なぜ3億2000万ドルもの資金が、ロボットのトレーニング用ビデオゲームデータに注ぎ込まれているのか
General Intuition社は、数十億時間分のビデオゲームクリップから抽出された人間の行動データを用いて、物理AIエージェントを訓練するため、企業価値23億ドルで3億2000万ドルの資金調達を行った。この型破りなアプローチは、物理データの収集におけるボトルネックを回避するものであり、物理AIには時間のかかる遠隔操作を通じて収集された膨大な実世界データが必要であるという従来の通説に異を唱えている。

ロボット工学分野における一般的な見解では、物理的なAIの学習には、遠隔操作や物理シミュレーションを通じて、時間とコストをかけて収集される膨大な量の実世界データが必要であると考えられています。しかし、今回行われた巨額の新規資金調達ラウンドは、これとは根本的に異なるアプローチを示唆しています。 General Intuition社は、数十億時間分のビデオゲームクリップを用いてエージェント型モデルを学習させるため、企業価値23億ドルでシリーズAラウンドにおいて3億2000万ドルの資金調達に成功した。
「観察」と「行動」の違い
ゲームクリッププラットフォーム「Medal」からスピンアウトしたこのスタートアップは、テキストベースのモデルは現実を記述するに過ぎない一方、純粋な動画モデルには意図が欠けていると主張している。General Intuitionは、プレイヤーがいつどのボタンを押したかを正確に記録したアクションラベルが埋め込まれたゲームプレイ映像を活用することで、従来の方法よりもはるかに速くAIモデルに時空間的推論と因果関係を教えることができると主張している。
このアプローチの意義は、観察と行動の違いにある。AIモデルが、人間がタスクを実行している標準的な動画を視聴する場合、その動作を再現するために必要な物理法則、意図、および具体的な運動指令を推論しなければならない。これは計算負荷が高く、エラーが発生しやすい。 General Intuitionのデータセットは、この「欠けていたリンク」、すなわち複雑な物理ベースの環境内における人間の意図と、その結果として生じる動作との間の明確な関連性を提供します。
物理データのボトルネックを回避
同社は、『フォートナイト』の仮想世界を移動するように最初に学習させた単一のモデルを、物理的な四足歩行ロボットに移植し、わずか8分間の物理データを用いて実世界での移動用に微調整できることを実証しました。この投資は、Khosla Venturesが主導し、General Catalyst、ジェフ・ベゾス、エリック・シュミット、およびGoogleの研究者らが参加して行われました。
DeepMindとMITの取り組みは、このデータ戦略の可能性を浮き彫りにしている。General Intuitionの戦略は、現在、エンボディッドAI業界を制約している物理的なデータ収集のボトルネックを回避するものです。同社は、ビデオゲームにすでに記録されている数十億時間分の人間の問題解決プロセスを活用することで、物理、空間、結果に関する汎用的な直感を備えた基礎的な世界モデルの構築を目指しています。
23億ドルという企業価値評価は、この逆張り的なデータ戦略への大規模な賭けである。ゲーム内の行動から人間の直感を抽出できるという同社の見解が正しければ、同社はAI業界で最も価値のある独自データセットの一つを保有することになるだろう。 このアプローチは、物理AIをめぐる競争における重要な現実を浮き彫りにしている。すなわち、勝者は必ずしも最高のロボットハードウェアを持つ企業ではなく、最低のコストで最高品質の行動データをモデルに供給する方法を編み出した企業になるだろうということだ。もし仮想の行動データを用いて、物理的な展開に向けたモデルの事前学習に成功すれば、知能ロボットの開発における参入障壁は劇的に低下するだろう。
主な情報源:
1. TechCrunch — General Intuition、ビデオゲームから世界モデルを構築するため3億2000万ドルを調達(2026年6月)
2. General Intuition プレスリリース — シリーズA資金調達発表(2026年6月)
免責事項:すべての編集コンテンツは、公開されている中国語および英語の情報源に基づき、RobotAIGeekが独自に執筆したものです。引用された内容は元の出版元に帰属し、RobotAIGeekによる独自の検証は行われていません。












