这家初创公司认为机器人将迎来ChatGPT时刻

机器人领域现在有个很尴尬的现状：每家公司都在为了自家那台特定的机器人，吭哧吭哧地收集海量的真实世界数据，从零开始训练专用模型。这跟当年大语言模型没火之前，大家各自为政搞NLP模型一模一样，效率低到令人发指。General Intuition 的 CEO 看得很清楚，他觉得这个路子马上就要被淘汰了。大家正在做的很多针对单一体型、单一环境的重复劳动，本质上都是在造轮子。真正的瓶颈不是数据量不够大，而是缺少一个能理解时空和运动直觉的通用大脑。每个新任务都要重新采集几十万小时的视频去训练，这种成本让机器人落地变得极其缓慢。

他们的解法非常聪明，或者说，听起来有点剑走偏锋：用海量的视频游戏数据来训练基础模型。他们搞了数百万小时的游戏录像，而且不止记录画面，还记录了人类玩家在哪个时间点按了什么键——这些带有操作动作的指令数据才是关键。他们认为，游戏虚拟世界里的丰富场景、物体交互、物理反馈，足够教给模型一种通用的“物理直觉”。然后，当这个基础模型训练好之后，你要让它开真实的机器人，只需要像微调GPT一样，喂进去短短8分钟的真实机器人操作数据。他们已经证明，经过这样微调的模型，能让一个四足机器人零样本地通过前端摄像头就避开办公室里的动态障碍物和人。这就完全跳过了传统需要成百上千小时真实数据的老路。

这件事最让我感到兴奋的地方在于，它指向了一个非常具体的未来：物理世界的AI开发，会变得像今天调用API一样简单。General Intuition 明确说他们自己不做机器人，而是要做物理世界的模型提供商。这意味着下一个想造机器人的团队，不需要再去操心底层运动控制和环境感知模型，可以直接拿一个通用基础模型，根据自己的硬件和场景做少量调整就行。这种模式一旦跑通，就会把机器人开发的准入门槛直接打穿，就像ChatGPT让写代码和写文章变得极其平民化一样，机器人领域的“iPhone时刻”可能会以一种我们意想不到的方式加速到来。这比那些还在执着于堆数据量的公司要聪明得多。