为什么CEO认为游戏数据比互联网更适合训练AI

现在的大语言模型，比如ChatGPT和Claude，在理解物理世界方面存在一个致命短板。它们能写诗、能编程，但对「物体如何穿过空间、如何随时间变化」这种最基本的物理直觉几乎一无所知。这恰恰是迈向通用人工智能的关键障碍——真正的智能必须理解世界的物理法则，而不仅仅是文本符号。General Intuition这家由贝佐斯投资2.3亿美元估值的公司，赌的就是用游戏数据来填补这个空白。因为游戏世界本质上是遵循物理规律的精确3D模拟器，里面蕴含了海量的空间交互数据，比互联网上那些杂乱无章的文本和视频更有价值。他们刚拿了3.2亿美元融资，投资方还包括Coatue、Eric Schmidt以及MIT和Google DeepMind的研究人员。

他们的核心思路很直接：抛弃以文本为中心的AI训练思路，转而使用游戏数据来训练所谓的「世界模型」。具体来说，他们从游戏平台Medal TV积累了3000亿次玩家互动的数据，这些数据记录了玩家在虚拟世界中的各种物理行为——跳跃、飞行、碰撞、躲避。这比用2D视频训练高效得多，因为视频需要模型去脑补缺失的3D信息和物理规则，而游戏数据直接提供了精确的物理引擎输出。这相当于给AI搭建了一个数字世界的物理训练场，让它能像婴儿通过抓取感受物体运动一样，去内化物理直觉。这能直接用在机器人、自动驾驶等领域，让AI真正理解并预测现实世界中的物体运动。

这件事最让我觉得有意思的点在于，它揭示了AI训练数据的一个全新维度：互联网文本已经提供了语义知识，但物理世界的知识需要从交互式模拟中获取。游戏数据恰好是精度和量级之间的最佳平衡点——比真实世界采集数据成本低得多，又比合成数据更贴近真实物理定律。这给整个AI行业提了个醒：我们可能低估了「物理直觉」在大模型能力拼图中的分量。未来真正的AGI，很可能不是靠把文本模型参数堆到更大，而是靠海量的、高质量的物理交互数据来训练。这也会推动更多公司重新审视自己手头有没有这类特殊的交互数据资产——也许不只是游戏，任何带有物理反馈的模拟环境，都可能成为下一个AI能力的金矿。