要实现通用人工智能（AGI），光靠大语言模型可不够。像 ChatGPT 和 Claude 这样的模型，处理和生成文本确实很在行，但在理解事物如何在空间和时间中运动方面，它们就差得远了。然而，这种对时空的感知能力，正是产生超越简单文本预测的通用智能所必不可少的。事实证明，游戏数据或许正好能填补这个关键空白。这正是初创公司 General Intuition 下的大赌注，他们认为，相比于互联网上那些静态文本，电子游戏里的虚拟世界能为 AI 提供好得多的训练场。
该公司的 CEO 表示，互联网作为训练资源存在根本的局限，因为它本质上只是一个扁平的、基于文本的人类知识库。它缺乏物理规律、连续运动和实时反馈。而另一边，电子游戏由严格的物理引擎驱动，需要玩家持续不断地进行交互和决策。它们迫使 AI 模型在动态环境中学习因果关系、客体永久性和空间推理。当 AI 在数字场景中探索时，它必须明白角色不能穿墙，或者扔下一个物体它就会掉落。这些都是人类最基本的直觉，光靠文本是根本教不会的。
General Intuition 正在利用这种交互媒介来训练新一代的 AI 模型。通过向算法输入游戏过程中丰富且连续的数据，这家初创公司致力于打造出真正理解物理世界的系统。这种方法其实很像生物智能的进化方式——通过与 3D 环境的互动来学习，而不仅仅是阅读关于它的文字。CEO 认为，如果缺乏对现实世界的这种基础认知，目前的大语言模型永远都只是高级的“自动补全工具”，永远困在文字的罗网里，无法真正理解世界。
随着 AI 行业向着 AGI 不断迈进，对高质量、动态训练数据的渴求已经成了主要的瓶颈。如果 General Intuition 的理论被证明是对的，那么通向真正智能机器的道路，铺就它的将不再是抓取来的网页，而是电子游戏中模拟出来的交互现实。这种范式的转变可能会重新定义开发者训练 AI 的方式，把虚拟游乐场变成机器智能实现下一次飞跃的终极课堂。