对Agent来说，“环境”既是考场，也是训练场。

作者｜周悦

编辑｜王博

“AI的下半场——从现在开始——将把重心从解决问题转向定义问题。”

这是姚顺雨去年4月在博客《The Second Half（下半场）》中写下的判断。他认为，当一套通用训练方法能够越来越快地解决现成任务，更重要的问题将变成：AI到底该做什么，什么又算真正的进步？

他尤其强调评估（Evaluation）。继续造更难的基准测试（Benchmark）已经不够了，他更关心的是，基准测试上的高分，最后能不能转化为真实工作中的能力。

去年12月，姚顺雨加入了腾讯。今年6月，姚顺雨以腾讯首席AI科学家、腾讯混元大语言模型及AI Infra负责人的身份畅谈了“腾讯AI下半场”。提到Agent，他先强调“环境”的重要性：“如果没有好的环境，Agent就没办法去做各种各样的事情。”

“甲子光年”梳理发现，近半年腾讯混元发布了6篇与“环境”相关的论文。从可执行任务供给，到长时任务、手机环境、自动生成与训练闭环，再到环境随模型能力进化，混元正在系统性构建Agent的训练世界。

巧合的是，另一家大厂也在同一时期走向了这个坐标。

今年7月，阿里通义联合浙大、北大的论文《Towards General Agentic Intelligence via Environment Scaling》发表于ACL 2026 Findings，直接把“Environment Scaling”写进标题，作者中包括阿里巴巴首席科学家周靖人。

不仅是腾讯与阿里，字节跳动Seed、以及太平洋对岸的OpenAI和 Anthropic，都在涌入同一个战场。

对Agent来说，“环境”既是考场，也是训练场。

排查一个软件故障，可能起初只有一句简单的任务描述。但要判断Agent是否真的具备工作能力，就不能只给它一道考题，还得给它代码仓库、运行工具、状态变化和结果验证，搭出一个足够接近真实业务的“世界”。

姚顺雨说的“AI下半场”，正在多出一个越来越重要的变量：环境。

1.混元至少4拨人，在给Agent“造世界”

参与过腾讯混元研发的研究人员李非（化名）告诉“甲子光年”，他们从今年2月前后开始明显关注Environment Scaling。一个很直接的信号来自招聘：当时，OpenAI和Anthropic开始专门招募强化学习环境（RL Environment）的人。

“他们要招这样的人，那就说明这个方向是有价值的。”李非说。

在他看来，算法逐渐稳定，扩充训练材料是一条收益相对可预期的路。但面对Agent，只靠静态网页和语料，已经不足以覆盖它需要学习的交互过程。它要调用工具、更改数据库、经历一长串操作并拿到即时反馈。

数据没有消失，只是从文档变成了可以交互的“世界”。

4月，混元发布SkillSynth，规模化生成终端任务，其中一部分后来被用于Hy3 Preview训练。

几个月后，新问题出现了。同一批环境，模型刷上几个版本就彻底摸透了，有效的学习信号越来越少。训练环境也有“保质期”。

9月3日，混元公开《Environment Evolution for Terminal Agents》。一作依然是香港科技大学博士生范致远，12位作者中有11位与4月的原班人马重合。

不同的是，这次他们不再从零造环境，而是让已有环境进化。原本Agent只需写个静态页面，升级成从前端到后端部署、动态维护等更复杂的任务。

但这并不是混元一支团队研究的方向。“甲子光年”梳理发现，仅今年4月至9月，混元至少4组研究人员，围绕“造环境”发布了6篇论文，累计76人次署名。混元的几组研究也在不断向纵深推进：

• 把任务做长：混元大模型前沿团队科学家史淯城等人，推出Long-Horizon-Terminal-Bench，把终端任务从几分钟拉长到数小时；紧接着又通过15轮递归生成了超3.7万个长程任务，平均一个任务的造价压到了5美分。

• 把环境搬上手机：混元视觉团队发布HyMobileAgent，搭建了包含34个模拟App、超3.4万项任务的PhoneWorld，从在腾讯健康预约疫苗到跨App调度，让环境与数据协同扩展（Co-Scaling）。

• 把环境接进管线：8月发布的UI-Mate，直接把任务生成、搭建沙箱、验证器连接，将Environment接入后训练的在线强化学习流水线。

Agent模拟在豆瓣上搜索腾讯视频热播电视剧，图片来源：混元视觉团队论文《HyMobileAgent: Data-Environment Co-Scaling for Efficient GUI Agents》

与此同时，混元也发生了一轮大的组织调整。

HyMobileAgent论文中的项目负责人是胡瀚。他曾担任腾讯混元多模态理解负责人，并向姚顺雨汇报。今年4月，两人还共同署名了HY-Embodied-0.5。

7月23日，胡瀚离职创业。原大语言模型部和多模态模型部合并为基础模型部，由姚顺雨统一负责，“强化学习及Agent能力”被明确写进新部门职责。

李非表示，他所在项目由负责人组织，团队最初很多选题是研究人员的自主驱动；对于更高层是否存在统一的Environment规划，他并不了解。

但从产出结果来看，水面下的分散支流，正汇聚成同一条大河。

2.Environment Scaling正在加速

混元对于环境的重视不是个例。

不久前，宾夕法尼亚大学教授、OpenAI研究员苏炜杰在接受“甲子光年”采访时打过一个比方：Scaling就像一个“什么都能往里扔的篮子”。模型是个高维函数，预训练的收益放缓了，研究者不断寻找新的变量，只要找到一个新的变量求导大于零，就能继续看到收益。

