General Intuition привлекла $320 млн: робототехника и ИИ обойдутся без миллионов часов данных
Компания General Intuition привлекла 320 миллионов долларов на модель, обученную на видеоиграх, которая переносит навыки движения на реальных роботов после нескольких минут дообучения на физических данных.
Робототехника и ИИ до сих пор развивались по схеме «собери миллионы часов реальных данных под каждого робота». General Intuition предлагает путь, уже сработавший в текстовых моделях: одна базовая модель, минимальное дообучение (fine-tuning, обучение модели на ваших примерах под узкую задачу) под конкретную машину.
Пим де Витте, CEO General Intuition, в эфире подкаста Equity (TechCrunch) сравнил текущее состояние робототехники с NLP (обработка естественного языка) до появления GPT-3: компании строят узкоспециализированные модели под отдельных роботов, отдельные среды, отдельные задачи. По его словам, большая часть этой работы скоро станет избыточной, потому что появятся базовые модели физического ИИ, foundation models (фундаментальные модели, обученные на огромных данных и пригодные для широкого круга задач), способные переносить понимание пространства и времени на любое воплощение.
Как General Intuition обучает модель на видеоиграх?
Компания построила собственную фундаментальную модель, натренировав её на миллионах часов данных из видеоигр. Ключевое отличие от простого «просмотра» видео: модель получала не только картинку, но и данные о действиях, какие кнопки контроллера нажимал человек и когда.
И де Витте, и ведущий инвестор компании Винод Хосла утверждают, что именно эти данные о действиях (action data) дают модели человекоподобную интуицию для пространственно-временного рассуждения.
«Обобщающая способность самой модели и есть продукт. Базовое понимание пространства и времени, вот причина, по которой люди перестанут собирать сотни тысяч или миллионы часов реальных данных. Потому что на самом деле нужно всего несколько минут.» : Пим де Витте, CEO General Intuition (подкаст Equity, TechCrunch)
320 миллионов долларов и робот с восемью минутами опыта
В прошлом месяце, по данным TechCrunch, стартап привлёл 320 миллионов долларов при оценке 2,3 миллиарда долларов. Деньги пришли на конкретную демонстрацию: модель компании способна и часами играть в видеоигру, и управлять четвероногим роботом, причём для последнего хватило восьми минут дообучения на реальных робототехнических данных.
Робот работал только с фронтальной камерой, без дополнительных сенсоров, в офисе, где люди ходили мимо и появлялись новые объекты. Де Витте назвал результат «большим сюрпризом» для самой команды: модель справилась с задачей zero-shot (без предварительной подготовки именно под эту ситуацию).
Стоит отметить контекст: восемь минут реальных данных против миллионов часов, которые собирают конкуренты, это разница в несколько порядков. Если подход масштабируется, он радикально снижает порог входа в робототехнику и ИИ для небольших команд.
Цель: не строить роботов, а стать их «операционной системой»
General Intuition не планирует выпускать собственных роботов. Стратегия компании: стать базовой моделью физического ИИ, платформой, на которой другие компании будут строить свои машины.
«Мы не собираемся строить компанию по производству беспилотных автомобилей. Мы сделаем так, чтобы следующему человеку было в десять раз проще построить такую компанию.» : Пим де Витте, CEO General Intuition
Логика знакома: OpenAI не пишет за вас тексты, но даёт модель, на которой вы строите свой продукт. General Intuition хочет занять такую же позицию в физическом мире.
Что делать с этим прямо сейчас?
Разработчикам робототехники в РФ и СНГ. Главный практический вывод: вместо сбора огромных датасетов реальных движений имеет смысл следить за появлением открытых фундаментальных моделей физического ИИ и тестировать дообучение на минимальных данных. Пока модель General Intuition закрытая, но сам подход, обучение на симуляторах и видеоиграх с переносом на реальность, можно пробовать с доступными инструментами (Isaac Sim от NVIDIA, MuJoCo).
Авторам и маркетологам. Тема робототехники и ИИ выходит из узкой инженерной ниши. Контент о том, как фундаментальные модели приходят в физический мир, понятен широкой аудитории и хорошо работает по аналогии «как ChatGPT, только для роботов».
Предпринимателям. Если подход General Intuition подтвердится на масштабе, стоимость разработки робототехнических продуктов упадёт на порядки. Это окно возможностей для тех, кто сейчас считает робототехнику слишком дорогой.
Представьте: у вас есть четвероногий робот и задача научить его ходить по складу. Старый путь: месяцы сбора данных, десятки падений, дорогие сенсоры. Путь General Intuition: берёте базовую модель, обученную на миллионах часов виртуальных взаимодействий, и дообучаете её на 5-10 минутах реальной ходьбы вашего робота. По заявлению компании, модель сама «понимает» пространство и динамические объекты, даже если видит их впервые.
- Путать демонстрацию с готовым продуктом. General Intuition показала демо с одним четвероногим роботом в офисной среде. До промышленного применения, серийных манипуляторов, складской логистики, автономных машин, путь не объявлен.
- Считать, что реальные данные больше не нужны. «Несколько минут» дообучения всё равно требуют качественных данных именно с вашего робота. Ноль реальных данных пока не обещает никто.
- Игнорировать закрытость модели. На момент публикации General Intuition не объявляла об открытых весах или публичном API. Доступ для сторонних разработчиков пока не описан.
Аналогия с GPT-3 красивая и, на мой взгляд, в целом корректная: текстовые модели действительно прошли путь от штучных решений к универсальным платформам за несколько лет. Но есть нюанс: физический мир жёстче текста. Ошибка языковой модели, это плохой ответ. Ошибка робота, это упавший груз или травма. Восемь минут дообучения звучат впечатляюще в лаборатории, но между лабораторией и реальным производством лежит пропасть сертификации, надёжности и ответственности. Следить за General Intuition стоит, но ставить на «революцию за год» я бы не спешил.
Сам факт, что инвесторы уровня Винода Хослы готовы вложить 320 миллионов долларов в модель, обученную на видеоиграх, показывает: индустрия верит, что путь фундаментальных моделей в робототехнике повторит путь текстовых. Для российских команд практический вывод прост: начинайте экспериментировать с переносом навыков из симуляторов в реальность сейчас, пока инструменты дешёвые, а конкуренция за эту экспертизу ещё не выросла.
Хотите писать о технологиях так, чтобы читали?
Разберём, как подавать сложные темы вроде робототехники и ИИ для широкой аудитории Дзена, с фактами, структурой и живым голосом.
Попробовать dzen.guru
Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также
Общение с ChatGPT голосом стало полнодуплексным: модель слушает, говорит и переводит одновременно
ChatGPT перешёл на полнодуплексную голосовую модель GPT-Live-1, которая умеет слушать и говорить одновременно, меньше перебивает и впервые переводит речь в…
Meta открыла нейросеть для программирования Muse Spark 1.1 через собственный API: доступ пока только в США
Meta запустила Muse Spark 1.1, нейросеть для программирования с улучшенным поиском багов и поддержкой мультиагентных систем (когда несколько ИИ-агентов…
OpenAI два года скрывала от суда поиск по copyright-данным: найдено 78 млн диалогов
OpenAI на протяжении двух лет утверждала в суде, что технически не способна искать по собственным обучающим данным (training data, массивы текстов, на которых…
Комментарии