游戏数据：AGI 训练的缺失拼图
当前大型语言模型的局限性
推动通用人工智能（AGI）的进程凸显了当今最先进语言模型的核心短板。虽然 ChatGPT、Claude 等模型在生成和理解文本方面表现出色，但它们在同样重要的能力上存在困难：理解物体在空间和时间中的运动方式。这种时空推理被视为实现超越狭义任务的通用智能的关键。
“大型语言模型根本缺乏所需的能力。像 ChatGPT 和 Claude 这样的模型在文本方面表现优异，但在理解事物实际在空间和时间中如何运动方面的能力较弱——这是一项对实现能够泛化的智能至关重要的技能。”
— TechCrunch，2026年7月8日
CEO 对视频游戏数据的押注
在最近的一次采访中，General Intuition 的 CEO 认为，仅靠文本训练数据留下的空白可以通过游戏数据来填补。他声称，现代视频游戏丰富的交互式环境为物理、因果关系和顺序决策等信息提供了天然来源——这些行为仅凭静态网页文本难以推断。
“事实证明，这一空白可能可以通过游戏数据来填补。这就是 General Intuition 背后的押注。”
— TechCrunch，2026年7月8日
为什么游戏数据可能重要（分析）
具身场景 – 游戏模拟角色在三维世界中移动、处理碰撞并响应动态变化，提供了因果关系的具体示例。
可扩展的、标注的交互 – 开发者已经生成了海量的玩家行为、状态变化和结果日志，这些可以重新用于训练信号，无需人工标注。
多样化情境 – 从以物理为核心的射击游戏到模拟资源流动的策略游戏，各种游戏机制能够让模型接触到广泛的类真实世界系统。
如果这些属性能够转化为在需要物理直觉的任务（例如机器人、仿真或规划）上提升模型表现，AI 社群将获得一条补充传统互联网文本语料的新数据管道。
谁将受益（分析）
AI 研究实验室 寻求更全面的下一代模型训练集。
初创公司 探索需要空间推理能力的细分基础模型服务。
游戏开发商 可能在已有数据中发现新价值，进而开启授权或合作机会。
企业 需要能够解释或预测物理过程的 AI 系统（如物流或自动驾驶）。
接下来值得关注的方向（分析）
General Intuition 的进展更新 – 展示游戏衍生数据如何影响模型表现的具体结果将是首要的试金石。
投资者兴趣 – 针对 AI 训练数据创新的融资轮次可能表明更广泛的市场信心。
其他 AI 初创公司的采纳 – 若 General Intuition 的方法被证实有效，可能会出现利用游戏日志、仿真平台甚至合成环境的类似项目。
政策讨论 – 随着更多商业 AI 系统依赖用户生成的游戏数据，隐私、数据所有权和授权等问题可能浮出水面。
来源：TechCrunch，《为什么这位CEO认为视频游戏比互联网更适合作为训练数据》，2026年7月8日。