在 OpenAI GPT-3 开启基础模型时代之前，企业通常从零开始构建专用自然语言处理模型，针对特定任务积累大量数据。如今，大多数组织选择从 GPT、Claude 或 Llama 等通用大模型出发，再通过微调或提示工程适配具体需求。
General Intuition 首席执行官 Pim de Witte 认为，机器人领域也将遵循同样的路径——与其花费大量资源采集真实世界数据来训练专用机器人模型，不如转向构建高质量数据集，训练能够跨环境迁移运动与交互直觉的基础模型。
为什么专用模型正在变得冗余
de Witte 在 TechCrunch 近期一期 Equity 节目中指出，眼下许多公司都在做大量重复性工作：针对单一本体、单一环境、单一机器人进行定制化开发。他预计，随着通用模型的出现，这部分工作很快将变得冗余。
"模型本身的泛化能力就是产品，" de Witte 表示，"模型对空间和时间的基础推理能力，将成为人们停止采集数以十万乃至百万小时真实世界数据的理由。现实情况是，你只需要几分钟数据。"
视频游戏数据训练出的空间推理能力
General Intuition 在数百万小时的游戏视频数据上训练了自己的基础模型，其中包括人类玩家在何时按下控制器哪个按键的记录。de Witte 与主要投资方 Vinod Khosla 均认为，这类动作数据是发展类人空间-时间直觉的关键。
该公司上月凭借这一理念完成 3.2 亿美元融资，估值达 23 亿美元。团队已验证，当前模型不仅能连续数小时运行电子游戏，还能在仅用 8 分钟真实机器人数据微调后，驱动四足机器人。
"（机器人）仅凭前置摄像头、没有任何其他传感器，在有动态物体介入、人员往来的办公环境中实现零样本迁移，这一点令我们非常惊讶，" de Witte 说，"我认为这预示着未来的方向。"
不做机器人，做机器人的"基础设施"
General Intuition 的终极目标并非自研机器人，而是成为物理 AI 的基础模型——一个可供其他机器人公司在此之上构建自有产品的底层平台。正如 de Witte 所说："我们不会去造一家自动驾驶公司，我们要让下一位想做自动驾驶公司的人变得轻松 10 倍。"
评论