General Intuition的底牌不是AI算法，而是Medal平台积累的「带时序操作标签的第一人称游戏录像」。普通游戏录屏只是像素序列，而Medal的每一帧都绑定了玩家当时的鼠标移动、按键操作和决策路径——相当于数十亿份「人类在三维空间做决策」的结构化行为记录。OpenAI在2024年出价5亿美元想买的就是这批数据。如今估值23亿美元，市场赌的是这些数据能训练出比纯仿真强一个量级的空间推理模型，而这条护城河——数亿小时带标注的操作数据——几年内没有任何竞品能复制。

General Intuition想用游戏数据弥合的，正是整个机器人行业最头疼的「仿真到现实迁移鸿沟」。斯坦福《AI Index Report 2026》量化了这一困境：机器人在仿真环境中的操控成功率高达89.4%，但进入真实家庭场景后骤降至12%。这77%的落差不是某个参数没调好，而是物理引擎永远无法复刻真实世界的摩擦、形变和光线变化。游戏数据恰好站在中间——它既有物理引擎的确定性，又携带了人类玩家的真实操作意图，能否成为跨越这道鸿沟的桥梁，是23亿估值赌注的真正核心。

资本市场把「世界模型」推成AI下一站，但CMU、MBZUAI、UCSD的三校联合论文直接从根基上泼了冷水。研究指出当前世界模型在五个层面存在严重硬伤：训练数据如何定义「目标世界的完整信息」没有共识；统一表征空间到底该编码什么、舍弃什么无人能答；目标函数选错就会学成物理模拟器而非推理引擎。甚至「世界模型」这个词本身已被滥用——南方周末的深度调查直言，大多数被冠以此名的系统根本不是真正的世界模型。General Intuition的迁移泛化边界尚未公开测试，在批判者看来，8分钟演示离真正的「理解物理世界」还有本质差距。

General Intuition计划2026夏末开放API，这一步将把估值从「数据故事」拉回「产品现实」。目前最能看到的信号是：他们与CoreWeave达成合作推进大规模预训练，说明算力瓶颈已经摸到；同时3.2亿融资明确部分用于API开放。真正的看点不是技术演示，而是开发者拿到API后能产出什么——如果只跑通简单的室内导航，23亿撑不住；如果能在复杂工业场景（比如库房码垛、户外巡检）做出可复现的泛化，赛道格局才会变。李飞飞World Labs、Decart的同类产品也在抢窗口期，哪家先出公开基准，哪家先拉开差距。

General Intuition拿Medal平台数十亿小时游戏录像训练模型，但一个绕不开的问题浮现：玩家每一帧按键操作的权利属于谁？Medal用户协议可能覆盖了平台内数据的使用权，但游戏发行商（Epic、EA等）是否同意自有游戏的画面和操作数据被用于商业AI训练？2025年已有游戏厂商因开源数据混入版权内容被诉，而General Intuition的API若对外开放，开发者用这些模型产出商业应用后，第三方维权矛头会指向谁——平台、模型方，还是最终用户？这是个比数据规模更难解决的问题。