在人工智能发展的宏大叙事中，生成式 AI 的崛起无疑是最为浓墨重彩的一笔。然而，当业界将目光从数字世界投向物理世界时，一个棘手的问题浮出水面：机器人技术的“ChatGPT 时刻”究竟何时到来？近日，一家名为 General Intuition 的初创公司给出了他们的答案，并宣称通过利用视频游戏数据，他们正在为物理 AI 的训练开辟一条全新的路径。
机器人技术的长期发展一直受困于“数据瓶颈”。与语言模型可以轻松获取互联网上的海量文本不同，训练一个能够理解物理世界、灵活操作物体的智能机器人，需要海量的真实世界操作数据。收集这些数据极其困难：机器人需要摔碎无数个杯子，在混乱的环境中跌倒数百次，才能学会如何稳健行走和抓取物体。这种“试错”过程不仅成本高昂，而且效率低下。
General Intuition 看到了这一痛点，并提出了一个大胆的假设：既然现实世界的物理环境如此复杂，为何不利用现有的虚拟世界来模拟这一切？该公司的核心策略是利用数百万小时的视频游戏数据来训练物理 AI 的基础模型。视频游戏拥有高度逼真的物理引擎、光影效果以及丰富的交互逻辑，这为机器人提供了一个低成本、高效率的“沙盒”训练场。
这就好比 ChatGPT 通过阅读人类所有的书籍学会了语言，General Intuition 则试图通过分析游戏中的物理交互，让机器人学会“力”与“运动”的法则。这种技术被称为“具身智能”的基石。通过在虚拟环境中进行预训练，机器人可以在接触真实物体之前，就建立起对物理世界的初步认知，从而极大地减少了在现实世界中试错所需的样本数量。
这一创新具有深远的行业意义。首先，它将大幅降低智能机器人的研发门槛，使得初创企业无需投入巨资去构建庞大的物理数据采集中心，就能开发出高性能的机器人。其次，这意味着“世界模型”技术将加速落地。世界模型是指机器人对物理世界运行规律的内部表征，General Intuition 的方案正是构建此类模型的有效途径。
在应用场景方面，一旦这种基于游戏数据的训练方法成熟，其影响将是全方位的。在物流仓储领域，机器人可以更快速地学习分拣和搬运复杂包裹；在家庭服务领域，机器人将能更好地理解人类的指令，完成倒咖啡、整理衣物等精细动作；在医疗康复领域，机器人也能通过模拟训练，为患者提供更精准的辅助训练。
随着硬件算力的提升和算法的进步，机器人技术正迎来爆发的前夜。General Intuition 的这一尝试，不仅是对现有机器人训练范式的一次挑战，更是对 AI 从“感知”走向“行动”的一次关键探索。如果成功，这将是机器人行业继“深度学习”之后的又一次重大技术跃迁。
来源：TechCrunch
原文链接：https://techcrunch.com/2026/07/08/this-startup-thinks-robotics-is-about-to-have-its-chatgpt-moment/
信息来源：AI News & Artificial Intelligence | TechCrunch，原文链接：https://techcrunch.com/2026/07/08/this-startup-thinks-robotics-is-about-to-have-its-chatgpt-moment/
封面图片来源：Unsplash / 摄影师 Jonathan Kemper
