У 2016 році DeepMind навчила агента грати в Atari-ігри краще за людей — і весь AI-світ вирішив, що ігри це просто цікавий бенчмарк. Минуло десять років, і стартап General Intuition робить ставку на те, що ігрові симулятори — це не іграшка, а справжній виробничий конвеєр для агентів, які працюватимуть у фізичному світі. Компанія залучила $2.3 млрд — сума, що перетворює гіпотезу на промислову програму.
За даними TechCrunch, General Intuition будує платформу, де відеоігрові движки слугують середовищами для масштабного навчання агентів із підкріпленням. Ключова ідея проста: якщо ми можемо запустити мільйони симуляцій у грі за одну годину, то агент накопичує досвід, на який у реальному світі пішли б роки.
Для AI-білдерів це не просто красива теорія. Це потенційний зсув у парадигмі того, як ми збираємо дані для навчання агентів — і де проходить межа між дорогим фізичним навчанням і масштабованим синтетичним.
Чому симульовані середовища — це інфраструктурна ставка
Головна проблема навчання агентів у реальному світі — вартість і безпека даних. Роботизована рука, яка вчиться брати предмети, може зламатись або пошкодити обладнання. Автономний транспортний засіб, що навчається на живих вулицях, несе реальні ризики. Тому галузь роками шукає ефективні симулятори — і саме тут відеоіграм є що запропонувати:
- Деталізована фізика: сучасні движки на кшталт Unreal Engine 5 та Unity достатньо точні для тренування маніпуляторів і навігаційних агентів
- Масштабованість: один GPU-кластер здатний паралельно запустити тисячі ігрових сесій одночасно
- Різноманітність сценаріїв: від закритих приміщень до відкритих міст — готовий набір тренувальних середовищ без ручної праці
- Вбудована анотація: у грі координати та стани об'єктів завжди відомі системі, тому ручна розмітка даних не потрібна
Але є принципова складність. Sim-to-real gap — різниця між поведінкою агента в симуляторі та в реальному середовищі — залишається відкритою проблемою. Агент, що ідеально справлявся з грою, може губитись у фізичному просторі через дрібні розбіжності у сприйнятті матеріалів, освітлення та поверхонь. General Intuition, судячи зі ставки, переконана, що ця прірва з кожним роком стає вужчою — і готова вкласти в це переконання мільярди.
Що це означає для розробників агентів
Якщо General Intuition доведе свою гіпотезу, перед AI-білдерами відкривається новий клас інструментів — залежно від того, над чим вони працюють.
Для software-агентів. Більшість розробників будують агентів для цифрових задач: браузерна автоматизація, робота з API, обробка документів. Для них симульоване середовище — це sandbox-версія інтернету або корпоративного ПЗ у тисячах варіацій. Anthropic вже досліджує computer use агентів, яким потрібно «бачити» екран і взаємодіяти з UI. Ігровий движок може генерувати такі інтерфейси нескінченно і без додаткових витрат.
Для фізичних агентів і робототехніки. Tesla, Boston Dynamics, Figure AI — всі воюють з одним bottleneck: реальні дані збирати дорого і повільно. Якщо General Intuition запропонує платформу навчання з якісним sim-to-real transfer, це стане критичною інфраструктурою для всієї роботехнічної галузі — не менш важливою, ніж хмарні обчислення для SaaS.
Для стартапів без великих бюджетів. Сьогодні серйозне RL-навчання потребує або дорогого фізичного заліза, або значних витрат на хмарні симулятори. Якщо General Intuition відкриє частину платформи — менші гравці отримають доступ до синтетичних даних, які раніше були привілеєм великих лабораторій.
Конкуренти і відкриті питання
Мільярдна ставка — не гарантія успіху. Ринок уже має сильних гравців у цьому просторі: NVIDIA Isaac Sim спеціалізується на навчанні роботів, Google DeepMind розробляє власні симулятори, а низка академічних проєктів відкриває ігрові середовища для RL-досліджень. Ключові питання, на які ринок чекає відповіді:
- Наскільки якісно агенти переносять ігрові навички у реальне фізичне середовище?
- Чи навчає ігровий движок вузькоспеціалізовані рухи — чи загальний «здоровий глузд» агента?
- Яка бізнес-модель: General Intuition будує власних агентів чи стає платформою для інших розробників?
Погляд AiiN
Ставка General Intuition логічна і своєчасна. Ігрові движки у 2026 році — це не розваги, а потужна обчислювальна інфраструктура з деталізованою фізикою, здатна рендерити фотореалістичні сцени в реальному часі. Використовувати їх для синтезу тренувальних даних — прагматичний інженерний вибір, а не хайп.
Для розробників агентів варто відстежувати два вектори. Перший — публікації General Intuition щодо sim-to-real gap: саме тут вирішується доля всієї парадигми. Другий — доступ до платформи: якщо компанія відкриє API або SDK для зовнішніх розробників, це може стати одним із найважливіших інструментів для тих, хто будує агентів для фізичного або складного цифрового середовища.
Відеоігри завжди були тренажером для людей — і, схоже, саме вони стають наступним тренажером для машин.
