टेक्स्ट बॉक्स में सवालों के जवाब देने के बजाय भौतिक दुनिया में काम कर सकते हैं। एनवीडिया के मुख्य कार्यकारी जेन्सेन हुआंग ने बार-बार सन्निहित एआई को अगली लहर के रूप में वर्णित किया है।

गणना शर्त और आगे क्या आता है

नई पूंजी का अधिकांश भाग गणना के लिए निर्धारित किया गया है। टेकक्रंच ने बताया कि जनरल इंट्यूशन के मॉडल के अगले संस्करण को कोरवेव इंफ्रास्ट्रक्चर पर प्रशिक्षित किया जाएगा, जिसमें 2026 की गर्मियों के अंत तक एक सार्वजनिक एपीआई की योजना बनाई जाएगी। एपीआई पहली वास्तविक परीक्षा होगी कि मेडल थीसिस पिच डेक और प्रदर्शन के बाहर टिकती है या नहीं।

स्पष्ट आपत्ति यह है कि खेल वास्तविक दुनिया नहीं हैं। एक गेम इंजन स्वच्छ नियम लागू करता है जो फ़ैक्टरी फ़्लोर कभी नहीं करता है। टकराव का पता लगाना सटीक है, वस्तुएं कोड के अनुसार व्यवहार करती हैं, और मानव कार्यकर्ता के पास काम करने वाले रोबोट हाथ को वजन, घर्षण, खराब रोशनी और विलंबता से जूझना पड़ता है। सामान्य अंतर्ज्ञान का प्रतिवाद यह है कि पैमाना समीकरण को बदल देता है। कंपनी यह दावा नहीं कर रही है कि वीडियो गेम कोई फ़ैक्टरी है। यह शर्त लगाई जा रही है कि दृश्यमान परिणामों से जुड़े करोड़ों वास्तविक मानवीय निर्णय, एक मॉडल को स्थानिक-लौकिक प्रवृत्ति का निर्माण करने में मदद कर सकते हैं जिसका रोबोटिक्स में अभी भी अभाव है।

एक संकीर्ण, अधिक दिलचस्प कहानी

उपयोगी बिंदु शीर्षक की तुलना में संक्षिप्त और अधिक दिलचस्प है। भौतिक एआई के लिए सबसे संभावित रूप से मूल्यवान डेटासेट में से एक उपभोक्ता गेमिंग उत्पाद के अंदर छिपा हो सकता है, जबकि सबसे बड़ी प्रयोगशालाएं कहीं साफ-सुथरी दिख रही थीं। मेडल के क्लिप में दबाव के तहत किए गए वास्तविक मानवीय विकल्प शामिल हैं, न कि साफ-सुथरे रास्तों की खोज करने वाले सिम्युलेटर द्वारा उत्पन्न प्रक्षेप पथ। एक एजेंट के लिए यह अनुमान लगाना सीखना कि कोई व्यक्ति आगे क्या कर सकता है, यह अंतर मायने रखता है।

सामान्य अंतर्ज्ञान को अभी भी कठिन हिस्सा साबित करना है। एक बड़ा डेटासेट फंडिंग सुरक्षित कर सकता है, लेकिन यह अपने आप में एक रोबोट को उपयोगी नहीं बना सकता है। यदि समर एपीआई से पता चलता है कि गेमिंग-प्रशिक्षित एजेंट वास्तविक दुनिया के कार्यों को सामान्य करते हैं, तो $500 मिलियन ओपनएआई ऑफर से दूर जाने का डी विट्टे का निर्णय दूरदर्शितापूर्ण लग सकता है। यदि ऐसा नहीं होता है, तो यह राउंड एक महँगे अनुस्मारक के रूप में खड़ा रहेगा कि दुनिया को एक गेम की तुलना में मॉडल करना अधिक कठिन है।

---

Stay Ahead of AI

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

Read more AI news →