在人工智能领域，一个关于“直觉”的宏大实验正在悄然推进。专注于研发“直觉型AI”的初创公司General Intuition近日宣布，已成功完成总额高达3.2亿美元的新一轮融资。这笔巨额资金将主要用于扩大其基于数千万小时游戏对战数据进行训练的AI模型规模。这家公司的核心信念是，海量的实战行为数据，尤其是人类在复杂游戏中的即时决策与反应，能够帮助AI系统演化出更加接近人类本能的“直觉”——那种无需经过深思熟虑便能瞬间做出正确判断的能力。
这一融资事件不仅为略显沉闷的AI投资市场注入了一针强心剂，更引发了行业内部对于AI发展路径的重新审视。在过去几年里，以OpenAI的GPT系列和Google的Gemini为代表的大语言模型（LLM）占据了绝对的主角地位，它们通过分析人类语言中隐含的规律来获得近乎百科全书般的知识储备。然而，General Intuition选择了一条截然不同的赛道：它认为，真正的“智能”不应仅仅体现于能写诗、会编程的语言模型，更应体现在对环境变化快速感知并采取最优行动的能力上——这恰恰是游戏世界的精髓所在。
值得注意的是，General Intuition并不是在简单地训练AI去打电子游戏。他们的方法论与DeepMind的AlphaGo有着本质区别。AlphaGo虽然击败了围棋世界冠军，但它的核心算法主要依赖于蒙特卡洛树搜索（MCTS）和深度强化学习（Deep Reinforcement Learning），通过不断模拟对局和计算概率来寻找获胜路径。而General Intuition的目标更为宏大：他们希望AI能够从数百万小时的游戏录像和实时交互中，自发地学习一种“模式识别”的潜意识能力。这种能力使得AI在面对新场景时，能够像经验丰富的老兵一样，凭借“直觉”而非繁复的计算，直接做出风险最低、收益最高的决策。
这种思路与诺贝尔奖得主、心理学家丹尼尔·卡尼曼（Daniel Kahneman）在《思考，快与慢》中提出的“系统1”与“系统2”理论不谋而合。卡尼曼指出，人类大脑存在两套决策系统：“系统1”代表快速、自动、无意识的直觉式思考；而“系统2”则是缓慢、理性、需要耗费大量认知资源的分析式思考。在现实生活中，顶尖的篮球运动员在突破防守时，顶尖的医生在紧急诊断时，往往依靠的是“系统1”的瞬间判断。General Intuition试图在机器中复现的，正是这种“系统1”的神奇魔力。
从技术实现层面来看，这一过程中最大的挑战在于数据的质量和训练范式。与精心标注、逻辑清晰的语言数据不同，游戏视频数据充满了噪声、模糊性和非理性决策。一个玩家在战场上突然的“蛇皮走位”或者放弃一个唾手可得的资源，可能源于恐惧、直觉甚至是操作失误。General Intuition需要构建一套强大的模型框架，能从这些看似混乱的数据中提炼出具有统计意义的“直觉信号”。这不仅考验算法工程师对注意力机制（Attention Mechanism）的理解，也需要在算力上进行巨大投入——这也是他们需要3.2亿美元融资的直接原因。
行业分析人士指出，General Intuition的成功并非偶然。早在2020年，Meta（原Facebook）的AI部门就曾展示过一款通过游戏学习谈判和推理的AI；而Google的DeepMind也一直在探索如何让AI从感官数据中直接学习世界模型。但此前，这种基于行为数据的“直觉派”AI始终未能撼动基于语言和逻辑的“推理派”AI的主导地位。如今，随着训练成本的持续下降以及对海量数据的积累，General Intuition似乎找到了一个突破口。他们所瞄准的应用场景主要集中在自动驾驶、金融高频交易以及机器人控制等领域。
以自动驾驶为例，目前的智能驾驶系统普遍存在一个痛点：面对“鬼探头”或突然变道等极端场景，系统往往要么需要零点几秒的计算时间，要么因为算法过于保守而急刹，导致乘坐体验生硬。如果General Intuition的直觉模型能够成功，未来的自动驾驶系统将可能具备一种“肌肉记忆”，能够在事故将发未发的一瞬间，本能地做出诸如轻微转向或提前轻点刹车的规避动作，其流畅度和安全性将远超当前的技术水平。
当然，这一技术路线也伴随着深刻的伦理争议和风险。让AI拥有“直觉”，意味着它做出决策的过程将变得更加黑箱化。当人类面对一个需要提供解释的决策——比如自动驾驶车辆为何选择了冲向左边的行人而不是右边的绿化带——依靠直觉的AI可能无法给出基于逻辑的拆解。这将对法律和监管体系提出严峻的挑战：我们能否接受一个“只可意会，不可言传”的AI？
与此同时，大规模的游戏对战数据训练也增加了模型“中毒”的风险。职业电竞选手和顶尖玩家在游戏中的行为往往充满了高水平的直觉智慧，但普通玩家的数据中则可能包含大量消极行为或错误的“直觉”。如果数据清洗和筛选不够严格，AI学到的可能就不是“直觉”，而是“偏见”或“误判”。这意味着，General Intuition在获得这笔巨额资金后，不仅要在算力和模型架构上攻关，还需要在数据治理（Data Governance）方面投入同样巨大的精力。
从更宏观的产业视角来看，General Intuition的崛起标志着AI领域正在进入一个多元化的新阶段。过去“大语言模型唯一论”的格局正在被打破。无论是DeepMind的物理世界模拟，还是General Intuition的直觉模型，都指向了一个共识：单一的范式无法通向真正的通用人工智能（AGI）。真正的智能是语言、逻辑、想象力与直觉的复合体。而随着3.2亿美元资金到位，General Intuition接下来交给市场的答卷——是否会诞生出第一个能够“凭感觉”驾驶模拟赛车的AI——将备受全球科技界的瞩目。
