General Intuition公司的CEO抛出了一个挺有意思的观点：现有的LLM（比如ChatGPT和Claude）在通往通用人工智能（AGI）的路上，其实有个硬伤。这些模型处理文本确实很溜，但说到理解物体怎么在时间和空间里移动，它们就有点抓瞎了。而这家公司认为，视频游戏数据能提供互联网文本所缺乏的时空逻辑——这才是通往真正通用智能的关键拼图。
核心要点
- LLM的局限性：目前最强的LLM，比如ChatGPT和Claude，文本处理能力一流，但在理解物理世界的时空规律上明显偏科。
- 时空理解是关键：CEO觉得，懂不懂物体在空间和时间里怎么动，是AGI必备的本事。
- 游戏数据的价值：视频游戏里模拟的物理环境，正好能补上互联网文本数据缺的那块时空运动逻辑。
- General Intuition的愿景：用游戏数据训练模型，目标是造出比传统LLM更通用、更有物理感知的智能系统。
详细分析
文本智能与物理智能的鸿沟
眼下AI发展的主流是LLM，ChatGPT和Claude就是代表。但General Intuition的CEO指出，这些模型往AGI走时碰上了瓶颈。问题出在哪？互联网上的文本数据虽然装下了人类海量知识，但没法直观地呈现物理世界的运作规律。文本是抽象的符号，现实世界却是具体的、有时间和空间维度的。模型能学会描述“球掉在地上”，但它们压根不理解重力、速度以及物体在三维空间里怎么连续运动。这种对时空理解的缺失，被看作是限制AI向更高阶智能进化的主要障碍。
视频游戏：理想的物理实验室
为了补上这个短板，General Intuition盯上了视频游戏数据。跟静态的互联网文本或零碎的视频片段不同，视频游戏是个高度结构化的模拟环境。在游戏世界里，物理定律——碰撞检测、重力、加速度——是底层运行的基础。AI学游戏数据时，不只是在学像素变化，而是在学物体怎么在复杂空间里导航，动作怎么随时间的推移产生连续影响。这种数据能提供一种“具身化”的训练背景，帮AI建立对物理世界的直觉。CEO认为，从模拟环境里提取的智能，比单纯的语言预测更接近人类理解世界的方式，是实现AGI不可或缺的基石。
行业影响
这个观点对AI行业挺有启发。首先，它挑战了“数据量即一切”的传统观念，强调数据质量和维度的重要性。如果游戏数据真能显著提升AI的空间推理能力，那未来AI巨头们很可能要掀起一场针对高质量游戏数据和物理引擎模拟数据的争夺战。其次，这预示着AI训练范式的转变——从单纯的“阅读互联网”转向在“虚拟世界里进化”。这种趋势可能会加速具身智能（Embodied AI）和机器人技术的发展，让AI不光能写诗作画，还能在现实物理环境里干复杂的活儿。
常见问题
问题 1：为什么现有的互联网数据不足以支撑AGI的实现？
互联网数据主要是文本和图像，信息量虽然巨大，但缺了连续的物理反馈和时空因果链。LLM靠统计概率预测下一个词，而不是基于对物理规律的理解。要达到AGI，AI需要理解现实世界的运行逻辑——这在非交互式的文本数据里很难学到。
问题 2：视频游戏数据相比真实世界视频有何优势？
视频游戏数据的结构化程度更高，可控性也更强。游戏引擎能提供精确的元数据——比如物体的坐标、速度、受力情况——这使得AI能更清楚地把视觉变化和物理参数对应起来。另外，游戏环境可以大规模并行模拟，训练效率远高于从现实世界采集视频数据。
问题 3：General Intuition的这种方法是否意味着LLM将被取代？
不是取代，而是互补。LLM提供了强大的认知和语言能力，而基于游戏数据训练的空间智能则为AI注入了“物理常识”。未来的AGI很可能得结合多种训练范式——既要能懂人话，又要能感知物理世界。