गेमिंग क्लिप प्लॅटफॉर्ममधून बाहेर पडलेल्या स्टार्टअपने वर्षातील सर्वात मोठ्या आर्टिफिशियल इंटेलिजन्स फंडिंग राउंडपैकी एक गाठला आहे. जनरल इंट्यूशनने सिरीज A फेरीत $2.3 अब्ज मूल्यावर $320 दशलक्ष उभे केले आहेत, की खेळाडू-भाष्यांचे लक्षावधी तास गेमप्ले AI एजंटना वास्तविक जगात कसे हलवायचे आणि कसे वागायचे हे शिकवू शकतात.

TechCrunch ने 25 जून रोजी प्रथम फेरीची माहिती दिली. खोसला व्हेंचर्स यांच्या नेतृत्वाखाली जनरल कॅटॅलिस्ट, जेफ बेझोस, एरिक श्मिट, माजी फॉर्म्युला 1 ड्रायव्हर निको रोसबर्ग आणि Google DeepMind आणि MIT चे संशोधक देखील सहभागी झाले होते. ऑक्टोबर 2025 मध्ये $134 दशलक्ष लाँच फेरीनंतर, या वाढीमुळे कंपनीचा खुलासा निधी अंदाजे $454 दशलक्ष झाला. For more context on this story, see our ongoing more AI stories.

कंपनीचा प्रबंध अपारंपरिक परंतु वाढत्या फॅशनेबल आहे: ग्राहक गेमिंग उत्पादनामध्ये बसलेला डेटा हा भौतिक AI साठी सर्वात कमी दर्जाचे प्रशिक्षण स्त्रोतांपैकी एक असू शकतो.

क्लिप-शेअरिंगपासून रोबोटिक्स डेटापर्यंत

पिम डी विट्टे यांनी स्थापित केलेल्या गेमर्ससाठी क्लिप-सामायिकरण प्लॅटफॉर्म, मेडलमधून जनरल इंट्यूशन तयार केले गेले. Startup Fortune नुसार, de Witte ने OpenAI कडून 2024 च्या उत्तरार्धात $500 दशलक्ष संपादन ऑफर नाकारली, असा निष्कर्ष काढला की त्याच्या प्लॅटफॉर्मच्या खाली असलेले फुटेज दुसऱ्या लॅबमधील लाइन आयटमपेक्षा नवीन AI कंपनीचा पाया म्हणून अधिक मोलाचे आहे.

मेडलमध्ये अंदाजे 10 दशलक्ष मासिक सक्रिय वापरकर्ते आहेत जे वर्षाला सुमारे 2 अब्ज व्हिडिओ क्लिप अपलोड करतात. त्या क्लिपमध्ये व्हिडिओच्या पलीकडे काय आहे हे गंभीर तपशील आहे. मेडल क्लिप कंट्रोलर इनपुट, बटण दाबणे आणि स्क्रीनवर कृती निर्माण करणारी माऊसची हालचाल वाहून नेऊ शकते. रोबोटिक्स लॅब्स मोठ्या प्रमाणावर कॅप्चर करण्यासाठी धडपडत असलेला डेटाचा हाच प्रकार आहे: केवळ काय घडले नाही तर ते घडण्यासाठी मानवाने काय केले.

कंपनीचा युक्तिवाद असा आहे की जर एखादे मॉडेल एखाद्या खेळाडूला गोंधळलेल्या लढ्यात नेव्हिगेट करताना पाहू शकते आणि त्यांच्या इनपुटवरून पुढील फ्रेमचा अंदाज लावू शकते, तर ते जागा, वेळ, हेतू आणि परिणाम याबद्दल खरोखर उपयुक्त काहीतरी शिकत असेल. वेअरहाऊस रोबोटला सामना जिंकण्याची गरज नाही. त्याला शेल्फ, कार्ट किंवा एखाद्या व्यक्तीशी टक्कर न घेता अस्ताव्यस्त भौतिक वातावरणातून पुढे जाणे आवश्यक आहे.

गुंतवणूकदार लक्ष का देत आहेत

गुंतवणूकदारांची यादी भौतिक AI विश्वासणारे कोण आहे-कोण म्हणून वाचते. जेफ बेझोसने यापूर्वी फिजिकल इंटेलिजन्स या रोबोटिक्स सॉफ्टवेअर कंपनीचे समर्थन केले होते ज्याने 2024 मध्ये $2 अब्ज पेक्षा जास्त मूल्यावर $400 दशलक्ष उभे केले होते. एरिक श्मिटने पुढील प्रमुख तंत्रज्ञान बाजारपेठांपैकी एक म्हणून रोबोटिक्सबद्दल उघडपणे बोलले आहे. Google DeepMind ने जागतिक मॉडेल्स आणि एजंट्सची प्रगती करण्यासाठी वर्षे घालवली आहेत जे भौतिक जागेबद्दल कारणीभूत आहेत.

