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。
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
（封面图来源：电影《头号玩家》）
END.
