23億ドルの具現化AIスタートアップの主要な訓練データは、誰かのFortniteハイライトでした。
冗談ではありません。ゲームクリップ共有アプリMedalにアップされた年間23億個のゲームクリップが、ロボットをたった8分の現実世界データで歩かせた鍵だったんです。新しいデータを集めたわけでも、ロボット研究所を作ったわけでもありません。答えはすでにクリップの中にありました。
映像より「ボタンの記録」が重要だった理由
Medalはゲーマーがゲームプレイを録画して共有するプラットフォームです。2026年時点で、月間アクティブユーザー1000万人が年間23億個のクリップをアップしています。
一見、ゲーム版YouTube Shortsのように見えます。しかしMedalのクリップには、他の動画プラットフォームにはないものがあります。アクションラベル——どのボタンをいつ押したかの正確な記録です。
MedalはゲームクライアントレベルでA動作するため、映像だけでなく、その瞬間のコントローラー入力も同時に記録します。視聴者には「すごいプレイ」ですが、AIにとっては「この瞬間に左を押したら何が起きたか」という答えを持つデータなんです。
AIが自律的に行動するには、世界の見え方だけでなく「この行動を取ったら世界がどう変わるか」を知る必要があります。それを学ぶには映像と行動がペアになったデータが必要で、現実世界で大規模に集めるのはコストが高く時間がかかります。
| 一般的なゲーム映像 | Medalゲームクリップ | |
|---|---|---|
| 映像データ | ✓ あり | ✓ あり |
| ボタンアクションラベル | ✗ なし | ✓ あり（入力+タイミング） |
| AI訓練価値 | 視覚パターン認識 | 行動-結果の因果学習 |
| 年間規模 | 数億個 | 23億個 |
ゲームが物理世界を理解する仕組み
General Intuitionはこのデータで「ワールドモデル」を作っています。簡単に言えば、「この行動を取ったら次に何が起きるか予測できるAI」です。
数億時間のゲームプレイで訓練した結果、このモデルはゲーム内の物理原則を習得しました。
- 壁とは何か——通り抜けられないということ
- 障害物の動的な動作
- 太陽の動きに伴う影の変化
- 物体が衝突したときに何が起きるか
これはゲーム内だけのルールではありません。現実世界の物理法則と本質的に同じなので、ロボットやドローンにも応用できるんです。Silicon Canalsが分析したように、「ゲームデータが実際のロボットデータの代わりになる」という論旨は荒唐無稽に聞こえるが、実際にはその通りだ。
"ゲームプレイは具現化行動訓練データの最大の未活用源だ。これで訓練されたエージェントは、テキストLLMが持てない空間的・時間的・計画的直観を持つ。"
— General Intuition コアテーゼ
8分でロボットが歩き出した
嘘みたいな話ですよね？でも実現しました。
General Intuitionのモデルは、ゲームを何時間もプレイすることと、現実のロボットを制御することの両方ができます。現実世界での数字が驚異的で、わずか8分の現実データでファインチューニング→四足ロボットがオフィスを自律歩行しました。
条件も厳しいものでした。人が往来するオフィス、追加センサーなし、前面カメラ1台のみ、動的に物体が追加される環境。通常のロボット訓練が数百時間の現実データを必要とすることと比べると、まったく別の次元です。
この成果がJeff Bezos、Eric Schmidt、Khosla Ventures、General Catalystを呼び込みました。シード$134M（2025年10月）、シリーズA $320M（評価額$2.3B）——8ヶ月で計$454M[[cite:4][cite:9]]。
ロボティクスのChatGPTモーメント？
2026年7月、TechCrunchは「このスタートアップはロボティクスにChatGPTモーメントが来ると考えている」という記事を掲載しました。テキストAIがインターネットデータで訓練されたように、具現化AIはゲームプレイデータで訓練されるパラダイムが定着しつつあります。
データ戦略に投げかけられる問い
これはAI投資の話ではありません。データの堀の話なんです。
Pim de Witteが持っていたのは派手なAI研究ではありませんでした。Medalが積み上げた競合他社が絶対に複製できない規模のアクションラベルデータでした。それが$2.3Bの根拠になりました。
あなたの会社にはどんなデータがありますか？この5つの問いで点検してみてください。
- ユーザー行動を「ペア」で記録していますか？
クリックや購入だけでなく、「どんな状況でこの行動を取り、結果はどうだったか」がセットで記録されているデータ。 - そのデータは代替不可能な規模ですか？
競合が追いつくのに何年かかりますか？2年以上ならデータの堀になり得ます。 - データに隠れた「アクションラベル」はありますか？
Medalのボタン記録のように、ユーザーの意図や文脈を示すメタデータが埋まっているかもしれません。 - そのデータでファインチューニングを試しましたか？
既存のファウンデーションモデルを自社独自データだけでファインチューニングしてみてください。8分のデータでロボットが歩いたんです。 - データのフライホイールを設計していますか？
General Intuitionの設計：デプロイ → 現実データ収集 → モデル改善 → より良いデプロイ。このループが複利で効きます。
