General Intuition با جذب ۳۰۰ میلیون دلار مدل‌های دنیای گیمینگ را به ربات‌ها

تصور کنید رباتی که هرگز در دنیای واقعی آموزش ندیده، اما به‌ دلیل میلیون‌ها ساعت تجربه در محیط‌های مجازی، دقیقاً می‌داند چطور در یک اتاق شلوغ حرکت کند. این همان رویای تبدیل دنیای گیمینگ به آزمایشگاهی برای هوش مصنوعی فیزیکی است.

طبق گزارش TechCrunch در ۱۸ ژوئن ۲۰۲۶، استارت‌آپ نیویورکی General Intuition در حال مذاکره برای جذب ۳۰۰ میلیون دلار سرمایه است تا ظرفیت‌های محاسباتی خود را افزایش دهد و محصول جدیدش را تا اوایل پاییز ۲۰۲۶ عرضه کند. این رویکرد یادآور تلاش‌های مشابه در صنعت است، همان‌طور که استارت‌آپ Odyssey نیز با سرمایه‌گذاری کلان ۳۱۰ میلیون دلاری تلاش می‌کند تا مدل‌های دنیای هوش مصنوعی را با درک فیزیک واقعی ارتقا دهد. این شرکت که اکنون ۲ میلیارد دلار ارزش‌گذاری شده، به دنبال توسعه عامل (Agent) — شبیه به کارمندی دیجیتال که می‌تواند به‌تنهایی هدف را بفهمد و برای رسیدن به آن برنامه‌ریزی کند — است که درک عمیقی از محیط‌های سه‌بعدی داشته باشد.

همان‌طور که در تحلیل‌های قبلی ما درباره امنیت مدل‌های بازمتن اشاره کردیم، دسترسی به داده‌های باکیفیت، برنده اصلی رقابت‌های فعلی است. General Intuition از دل پلتفرم Medal بیرون آمده است؛ همین پیشینه باعث شده آن‌ها به گنجینه‌ای از ۲ میلیارد ویدیو در سال از ۱۰ میلیون کاربر فعال دسترسی داشته باشند. این داده‌ها به مدل کمک می‌کند تا استنتاج (Inference) — یعنی همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آن — را در محیط‌های جاری و پویا انجام دهد.

برخلاف رقبایی مثل Runway یا World Labs که مدل‌های دنیا را ابزاری برای خلق هنر می‌بینند، استراتژی این شرکت بر محورهای زیر می‌چرخد:

• آموزش عامل‌ها با استفاده از داده‌های تعاملی و اول‌شخص بازی‌ها
• ایجاد استدلال‌های پیچیده زمانی-فضایی برای پیش‌بینی واکنش‌های لحظه‌ای
• تمرکز بر عرضه «عامل» به عنوان محصول نهایی، به‌جای فروش تکنولوژی شبیه‌سازی

به نقل از منابع داخلی، این حجم از داده‌ها به‌قدری ارزشمند است که حتی OpenAI در گذشته تلاش کرده بود پلتفرم Medal را بخرد. اکنون نام‌های بزرگی مثل جف بیزوس و اریک اشمیت در کنار Khosla Ventures و General Catalyst از این مسیر حمایت می‌کنند.

گام بعدی شما

• اگر توسعه‌دهنده رباتیک هستید، روی مدل‌های World Model تمرکز کنید تا متوجه شوید چگونه شبیه‌سازها جایگزین تست‌های فیزیکی گران‌قیمت می‌شوند.
• منتظر عرضه محصول این شرکت در اواخر تابستان باشید تا ببینید آیا مهارت‌های گیمینگ به محیط‌های غیربازی منتقل می‌شوند یا خیر.
• بررسی کنید که آیا مدل‌های استدلالی جدید می‌توانند با داده‌های ویدئویی، جایگزین آموزش‌های سنتی Reinforcement Learning شوند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell و نقش آن‌ها در استنتاج مدل‌های حجیم مراجعه کنید.