General Intuition привлекла $320 млн при оценке $2,3 млрд и строит на эти деньги не очередной чат-бот, а модель, для которой обучение ИИ в играх должно стать мостом в реальный мир. Для разработчиков и продуктовых команд это важный сигнал: рынок снова ставит на данные как на главное конкурентное преимущество, только теперь речь не о текстах и картинках, а о миллионах часов действий человека в цифровой среде.
О сделке сообщает TechCrunch. Раунд возглавила Khosla Ventures, также в нем участвовали General Catalyst, Джефф Безос, Эрик Шмидт, Нико Росберг и исследователи из Google DeepMind и MIT. Общий раскрытый объем инвестиций General Intuition после запуска в октябре 2025 года достиг $454 млн: тогда компания поднимала еще $134 млн. Основатель и CEO Пим де Витте утверждает, что ядро системы уже может работать и в игровом окружении, и в физическом мире: на демонстрации агент более 100 часов подряд играл в шутер, похожий на Fortnite, а та же модель управляла четвероногим роботом в офисе.
Ключевая идея стартапа не в том, что нейросеть «смотрит геймплей». Таких проектов хватает. Ставка сделана на другое: General Intuition использует не только видео, но и метки действий из клипов Medal, сервиса де Витте для публикации игровых роликов. То есть модель видит не просто картинку, а знает, какие именно кнопки нажимал игрок и в какой момент. По версии компании, именно это дает более полезное представление о причинно-следственных связях: где агент сам действует, где мир отвечает, что такое препятствие, когда лестница нужна для подъема, а не является просто набором пикселей. Если коротко, обучение ИИ в играх здесь продают не как развлечение для инвесторов, а как этап pre-training для «агентных» моделей.
Пока все это выглядит эффектно, но не бесспорно. По данным TechCrunch, для тонкой настройки модели под конкретного четвероногого робота компании хватило восьми минут реальных данных, причем собранных не в офисе, где проходила демонстрация, а на улице. Звучит почти как издевка над командами, которые месяцами собирают дорогие датасеты для робототехники. Но именно здесь и главный вопрос: красиво перенести поведение из симуляции в физический мир на одном роботе еще можно, а вот масштабировать этот подход на разные среды, сенсоры и типы устройств пока не удавалось никому. Стартап, по сути, спорит со всей практикой embodied AI, где реальные данные считались медленными, дорогими, но неизбежными.
Контекст у этой ставки понятный. После бума LLM отрасль ищет следующий скачок, и world models стали одним из главных кандидатов. Инвесторов в General Intuition зацепила не только сама идея, но и закрытый доступ к данным. Medal накопил сотни миллионов часов пользовательского геймплея, а вместе с ним и редкий тип сигналов о человеческих действиях. Для фондов это выглядит куда интереснее, чем еще один стартап, который собирает общедоступное видео и пытается угадывать намерение по кадрам. Недаром, по словам компании, Medal еще раньше получал предложение о покупке от крупной лаборатории, а затем и другие оферы. Ни де Витте, ни инвесторы, судя по материалу, продаваться пока не собираются.
Деньги в основном пойдут не на маркетинг и не на красивые ролики о «будущем роботов». Основная часть раунда предназначена для наращивания вычислительных мощностей: у компании уже есть соглашение с CoreWeave, а фокус смещается на pre-training следующей версии модели. Отдельно General Intuition обещает до конца лета сделать API доступнее для более широкого круга клиентов. Сейчас у стартапа лишь несколько заказчиков в играх, симуляции и робототехнике, и это, пожалуй, самый трезвый фрагмент всей истории: при оценке в $2,3 млрд компания все еще находится в режиме технологической проверки гипотезы, а не в фазе массовой коммерциализации.
Для русскоязычной IT-аудитории здесь несколько практических выводов. Во-первых, снова дорожают не модели сами по себе, а труднокопируемые данные и каналы их постоянного пополнения. Во-вторых, граница между game dev, симуляторами и робототехникой становится все более условной: инструменты, которые вчера считались чисто игровыми, завтра могут оказаться частью стека для промышленной автоматизации. В-третьих, обучение ИИ в играх возвращает в центр внимания action data — события управления, логи взаимодействия, телеметрию пользователя. Для команд, которые строят продукты с агентами, это прямой намек: возможно, вы недооцениваете самый ценный слой данных, потому что он выглядит слишком «операционным» и недостаточно гламурным для презентации инвесторам.
Есть и еще один штрих, который отличает General Intuition от многих соседей по AI-рынку. Де Витте публично ограничивает военное применение технологии и говорит, что не хочет участвовать в сценариях lethal autonomy, хотя допускает использование моделей в поисково-спасательных задачах. Параллельно компания запустила Nerve — платформу, где геймеры могут зарабатывать сначала на разметке данных, а затем на более сложных задачах вроде телеуправления роботами. В этом легко увидеть и идеологию, и прагматику: если твой датасет вырос из игровой аудитории, логично попытаться превратить ее не только в сырье для модели, но и в часть будущей экосистемы.
Главный вопрос теперь не в том, можно ли впечатлить инвестора робопсом и агентом, играющим без сна 100 часов. Вопрос в том, выдержит ли эта схема столкновение с реальными внедрениями, где среда шумнее, железо капризнее, а цена ошибки выше, чем в любой игре. Если выдержит, рынок получит не просто еще один модный AI-стартап, а новый аргумент в пользу того, что путь к физическому ИИ действительно может начаться с геймпада и лога нажатий.