“Scalling law还没有撞墙，一个变量放缓并不影响大局。”苏炜杰认为。

阿里通义联合北大、浙大的团队，直接把这个新变量命名为“Environment Scaling”，周靖人也在作者名单中。论文认为，训练时见过的环境越丰富，Agent之后能处理的工具和任务也越多。

今年以来，多项公开工作已经把训练环境扩展到千级、万级甚至更大规模。

Ai2与华盛顿大学发布的TMax包含14,600个终端Agent训练环境；Qwen与浙江大学团队的SWE-Universe，则从真实GitHub项目中构建了807,693个可验证的软件工程环境。

但在“把世界做大”的过程中，所有人都遇到了同一个现实：高质量的环境难造。

混元团队准备训练材料时，曾从Hugging Face和GitHub收集47678个公开终端环境。按照环境质量、可解性和难度等要求筛选后，最后只留下127个。

47678个环境，最终只有127个合格——淘汰率高达99.7%。

李非举例，任务要求和检测标准如果不一致，对小模型影响不大，“因为小模型本来就不会”；但到了大模型，“如果一个任务的质量不够，它会很明显地直接被hack掉”。

“我们不能误导Agent，也不能靠加Bug把环境变难，故意让Agent做不对。” 李非认为，好的环境不仅要没有Bug，还得足够难，难到当前Agent确实还做不出来。

类似的问题也出现在OpenAI和Anthropic。今年7月，OpenAI重新审计SWE-Bench Pro，发现731个公开任务中，约30%存在不同程度的问题，包括测试过严、提示不完整、测试覆盖不足等。

Anthropic发现，即使模型、任务和Harness都不变，只调整运行环境的CPU、内存等资源配置，Terminal-Bench 2.0在最严格与最宽松设置之间也能相差6个百分点。

这意味着，环境首先得足够可靠，质量之外，还有时效性的问题。

模型能力不断进化，另一类研究想让环境跟着模型一起进化。比如，字节Seed与中国人民大学团队的Agent-World已经搭出超过2000个环境、1.9万个工具，并根据Agent暴露出的能力缺口继续生成新任务，让训练环境跟着模型一起变化。

模型越强，真正还能让它学到新东西的环境越难找。训练场不只要造，还得一直翻新。Environment Scaling需要一种持续的供给。

一旦某种资源变得稀缺且昂贵，一门全新的基础设施生意就会应运而生。

在大模型时代，训练数据需求把Scale AI推到了超过290亿美元的估值。那么在Agent时代，谁会成为下一个掌握“训练世界”的Scale AI？

3.下一个Scale AI会出现吗？

新的供给需求，已经长出生意。

李非观察到，一些创业公司正在组织人手构建高质量环境，再向模型公司提供。他提到，团队也尝试过使用模型直接合成环境：“量可以很快上来，但是它的质量很差。”完全依赖人工，开销又会明显增加。

资本已经投入。9月11日，据媒体报道，阿里正在洽谈领投AI训练与评测公司UniPat AI的新一轮融资，规模约3亿美元，对应估值约25亿美元；腾讯、红杉等现有投资者也可能参与。交易仍在磋商中。

UniPat并不是一家纯粹的“造环境”的公司。创始人李宽此前在阿里通义DeepResearch团队从事Agent后训练、数据合成和强化学习，是WebSailor等工作的核心作者；联合创始人兼CTO陈亮是北京大学计算语言学研究所博士生。

他们今年推出的Terminal-X、Vibe-Coding Arena等系统，做的正是把任务设计、沙箱环境与评测标准打包的一体化基建。

海外的整合走得更为激进。今年3月拿到a16z领投4300万美元的Deeptune，专门通过复刻Salesforce、Slack等真实软件环境提供“Agent健身房”。仅仅4个月后，它就被数据平台Mercor闪电收购——前者懂得怎么造环境，后者懂得怎么组织行业专家制定裁判标准。

Mercor CEO Brendan Foody也是Deeptune A轮的天使投资人。他告诉媒体，当初投资，很大程度上就是为了给收购铺路。

连Scale AI自己，都在今年开辟了强化学习环境（RL Environments）业务，并披露新增训练项目中接近一半已经涉及强化学习环境。

Environment的需求还不只停留在训练阶段。

9月的外滩大会上，周靖人谈到Agent真正进入业务时，专门提到了另一类“环境”：安全沙箱、权限管控、授权、追溯，以及Harness和Agent Framework层的安全执行环境。他认为，Agent要真正进入业务，这些基础设施必须一起补上。

这里的执行环境并不等同于前文的训练环境，但两者都指向同一个变化：模型越从“会说”走向“会做”，围绕它的环境越需要被单独建设。

但在中国市场，战局远没有那么简单。

腾讯、阿里、字节都在自建环境。原因在于，环境与后训练效果直接相关，头部模型厂很难把核心环境全部外包。而环境运行所需的庞大沙箱、即时隔离与高并发重置，本身又需要依托云基础设施。

对想成为“下一个Scale AI”的公司而言，这个赛道很窄。大厂模型团队懂模型缺什么，云平台懂机器调度，但谁真正懂金融机构、律所或一家医院里错综复杂的真实业务流？

姚顺雨在去年预判，AI下半场的重心将“从解决问题转向定义问题”。当大厂和资本开始花大力气给Agent“造世界”，这个抽象的判断，变成一个具体的产业落点。

一年后，答案还在进化，世界也被重新搭建。

*应受访者要求，李非为化名