在OpenAI的GPT-3引领基础模型时代之前，企业通常从零开始构建专门的自然语言处理模型，针对特定任务训练大量数据。如今，大多数组织都会先采用通用模型，如OpenAI的GPT系列、Claude或Llama，然后通过微调或提示来满足具体需求。
General Intuition的CEO Pim de Witte认为，具身人工智能（embodied AI）将遵循类似的路径。他主张行业应专注于更高质量的数据集，打造能够在多种环境中迁移运动和交互直觉的基础模型，而不是收集庞大的真实世界数据来构建专门的机器人模型。
“目前很多公司都在做大量针对特定具身形式、特定环境和特定机器人的专业化工作，”de Witte在TechCrunch的节目中表示。
他认为，随着像General Intuition正在开发和部署的通用模型的出现，这些工作很快将变得多余。
“模型本身的泛化能力就是产品，”他说，“它具备对空间和时间的基本推理能力，这将让人们不再需要收集成千上万甚至数百万小时的真实世界数据。实际上，你只需要几分钟的数据。”
General Intuition基于数百万小时的视频游戏数据训练了自己的基础模型，这些数据包括人类按下控制器按钮的时间和方式。de Witte和该公司主要投资人Vinod Khosla都认为，动作数据是培养类似人类的时空推理直觉的关键。
上个月，这家初创公司基于这一理念完成了3.2亿美元融资，估值达23亿美元。公司展示了其模型不仅能连续数小时玩视频游戏，还能驱动四足机器人——后者仅通过八分钟的真实机器人数据微调即可实现。
“机器人仅凭前置摄像头，在办公室内面对动态物体和行人时实现零样本操作，这让我们非常惊讶，”de Witte说，“我认为这预示着未来的发展方向。”
General Intuition的最终目标不是自己制造机器人，而是成为物理人工智能的基础模型，为其他机器人公司提供构建自身机器人的底层技术。正如de Witte所言：“我们不会去打造自动驾驶汽车公司，而是让下一家自动驾驶汽车公司打造起来容易十倍。”
