$2.3B 구현 AI 스타트업의 핵심 훈련 데이터는 누군가의 Fortnite 하이라이트예요.
농담이 아니에요. 게임 클립 공유 앱 Medal이 5년간 쌓은 연간 23억 개의 게임 클립이, 로봇이 8분 만에 사무실을 혼자 걸어다니게 만든 핵심이거든요. 새 데이터를 수집하거나 로봇 연구소를 따로 만든 게 아니었어요. 이미 있던 클립 속에 답이 있었어요.
영상보다 버튼 기록이 더 중요했어요
Medal은 게이머가 게임 화면을 녹화해서 공유하는 플랫폼이에요. 2026년 기준 월간 활성 사용자 1000만 명이 연간 23억 개의 클립을 올리고 있어요.
처음엔 그냥 게임 하이라이트 공유 앱처럼 보여요. 근데 Medal 클립에는 다른 게임 영상 플랫폼에 없는 게 하나 있어요. 어떤 버튼을 언제 눌렀는지의 기록, 즉 '액션 레이블'이에요.
Medal은 게임 클라이언트 레벨에서 동작하기 때문에, 영상만 캡처하는 게 아니라 그 순간 플레이어가 입력한 컨트롤러 데이터도 같이 기록해요. 영상을 보는 사람 입장에선 그냥 "멋진 플레이 영상"이지만, AI 입장에선 "이 장면에서 왼쪽을 눌렀을 때 어떤 결과가 나왔는지"를 알 수 있는 데이터예요.
이게 왜 중요하냐면요 — AI가 자율적으로 행동하려면 단순히 "세상이 어떻게 생겼는지"가 아니라 "내가 이 행동을 했을 때 세상이 어떻게 변하는지"를 알아야 해요. 후자를 학습시키려면 영상과 행동이 쌍으로 묶인 데이터가 필요한데, 현실에서 이걸 대규모로 수집하는 건 굉장히 어렵고 비싸거든요.
| 일반 게임 영상 | Medal 게임 클립 | |
|---|---|---|
| 영상 데이터 | ✓ 있음 | ✓ 있음 |
| 버튼 액션 레이블 | ✗ 없음 | ✓ 있음 (입력 + 타이밍) |
| AI 훈련 가치 | 시각 패턴 인식 | 행동-결과 인과 학습 |
| 연간 규모 | 수억 개 | 23억 개 |
게임이 물리 세계를 이해하는 방법
General Intuition이 이 데이터로 만드는 건 '월드 모델(world model)'이에요. 어렵게 들리지만 쉽게 말하면, '내가 이 행동을 취하면 다음에 어떤 일이 벌어질지를 예측할 수 있는 AI'예요.
수억 시간 분량의 게임플레이를 학습시킨 결과, 이 모델은 게임 속 세계의 물리 원칙을 배웠어요.
- 벽이 무엇인지 — 통과할 수 없다는 것
- 장애물이 어떻게 동작하는지
- 햇빛의 위치에 따른 그림자 변화
- 사물이 충돌할 때 어떤 결과가 나오는지
이게 게임 안에서만 통하는 게 아니에요. 이 원칙이 현실 세계 물리학과 본질적으로 같기 때문에, 로봇이나 드론 제어에도 그대로 적용이 가능해요. Silicon Canals의 분석이 딱 맞는데요 — 게임 데이터가 실제 로봇 텔레메트리를 대체할 수 있다는 논지, "터무니없게 들리지만 그게 맞다"는 것.
"게임플레이는 구현 행동 훈련 데이터의 가장 크고 미활용된 원천이다. 이 데이터로 훈련한 에이전트는 텍스트 LLM이 가질 수 없는 공간적·시간적·계획적 직관을 갖게 된다."
— General Intuition 핵심 논지
8분 만에 로봇이 걷기 시작했어요
말은 쉽지, 진짜 되냐고요? 됐어요.
General Intuition의 현재 모델은 게임을 수 시간 플레이하는 것과, 현실 로봇을 제어하는 것, 두 가지를 모두 해낼 수 있어요. 특히 현실 적용 수치가 인상적이에요. 현실 세계 데이터 단 8분으로 파인튜닝했더니, 앞면 카메라 하나만으로 네 발 로봇이 사무실에서 자율 보행에 성공했거든요.
조건도 까다로웠어요. 사람들이 계속 오가는 사무실 환경에서, 추가 센서 없이, 물체가 동적으로 추가되는 상황에서도 작동했어요. 일반적인 로봇 훈련이 수백 시간의 실제 데이터를 요구하는 것과 비교하면 완전히 다른 스케일이에요.
이 결과 때문에 Jeff Bezos, Eric Schmidt, Khosla Ventures, General Catalyst가 모두 이 회사에 베팅했어요. 씨드 $134M(2025년 10월)에 이어 Series A $320M($2.3B 기업가치), 8개월 만에 총 $454M[[cite:4][cite:9]].
로보틱스의 ChatGPT 모먼트?
TechCrunch는 2026년 7월 "이 스타트업은 로보틱스에 ChatGPT 모먼트가 오고 있다고 생각한다"는 기사를 냈어요. 텍스트 AI가 인터넷 데이터로 훈련한 것처럼, 구현 AI는 게임 플레이 데이터로 훈련하는 패러다임이 자리잡히고 있다는 거예요.
이 케이스가 데이터 전략에 던지는 질문
General Intuition 케이스는 AI 투자 스토리가 아니에요. 사실 이건 데이터 해자에 관한 이야기예요.
Pim de Witte가 가진 건 화려한 AI 기술이 아니었어요. 그가 가진 건 Medal이 5년간 쌓은 다른 회사가 도저히 복제할 수 없는 규모의 액션 레이블 데이터였어요. 그리고 그게 $2.3B의 근거가 됐어요.
당신 회사에는 어떤 데이터가 있나요? 아래 5개 질문으로 점검해보세요.
- 사용자 행동 데이터를 '쌍'으로 기록하고 있나요?
클릭·검색·구매가 아니라 "어떤 상황에서 어떤 행동을 했고 그 결과가 어땠는지"가 짝으로 기록된 데이터인지 확인하세요. - 그 데이터가 대체 불가능한 규모인가요?
누군가 처음부터 수집을 시작하면 따라잡는 데 몇 년이 걸리나요? 2년 이상이면 데이터 해자가 될 수 있어요. - 데이터에 숨은 '액션 레이블'이 있나요?
Medal의 버튼 기록처럼, 당신 데이터에도 사용자 행동의 의도나 맥락을 알 수 있는 메타데이터가 있을 수 있어요. - 그 데이터로 AI를 파인튜닝해봤나요?
General Intuition처럼 기존 파운데이션 모델에 당신의 독자 데이터만으로 파인튜닝 실험을 해보세요. 8분짜리 데이터로 로봇이 걸었어요. - 데이터 플라이휠을 설계하고 있나요?
General Intuition은 고객 배포 → 새 현실 데이터 수집 → 모델 개선 → 더 좋은 고객 배포로 이어지는 플라이휠을 설계하고 있어요.
