General Intuition levanta US$ 320 milhões para treinar agentes de IA com dados de videogame

Uma startup que treina agentes de IA com imagens de videogame levantou US$ 320 milhões em uma rodada Series A liderada pela Khosla Ventures, avaliando a General Intuition em US$ 2,3 bilhões — menos de um ano depois de sair do modo stealth com uma rodada Seed Round de US$ 134 milhões.

A rodada, reportada primeiramente pelo TechCrunch, também inclui General Catalyst, Jeff Bezos, Eric Schmidt, o piloto de Fórmula 1 Nico Rosberg, e pesquisadores do Google DeepMind e MIT, elevando o financiamento total divulgado da General Intuition para US$ 454 milhões.

O insight: jogos sabem o que aconteceu, não apenas como parecia

A maior parte do treinamento de agentes de IA depende da predição de vídeo — modelos assistem às imagens e tentam inferir quais ações produziram quais resultados. A abordagem da General Intuition é diferente. A empresa construiu seu pipeline de treinamento sobre a Medal, uma plataforma de captura de gameplay com 17 milhões de usuários ativos mensais, que registra não apenas o vídeo, mas os rótulos de ação explícitos por trás de cada quadro: os pressionamentos precisos de botões, as posições dos analógicos e os dados de temporização que produziram cada movimento.

Essa distinção importa enormemente para aprender causalidade. Um modelo treinado apenas em vídeo tem que adivinhar se um personagem pulou por entrada do usuário ou porque bateu em uma mola. Um modelo treinado com os rótulos de ação da Medal sabe exatamente quem fez o quê e quando. Segundo o CEO Pim de Witte, esse sinal causal mais rico é o que dá aos modelos da General Intuition uma compreensão mais fundamentada da distinção "eu vs. ambiente" — uma capacidade que ele argumenta ser essencial para agentes que precisam agir de forma confiável em ambientes não estruturados.

Um modelo para jogos e robôs

A ambição técnica da empresa é um único modelo fundacional que possa controlar tanto agentes virtuais em ambientes de jogo quanto robôs físicos no mundo real. O raciocínio espacial-temporal desenvolvido através do gameplay — entender como objetos se movem no espaço, como sequências de ações criam resultados ao longo do tempo, como ambientes respondem a entradas — se transfere, argumenta a empresa, para tarefas de manipulação física onde os robôs enfrentam os mesmos desafios subjacentes.

Isso posiciona a General Intuition ao lado de um grupo crescente de empresas que atacam o problema do modelo fundacional de robôs de diferentes ângulos: Figure AI e Physical Intelligence treinam com dados de robôs físicos; World Labs e outras constroem modelos de mundo a partir de vídeos da internet. A aposta da General Intuition é que os dados de jogos, com suas anotações de ação explícitas e escala enorme, oferecem um caminho mais rápido e barato para o mesmo destino.

O que US$ 320 milhões compram

A maior parte do novo capital é alocada para escalar a capacidade computacional através de uma parceria com a CoreWeave, o provedor de GPU Cloud que se tornou um grande parceiro de infraestrutura para laboratórios de IA. Uma parte significativa financiará o pré-treinamento da próxima versão do modelo da empresa. O restante é reservado para expandir o acesso à API — a General Intuition planeja abrir seus modelos para desenvolvedores externos até o final do verão de 2026.

O tamanho da rodada de financiamento reflete tanto a intensidade de capital do treinamento de grandes modelos quanto a confiança dos investidores de que a abordagem de dados de jogos pode competir com pipelines construídos sobre dados de robótica ou internet mais tradicionais. Se um modelo treinado em gameplay da Medal pode generalizar para a complexidade total da manipulação física permanece a questão técnica central — e aquela que a próxima versão do modelo foi projetada para responder.