游戏数据比互联网更适合训练AI？General Intuition CEO认为游戏数据能填补空间理解空白

一句话看懂

General Intuition CEO认为，游戏数据比互联网文本更适合训练AI，因为它能教会模型理解空间和时间的动态变化，这是通往AGI的关键。

详细发生了什么

大型语言模型如ChatGPT和Claude在文本处理上表现出色，但在理解物体如何在空间和时间中移动方面存在明显短板。General Intuition的CEO指出，这种能力对于实现通用人工智能（AGI）至关重要，而游戏数据恰好能填补这一空白。

游戏环境提供了丰富的时空动态信息：角色移动、物体交互、物理规则等，这些都是静态文本无法提供的。General Intuition正在利用游戏数据训练模型，使其具备更接近人类直觉的“空间智能”。该公司的核心假设是，通过游戏数据训练的模型，在机器人、自动驾驶、虚拟现实等需要理解物理世界的场景中，将显著优于纯文本模型。

中文圈视角

这一观点对中文圈用户有直接启示。首先，国内游戏产业规模庞大，拥有海量高质量游戏数据（如《原神》《王者荣耀》等），这些数据如果用于AI训练，可能成为国产模型的独特优势。目前，国产模型如DeepSeek、Kimi主要依赖互联网文本和代码数据，尚未大规模利用游戏数据。

其次，游戏数据训练出的模型在中文场景下有具体应用潜力：例如，用于智能客服的虚拟形象动作生成、教育类AI的物理实验模拟、以及游戏NPC的智能交互。但需要注意，游戏数据可能涉及版权和合规问题，国内企业需谨慎处理数据来源。

此外，这一方向与国内“具身智能”研究趋势吻合——让AI在虚拟环境中学习，再迁移到现实世界。如果General Intuition的方法被验证有效，国产模型可能需要在数据策略上做出调整，否则会在空间理解能力上落后。

几条值得记住的细节

General Intuition是一家专注于利用游戏数据训练AI的初创公司，其CEO认为文本数据无法教会模型“直觉”。
游戏数据包含空间坐标、时间戳、物理交互等结构化信息，比互联网文本更接近真实世界。
该公司的技术路线可能应用于机器人、自动驾驶和VR/AR领域。
目前，主流AI模型如GPT-5和Claude 4.5仍以文本和图像数据为主，游戏数据尚未被广泛采用。
国内游戏公司如腾讯、网易已开始探索游戏数据在AI训练中的应用，但公开信息有限。

一句话总结

游戏数据可能成为AI空间智能的突破口，中文圈用户应关注国产游戏数据的潜在价值与合规挑战。