General Intuition ha raccolto 320 milioni di dollari in un nuovo round che porta la valutazione della startup a 2,3 miliardi di dollari. L’operazione conferma la scommessa dell’azienda: usare i videogiochi non come prodotto finale, ma come palestra per addestrare agenti di intelligenza artificiale capaci di muoversi poi in ambienti simulati e, potenzialmente, nel mondo fisico.
La società, guidata dal cofondatore e amministratore delegato Pim de Witte, lavora su un modello agentico in grado di generalizzare dal gameplay alla simulazione e fino alla robotica. Nei suoi uffici di New York, lo stesso “cervello” che controllava un agente impegnato in un ambiente simile a Fortnite alimentava anche un robot quadrupede in modalità esplorazione. Secondo l’azienda, sono bastati otto minuti di dati reali di robotica per adattare il modello al robot.
Il punto di partenza è Medal, l’altra società di de Witte, che consente ai gamer di caricare e condividere clip di videogiochi. Da lì arrivano centinaia di milioni di ore di gameplay, usate per addestrare il modello nel ragionamento spazio-temporale, cioè nella comprensione di come ci si muove nello spazio e nel tempo. Per General Intuition, però, il valore non sta solo nei video: l’elemento decisivo sono le etichette delle azioni, cioè i dati su quali pulsanti sono stati premuti e quando.
Questa distinzione è centrale nella tesi dell’azienda. Molti approcci cercano di dedurre le azioni osservando soltanto il video, mentre General Intuition sostiene che i dati espliciti di input umano offrano un segnale più ricco. De Witte descrive questa fase come un nuovo stadio del pre-training: un singolo modello che risponde alle informazioni sullo schermo e prende decisioni, ma che può anche adattarsi a dinamiche reali in modo diverso da un modello linguistico.
Nel percorso tecnico della startup rientra anche un world model, un ambiente simulato generato fotogramma per fotogramma anziché renderizzato con un motore di gioco tradizionale. In questa simulazione, il modello mostra di aver appreso vincoli elementari ma cruciali: i muri bloccano il movimento, le scale servono per salire, le ombre cambiano con lo spostamento del sole. Per l’azienda, il world model non è il prodotto da vendere, ma l’ambiente di addestramento interno, definito come una sorta di palestra.
La posta industriale è più ampia della singola demo. General Intuition vuole commercializzare il proprio modello agentico, puntando sull’idea che i dati di gameplay aiutino il sistema a distinguere meglio tra sé e ambiente, quindi a costruire una comprensione più robusta della causalità. Il passaggio alla scala fisica resta però aperto: modelli di questo tipo, finora, richiedono grandi quantità di dati reali, raccolti lentamente e con costi elevati. La scommessa della società è che il gameplay rappresenti una scorciatoia scalabile.
Gli investitori hanno deciso di seguirla su questa traiettoria. Il round è stato guidato da Khosla Ventures, con la partecipazione di General Catalyst, Jeff Bezos, Eric Schmidt, Nico Rosberg e ricercatori legati a Google DeepMind e MIT. Dopo il round da 134 milioni di dollari raccolto al lancio nell’ottobre precedente, il finanziamento totale dichiarato sale così a 454 milioni di dollari.
La maggior parte delle nuove risorse sarà destinata all’aumento della capacità di calcolo. General Intuition ha un accordo con CoreWeave e intende concentrarsi sul pre-training della prossima versione del modello. Una quota del capitale è invece riservata all’ampliamento dell’accesso alla sua API entro la fine dell’estate, segnale che la società sta preparando un passaggio dalla ricerca dimostrativa a un’offerta più accessibile al mercato.
Attorno alla startup resta anche un tema strategico: il patrimonio di dati proprietari derivato da Medal ha già attirato l’interesse di potenziali acquirenti, ma de Witte e i cofondatori Eloi Alonso, Adam Jelley e Vincent Micheli non puntano a una vendita nel breve periodo. L’ambizione è costruire un’infrastruttura per agenti generalizzati e world model, con i videogiochi trasformati da intrattenimento a campo di addestramento per sistemi capaci di agire.