विस्तीर्ण बाजारपेठ डी विट्टेला पैज लावण्यासाठी जागा देते. बिझनेस इनसाइडरने अलीकडेच नोंदवले आहे की रोबोटिक्ससाठी उपक्रम निधी 2019 मध्ये $4 अब्ज वरून 2025 मध्ये $26 अब्ज झाला आहे. फिगर AI, फिजिकल इंटेलिजन्स, स्किल्ड AI, आणि ऍजिलिटी रोबोटिक्स यासह सर्व कंपन्यांनी महत्त्वपूर्ण भांडवल आकर्षित केले आहे कारण पैसे अशा मशीन्सकडे वळले आहेत जे मजकूराच्या जगात प्रश्नांची उत्तरे देण्याऐवजी मजकूराच्या जगात कार्य करू शकतात. एनव्हीडियाचे मुख्य कार्यकारी अधिकारी जेन्सेन हुआंग यांनी पुन्हा पुन्हा पुन्हा पुन्हा पुन्हा पुन्हा पुन्हा पुन्हा पुन्हा एआयचे पुढील लहर असे वर्णन केले आहे.

कॉम्प्युट बेट आणि पुढे काय होते

नवीन भांडवल बहुतेक मोजणीसाठी राखून ठेवलेले आहे. TechCrunch ने अहवाल दिला की जनरल इंट्यूशनच्या मॉडेलची पुढील आवृत्ती CoreWeave इन्फ्रास्ट्रक्चरवर प्रशिक्षित केली जाईल, ज्यात सार्वजनिक API 2026 च्या उन्हाळ्याच्या अखेरीस नियोजित केले जाईल. API ही पहिली खरी चाचणी असेल की मेडल थीसिस पिच डेकच्या बाहेर आणि प्रात्यक्षिकाच्या बाहेर आहे की नाही.

स्पष्ट आक्षेप असा आहे की खेळ हे खरे जग नाही. गेम इंजिन स्वच्छ नियम लागू करते जे फॅक्टरी फ्लोर कधीही करत नाही. टक्कर शोधणे तंतोतंत आहे, वस्तू कोडनुसार वागतात आणि मानवी कर्मचाऱ्याजवळ कार्यरत असलेल्या रोबोट हाताने वजन, घर्षण, खराब प्रकाश आणि विलंब यांचा सामना केला पाहिजे. सामान्य अंतर्ज्ञानाचा काउंटर म्हणजे स्केल समीकरण बदलते. व्हिडिओ गेम हा कारखाना असल्याचा दावा कंपनी करत नाही. हे सट्टेबाजी आहे की कोट्यवधी वास्तविक मानवी निर्णय, दृश्यमान परिणामांशी जोडलेले, एखाद्या मॉडेलला रोबोटिक्समध्ये अजूनही नसलेल्या अवकाशीय-लौकिक प्रवृत्ती तयार करण्यात मदत करू शकतात.

एक संकुचित, अधिक मनोरंजक कथा

उपयुक्त मुद्दा मथळ्यापेक्षा अरुंद आणि अधिक मनोरंजक आहे. भौतिक AI साठी सर्वात संभाव्य मौल्यवान डेटासेटपैकी एक कदाचित ग्राहक गेमिंग उत्पादनामध्ये लपलेला असेल तर सर्वात मोठ्या लॅब कुठेतरी स्वच्छ दिसत होत्या. मेडलच्या क्लिपमध्ये दबावाखाली केलेल्या वास्तविक मानवी निवडी असतात, नीटनेटके मार्ग शोधणाऱ्या सिम्युलेटरद्वारे व्युत्पन्न केलेल्या मार्गक्रमण नसतात. एखादी व्यक्ती पुढे काय करू शकते याचा अंदाज घेण्यास शिकणाऱ्या एजंटसाठी, तो फरक महत्त्वाचा आहे.

सामान्य अंतर्ज्ञान अजूनही कठीण भाग सिद्ध आहे. मोठा डेटासेट निधी सुरक्षित करू शकतो, परंतु तो स्वतः रोबोटला उपयुक्त बनवू शकत नाही. जर समर API दर्शविते की गेमिंग-प्रशिक्षित एजंट वास्तविक-जागतिक कार्ये सामान्य करतात, तर $500 दशलक्ष ओपनएआय ऑफरपासून दूर जाण्याचा डी विटेचा निर्णय पूर्वसूचक वाटू शकतो. जर तसे झाले नाही तर, ही फेरी एक महाग आठवण म्हणून उभी राहील की जगाला खेळापेक्षा मॉडेल करणे कठीण आहे.

---

Stay Ahead of AI

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

Read more AI news →