AI下半场核心转向：腾讯阿里字节为何集体构建Agent“环境”？

事件概述

当前AI行业共识逐渐形成：在预训练阶段收益边际递减的背景下，“环境”（Environment）成为驱动Agent能力增长的下一个核心Scaling Law变量。腾讯、阿里、字节跳动及海外OpenAI、Anthropic等机构均在加速构建Agent所需的交互式训练世界。这不仅是技术路线的调整，更被视为AI下半场从“解决问题”转向“定义问题”的基础设施布局。

核心信息与技术进展

1. 腾讯混元：多团队并行构建系统化环境

• 组织调整：腾讯将“强化学习及Agent能力”明确纳入基础模型部职责，由首席AI科学家姚顺雨统一负责，显示出对环境建设的系统性重视。
• 研究成果：2024年4月至9月期间，混元至少4个研究团队发布了6篇关于环境的论文，累计署名76人次。主要方向包括：
  • 长时任务：推出Long-Horizon-Terminal-Bench，通过递归生成超3.7万个长程终端任务，平均成本降至5美分/任务。
  • 移动端环境：发布HyMobileAgent，搭建包含34个模拟App、超3.4万项任务的PhoneWorld，实现环境与数据协同扩展。
  • 环境进化：发表《Environment Evolution for Terminal Agents》，不再从零生成环境，而是让现有环境随模型能力升级而动态演化，解决训练信号衰减问题。
  • 闭环管线：8月发布UI-Mate，将任务生成、沙箱搭建与验证器连接，接入在线强化学习流水线。

2. 阿里通义：提出“Environment Scaling”概念并布局资本

• 学术定义：阿里通义联合浙江大学、北京大学发表ACL 2026论文《Towards General Agentic Intelligence via Environment Scaling》，正式命名该新变量，指出训练环境越丰富，Agent处理工具和任务的能力越强。
• 资本动作：据报道，阿里洽谈领投AI训练与评测公司UniPat AI新一轮融资，规模约3亿美元，对应估值约25亿美元。UniPat提供Terminal-X等一体化基建系统，涵盖任务设计、沙箱环境与评测标准。

3. 行业共性挑战：质量稀缺与时效性瓶颈

• 极高淘汰率：腾讯混元团队从Hugging Face和GitHub收集的47,678个公开终端环境中，经质量、可解性和难度筛选后，仅保留127个，淘汰率达99.7%。
• 数据污染与幻觉：OpenAI审计SWE-Bench Pro发现约30%的公开任务存在测试过严、提示不完整等问题；Anthropic实验显示，仅调整CPU/内存资源配置，同一任务得分可相差6个百分点。
• 环境保质期：静态环境易被模型“刷透”，导致有效学习信号减少。因此，环境需具备随模型能力进化的特性，如字节Seed团队的Agent-World已根据Agent能力缺口自动生成新任务。

值得关注：基础设施商业化与生态壁垒

• 新兴商业模式：围绕“造环境”正在形成新的基础设施生意。例如，Deeptune通过复刻Salesforce、Slack等真实软件环境提供“Agent健身房”，并在获得a16z投资后被Mercor收购，体现了“环境构建+专家裁判标准”的结合趋势。
• 大厂自建 vs 外包困境：由于环境直接关联后训练效果，且运行需要庞大的沙箱隔离与高并发重置能力，头部模型厂商难以完全外包核心环境，必须依托自有云基础设施自建。这导致赛道狭窄，既懂模型又懂底层调度的企业占据优势。
• 安全执行环境：除了训练环境，Agent进入实际业务还需配套的安全沙箱、权限管控及追溯机制，周靖人指出这些执行环境基础设施必须同步补齐。

结论

AI行业的竞争焦点正从算力与数据规模，延伸至对真实世界复杂性的模拟能力。高质量、可进化、低噪声的Agent训练环境已成为稀缺资源，其建设水平将直接决定通用智能（AGI）落地的深度与广度。