General Intuition US Inc. zamknął 26 czerwca 2026 roku rundę Series A o wartości 320 mln USD, osiągając wycenę 2,3 mld USD. Firma z Nowego Jorku trenuje modele AI dla fizycznych agentów i robotów, korzystając z miliardów klipów z gier wideo zawierających dokładne etykiety działań — podejście, które ma wyeliminować konieczność kosztownego zbierania danych w świecie rzeczywistym lub w symulacjach.
Najważniejsze w skrócie
- Runda Series A: 320 mln USD, wycena 2,3 mld USD, łączne finansowanie 454 mln USD
- Inwestorzy: General Catalyst (lead), Jeff Bezos, były CEO Google Eric Schmidt
- Źródło danych: platforma Medal — miliardy klipów z gier z embedded action labels (rejestracja każdego przycisku i czasu jego wciśnięcia)
- Dwa typy modeli: action models (decydują, co zrobić) + world models (przewidują wyniki działań)
- API ma być dostępne publicznie latem 2026; CEO to Pim de Witte, który jest też współzałożycielem Medala
Gry wideo jako dane treningowe dla robotów
Standardowa droga do trenowania fizycznego AI to albo zbieranie danych teleoperacji (drogie, wolne, ograniczone do konkretnych zadań), albo symulacja (tania, ale trudna do przeniesienia na świat rzeczywisty). General Intuition proponuje trzecią drogę: miliard godzin gameplay'u z gier wideo. Gracze nieustannie percypują środowisko, podejmują decyzje i działają. To dokładnie ta pętla — percepcja → decyzja → konsekwencja — która jest kluczowa dla fizycznej inteligencji.
Kluczowym elementem jest to, że klipy na platformie Medal nie są zwykłymi nagraniami ekranu. Platforma rejestruje każdy przycisk i dokładny czas jego wciśnięcia — co daje embedded action labels. Zamiast próbować inferować działania z pikseli (jak w typowym uczeniu imitacyjnym), model otrzymuje pary: klatka wideo → dokładne działanie gracza. To znacząco upraszcza problem superwizji.
CEO Pim de Witte — który założył Medal jako platformę do dzielenia się gamingowymi momentami — jest po obu stronach tej strategii. Dzięki kontroli nad Medalem General Intuition ma unikalny dostęp do jednego z największych na świecie repozytoriów labeled action data. Według firmy to miliardy klipów z dziesiątek gier i setek tysięcy środowisk.
Action models i world models — co firma faktycznie buduje
General Intuition opisuje dwa filary swojej architektury: action models i world models. Action model decyduje, co agent ma zrobić w danym momencie — to odpowiednik policy w klasycznym RL. World model przewiduje, co stanie się po wykonaniu danego działania — to środowisko wewnętrzne, które pozwala agentowi planować bez interakcji ze światem rzeczywistym. Firma pracuje nad nimi od 2015 roku, choć skala projektu stała się publiczna dopiero teraz.
Zestawienie z konkurencją pokazuje alternatywę: World Labs (Li Fei-Fei), Wayve GAIA-1 czy Google DeepMind World Model — wszystkie budują world modele oparte na danych robotycznych lub rzeczywistym ruchu samochodów. General Intuition stawia tezę, że gry wideo dostarczają lepszej różnorodności środowisk przy ułamku kosztów. Gra o otwartym świecie ma więcej stanów niż rok zbierania danych teleoperacji.
Runda i inwestorzy
General Catalyst — jeden z największych funduszy venture capital w USA, z portfolio obejmującym Stripe, Airbnb, Snap — prowadził rundę. Indywidualnie uczestniczyli Jeff Bezos i Eric Schmidt, były CEO Google. Runda podnosi łączne finansowanie firmy do 454 mln USD — wcześniej General Intuition zebrał 134 mln USD w październiku 2025 roku. Wycena 2,3 mld USD stawia firmę w gronie najwyżej wycenianych startupów AI w USA przed publiczną emisją.
Dlaczego to ważne?
Największy problem w trenowaniu robotów to ilość i jakość labeled data. Zbieranie danych teleoperacji jest kosztowne i powolne — godzina dobrej demonstracji kosztuje setki dolarów i wymaga doświadczonego operatora. Symulacje są szybsze, ale transfer do realu (sim-to-real gap) pozostaje jednym z trudniejszych problemów w robotyce. General Intuition próbuje ominąć oba te problemy: miliard godzin gameplay'u to skala, której żadne laboratorium robotyczne nie jest w stanie wygenerować. Jeśli model wytrenowany na danych z gier faktycznie transferuje do zachowań robotów fizycznych, to zmiana paradygmatu zbierania danych. Branża robotyczna czeka na konkretne wyniki — firma obiecuje API latem 2026, więc pierwsza weryfikacja zewnętrzna jest blisko.
Co dalej?
- API General Intuition ma być dostępne publicznie latem 2026 — to pierwsza zewnętrzna weryfikacja jakości modeli w zastosowaniach robotycznych
- Finansowanie (320 mln USD) zostanie przeznaczone na skalowanie mocy obliczeniowej i pretraining kolejnej wersji modelu — skala compute jest kluczowa dla world models tej generacji
- Kluczowe pytanie: czy world model zbudowany na danych z gier jest w stanie przewidywać działania w fizycznym świecie — i jak duża jest luka między wirtualnym a rzeczywistym
Źródła
- The Robot Report — General Intuition raises $320M to use video game data to train robots
- General Intuition — generalintuition.com
