General Intuition recauda 320 millones de dólares para entrenar agentes de IA con datos de videojuegos

Una startup que entrena agentes de IA con imágenes de videojuegos ha recaudado 320 millones de dólares en una ronda Series A liderada por Khosla Ventures, valorando a General Intuition en 2.300 millones de dólares, menos de un año después de salir del modo stealth con una ronda Seed Round de 134 millones de dólares.

La ronda, reportada por primera vez por TechCrunch, también incluye a General Catalyst, Jeff Bezos, Eric Schmidt, el piloto de Fórmula 1 Nico Rosberg, e investigadores de Google DeepMind y MIT, elevando la financiación total divulgada de General Intuition a 454 millones de dólares.

El insight: los juegos saben lo que pasó, no solo cómo se veía

La mayoría del entrenamiento de agentes de IA se basa en la predicción de video: los modelos observan imágenes e intentan inferir qué acciones produjeron qué resultados. El enfoque de General Intuition es diferente. La empresa construyó su pipeline de entrenamiento sobre Medal, una plataforma de captura de juego con 17 millones de usuarios activos mensuales, que registra no solo el video sino las etiquetas de acción explícitas detrás de cada fotograma: las pulsaciones precisas de botones, las posiciones de las palancas analógicas y los datos de sincronización que produjeron cada movimiento.

Esa distinción importa enormemente para aprender causalidad. Un modelo entrenado solo con video tiene que adivinar si un personaje saltó por la entrada del usuario o porque golpeó un resorte. Un modelo entrenado con las etiquetas de acción de Medal sabe exactamente quién hizo qué y cuándo. Según el CEO Pim de Witte, esta señal causal más rica es lo que da a los modelos de General Intuition una comprensión más fundamentada de la distinción "yo vs. entorno", una capacidad que, según él, es esencial para agentes que necesitan actuar de manera confiable en entornos no estructurados.

Un modelo para juegos y robots

La ambición técnica de la empresa es un único modelo fundacional que pueda controlar tanto agentes virtuales en entornos de juego como robots físicos en el mundo real. El razonamiento espacio-temporal desarrollado a través del juego —entender cómo los objetos se mueven en el espacio, cómo las secuencias de acciones crean resultados a lo largo del tiempo, cómo los entornos responden a las entradas— se transfiere, según la empresa, a tareas de manipulación física donde los robots enfrentan los mismos desafíos subyacentes.

Esto posiciona a General Intuition junto a un grupo creciente de empresas que abordan el problema del modelo fundacional de robots desde diferentes ángulos: Figure AI y Physical Intelligence entrenan con datos de robots físicos; World Labs y otras construyen modelos del mundo a partir de video de internet. La apuesta de General Intuition es que los datos de juegos, con sus anotaciones de acción explícitas y escala enorme, ofrecen un camino más rápido y barato hacia el mismo destino.

Qué compran los 320 millones de dólares

La mayor parte del nuevo capital se destina a escalar la capacidad de cómputo a través de una asociación con CoreWeave, el proveedor de GPU Cloud que se ha convertido en un socio de infraestructura importante para los laboratorios de IA. Una parte significativa financiará el pre-entrenamiento de la próxima versión del modelo de la empresa. El resto se reserva para expandir el acceso a la API: General Intuition planea abrir sus modelos a desarrolladores externos para finales del verano de 2026.

El tamaño de la ronda de financiación refleja tanto la intensidad de capital del entrenamiento de modelos grandes como la confianza de los inversores en que el enfoque de datos de juegos puede competir con pipelines construidos sobre datos de robótica o internet más tradicionales. Si un modelo entrenado en el juego de Medal puede generalizar a la complejidad total de la manipulación física sigue siendo la pregunta técnica central, y la que la próxima versión del modelo está diseñada para responder.