2026 年 6 月，一家成立不到一年的纽约公司 General Intuition（通用直觉）完成了 3.2 亿美元 的 A 轮融资，估值达到 23 亿美元，领投方是硅谷知名投资人 Vinod Khosla。这家公司既不做大语言模型，也不造自动驾驶汽车，而是专注于构建一个通用的“机器人大脑”——一个能驱动机器人理解物理世界的基础模型。
其核心主张极具颠覆性：训练这样的模型，不需要数百万小时的真实机器人操作数据，用人类玩游戏的几百万小时录像就够了。CEO Pim de Witte 在 TechCrunch 的播客中表示，许多公司目前专注于单个机器人、单个环境、单个任务的专项工作，这些努力很快会变得多余。
传统机器人训练路径以特斯拉的 FSD 车队为代表，依赖海量真实路采数据与人工标注，成本高昂。特斯拉监督版全自动驾驶车队累计行驶里程已突破 100 亿英里，背后投入的资金堪称天文数字。波士顿动力的 Atlas、Figure 的 Figure 01 等也遵循类似逻辑：先造硬件，再堆数据，缓慢迭代。General Intuition 则试图彻底绕开这一过程。
该公司的技术思路是从游戏录像中提取“物理直觉”。游戏画面、手柄按键记录和角色运动轨迹中蕴含着丰富的空间感、时间感与因果关系判断。模型学习的不是如何通关，而是物体在空间中如何运动。公司声称，基于数百万小时游戏数据预训练后，仅需 8 分钟 的真实机器人数据微调，就能让四足机器人在办公室环境里自主导航，且仅依靠一个前视摄像头，无需激光雷达或深度传感器，即可在动态人群中实现零样本避障。
不过，这一“8 分钟微调”的说法需要审慎看待。首先，该演示仅在结构化的办公室环境中完成，在建筑工地、家庭厨房等复杂场景下的泛化能力尚未公开验证。其次，8 分钟是微调时间，基础模型的预训练成本并未披露。再者，这属于公司单方面声明，缺乏第三方独立测试。在物理 AI 领域，演示效果与量产落地之间往往存在巨大鸿沟。
Vinod Khosla 的押注并非偶然。他早年联合创立 Sun Microsystems，2019 年又作为首位机构投资者押注 OpenAI，如今将目光转向物理 AI。Khosla Ventures 今年以来已在机器人领域投资至少 5 家公司，General Intuition 是其中最大的一笔。他看中的是“机器人大脑”的平台化终局——不做机器人硬件，而是提供一个通用基础模型，让下一个造自动驾驶汽车的公司容易 10 倍。这一定位类似于当年 Android 不做手机只做操作系统，或 OpenAI 不做应用只提供 API。
但业内对“通用物理基础模型”的质疑从未停止。核心争议在于游戏世界与现实世界之间的“Sim-to-Real Gap”：游戏环境由确定性物理引擎驱动，而现实充满随机摩擦、气流与不可预测的人类行为。如果游戏数据真如此有效，拥有算力、数据和游戏部门的 NVIDIA、Google、Meta 为何仍在重注仿真平台与真实数据采集？一个可能的答案是：游戏数据是起点，而非终点。
从投资逻辑看，General Intuition 的估值建立在典型的“赢家通吃”赌注之上。如果物理 AI 基础模型真的存在，先发者将享受类似 GPT-3 之后 OpenAI 的网络效应；如果不存在，公司可能一文不值。目前积极信号包括 3.2 亿美元现金储备、实际机器人演示，风险则包括成立不足一年、无公开客户、8 分钟微调泛化能力未知、生态建设为零。与此同时，NVIDIA 的 Halos for Robotics 平台已拥有超过 40 家生态伙伴，Figure、1X 等也在探索通用模型，竞争正在逼近。
对中国物理 AI 产业而言，这一事件揭示了底座层竞赛的开启。国内玩家大致分为三类：场景驱动派、仿真平台派和基础模型派，百度、华为、字节以及智元机器人等初创公司均在探索。但现实挑战清晰：算力受限导致训练成本可能数倍于海外，一级市场资本密度难以匹配硅谷的烧钱规模。不过，中国制造业占全球 30% 的场景密度提供了独特优势——在工业制造、物流仓储等垂直领域，通过数据、模型、应用的闭环，完全可能建立起不可替代的垂直底座，而非追求一个大一统的通用模型。
General Intuition 的价值不在于它今天做到了什么，而在于它提出了一个值得验证的命题：物理 AI 能否像自然语言处理一样，从专用模型走向通用基础模型。2026 年下半年，物理 AI 的基础模型卡位战将全面打响，23 亿美元估值是泡沫还是先见之明，12 个月内可见分晓。但可以确定的是，谁先在“通用物理直觉”上跑通，谁就可能定义下一代机器人的操作系统。