이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
General Intuition이 수억 시간의 Medal 게임 플레이와 버튼 입력 기록인 Action Labels를 활용해 공간과 시간 속에서 움직이는 AI 에이전트용 Foundation Model을 개발하고 있으며, 60억 달러 pre-money valuation을 기준으로 추가 자금 조달을 협의하고 있습니다. 회사는 몇 주 전 23억 달러 가치로 3억 2,000만 달러를 조달했으며, 이번 라운드에는 Valor Equity Partners, Point72 Ventures, Seven Seven Six과 기존 투자자들이 참여할 예정입니다. 신규 자금은 CoreWeave와의 파트너십을 활용한 연산 인프라 확충, 인재 채용, 일반 모델의 로봇 구현체 적용에 쓰일 계획입니다. 라운드는 아직 확정되지 않았지만 초과 청약 상태로 전해졌습니다.
섹션별 상세
New York 기반 스타트업 General Intuition이 Valor Equity Partners, Point72 Ventures, Seven Seven Six 등 신규 투자자와 60억 달러의 pre-money valuation을 기준으로 자금 조달을 협의하고 있습니다. 기존 투자자인 Khosla Ventures와 General Catalyst도 이번 라운드에 참여하고 있으며, 라운드는 아직 최종 확정 전이지만 초과 청약 상태라는 관계자 설명이 나왔습니다. 이는 몇 주 전 23억 달러 가치로 3억 2,000만 달러를 조달한 뒤 곧바로 이어지는 추가 투자 논의로, Physical AI 분야에 대한 투자 관심이 커지고 있음을 보여줍니다.
General Intuition은 공간과 시간 속에서 움직이는 범용 AI 에이전트를 학습시키는 Foundation Model을 구축하고 있습니다. CEO Pim de Witte는 지난해 10월 게임 영상 클립 공유 플랫폼 Medal에서 회사를 분사했으며, Medal이 보유한 수억 시간의 게임 플레이 데이터와 플레이어가 어떤 버튼을 언제 눌렀는지를 기록한 Action Labels를 초기 학습 데이터로 활용했습니다. 게임 속 행동 순서와 환경 변화를 함께 학습하면 모델이 특정 게임이나 작업에 한정되지 않고 새로운 과제에 대응하는 기반을 마련할 수 있다는 구상입니다.
투자자 Vinod Khosla는 Action Labels가 모델의 ‘intuition’, 즉 명시적으로 훈련하지 않은 작업에도 진정으로 일반화하는 능력이 출현하는 데 중요한 역할을 할 수 있다고 평가했습니다. 이 데이터는 영상의 시각 정보만 제공하는 것이 아니라 각 시점에 발생한 조작 행동까지 함께 기록하므로, 모델이 관찰한 상태에서 다음 행동을 선택하는 과정을 학습하는 데 쓰입니다. General Intuition은 이러한 대규모 행동 모델을 실제 로봇의 물리적 구현체로 확장하는 방향을 추진하고 있습니다.
회사는 조달 자금을 일반 모델 개선과 로봇 구현체 중심의 연구에 투입할 계획입니다. 이를 위해 연산 인프라 지출을 늘리고 추가 인재를 채용하며, CoreWeave와의 파트너십을 바탕으로 모델 학습과 실행에 필요한 컴퓨팅 역량을 확장하려 합니다. 자금 사용처가 단순한 모델 개발을 넘어 로봇에 모델을 연결하는 단계로 이동한다는 점에서, 게임 데이터 기반의 행동 학습을 실제 환경의 조작 능력으로 전환하는 과정이 다음 과제가 됩니다.
이번 투자는 SpaceX를 지원한 이력이 있는 Valor Equity Partners가 General Intuition에 투자하는 첫 AI 연구소 투자가 될 가능성이 있다는 점에서도 주목됩니다. TechCrunch는 Valor의 투자를 확인하기 위해 연락했으며, 회사는 아직 라운드 조건을 마무리하고 있습니다. 따라서 60억 달러 가치와 투자자 참여는 확정된 거래가 아니라 현재 진행 중인 협상과 관계자 정보를 바탕으로 한 수치입니다.
용어 해설
- Foundation Model
- — 특정 작업 하나에 맞춰진 모델이 아니라 다양한 작업과 환경에 일반화하도록 대규모 데이터로 사전 학습한 기반 모델입니다. General Intuition은 게임 플레이에서 얻은 행동 데이터를 활용해 공간과 시간 속에서 움직이는 AI 에이전트의 기반 모델을 구축하고 있습니다.
- 행동 라벨(Action Labels)
- — 사용자가 어떤 행동을 언제 수행했는지 기록한 학습 데이터입니다. Medal의 게임 영상과 함께 저장된 버튼 입력 기록은 모델이 환경의 상태와 행동 사이의 관계를 학습하고, 명시적으로 훈련하지 않은 작업에도 일반화하는 데 활용됩니다.
- Physical AI
- — 디지털 화면을 넘어 실제 공간에서 움직이고 행동하는 인공지능을 가리킵니다. 이 기사에서는 General Intuition이 일반 모델을 로봇의 실제 구현체에 연결하려는 방향을 Physical AI의 사례로 다루며, 이를 위해 연산 인프라와 인재 투자를 확대하려는 상황이 핵심입니다.
- 로봇 구현체(Robotic Embodiment)
- — AI 모델이 로봇과 같은 물리적 시스템에 탑재되어 실제 환경에서 감지하고 행동하도록 만드는 구현 방식입니다. General Intuition은 기존의 일반 모델을 로봇 구현체에 맞게 개선하는 데 신규 자금을 사용할 계획이며, 게임 데이터에서 학습한 행동 일반화를 실제 로봇으로 확장하려 합니다.
기술
- Foundation Model
- large action models
- Action Labels
- robotic embodiments
- compute infrastructure
- CoreWeave
활용 사례
- 게임 플레이 데이터로 학습한 범용 AI 에이전트
- 공간과 시간 속에서 이동하는 AI 시스템
- 로봇 구현체를 제어하는 일반 모델
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 25.수집 2026. 08. 25.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
