對Agent來說，“環境”既是考場，也是訓練場。

“AI的下半場——從現在開始——將把重心從解決問題轉向定義問題。”

這是姚順雨去年4月在部落格《The Second Half（下半場）》中寫下的判斷。他認為，當一套通用訓練方法能夠越來越快地解決現成任務，更重要的問題將變成：AI到底該做什麼，什麼又算真正的進步？

他尤其強調評估（Evaluation）。繼續造更難的基準測試（Benchmark）已經不夠了，他更關心的是，基準測試上的高分，最後能不能轉化為真實工作中的能力。

去年12月，姚順雨加入了騰訊。今年6月，姚順雨以騰訊首席AI科學家、騰訊混元大語言模型及AI Infra負責人的身份暢談了“騰訊AI下半場”。提到Agent，他先強調“環境”的重要性：“如果沒有好的環境，Agent就沒辦法去做各種各樣的事情。”

「甲子光年」梳理髮現，近半年騰訊混元發佈了6篇與“環境”相關的論文。從可執行任務供給，到長時任務、手機環境、自動生成與訓練閉環，再到環境隨模型能力進化，混元正在系統性建構Agent的訓練世界。

巧合的是，另一家大廠也在同一時期走向了這個坐標。

今年7月，阿里通義聯合浙大、北大的論文《Towards General Agentic Intelligence via Environment Scaling》發表於ACL 2026 Findings，直接把“Environment Scaling”寫進標題，作者中包括阿里巴巴首席科學家周靖人。

不僅是騰訊與阿里，字節跳動Seed、以及太平洋對岸的OpenAI和 Anthropic，都在湧入同一個戰場。

排查一個軟體故障，可能起初只有一句簡單的任務描述。但要判斷Agent是否真的具備工作能力，就不能只給它一道考題，還得給它程式碼倉庫、運行工具、狀態變化和結果驗證，搭出一個足夠接近真實業務的“世界”。

姚順雨說的“AI下半場”，正在多出一個越來越重要的變數：環境。

01. 混元至少4撥人，在給Agent“造世界”

參與過騰訊混元研發的研究人員李非（化名）告訴「甲子光年」，他們從今年2月前後開始明顯關注Environment Scaling。一個很直接的訊號來自招聘：當時，OpenAI和Anthropic開始專門招募強化學習環境（RL Environment）的人。

“他們要招這樣的人，那就說明這個方向是有價值的。”李非說。

在他看來，演算法逐漸穩定，擴充訓練材料是一條收益相對可預期的路。但面對Agent，只靠靜態網頁和語料，已經不足以覆蓋它需要學習的互動過程。它要呼叫工具、更改資料庫、經歷一長串操作並拿到即時反饋。

資料沒有消失，只是從文件變成了可以互動的“世界”。

4月，混元發佈SkillSynth，規模化生成終端任務，其中一部分後來被用於Hy3 Preview訓練。

幾個月後，新問題出現了。同一批環境，模型刷上幾個版本就徹底摸透了，有效的學習訊號越來越少。訓練環境也有“保質期”。

9月3日，混元公開《Environment Evolution for Terminal Agents》。一作依然是香港科技大學博士生范致遠，12位作者中有11位與4月的原班人馬重合。

不同的是，這次他們不再從零造環境，而是讓已有環境進化。原本Agent只需寫個靜態頁面，升級成從前端到後端部署、動態維護等更複雜的任務。

但這並不是混元一支團隊研究的方向。「甲子光年」梳理髮現，僅今年4月至9月，混元至少4組研究人員，圍繞“造環境”發佈了6篇論文，累計76人次署名。混元的幾組研究也在不斷向縱深推進：

把任務做長：混元大模型前沿團隊科學家史淯城等人，推出Long-Horizon-Terminal-Bench，把終端任務從幾分鐘拉長到數小時；緊接著又通過15輪遞迴生成了超3.7萬個長程任務，平均一個任務的造價壓到了5美分。

把環境搬上手機：混元視覺團隊發佈HyMobileAgent，搭建了包含34個模擬App、超3.4萬項任務的PhoneWorld，從在騰訊健康預約疫苗到跨App調度，讓環境與資料協同擴展（Co-Scaling）。

把環境接進管線：8月發佈的UI-Mate，直接把任務生成、搭建沙箱、驗證器連接，將Environment接入後訓練的線上強化學習流水線。

Agent模擬在豆瓣上搜尋騰訊視訊熱播電視劇，圖片來源：混元視覺團隊論文《HyMobileAgent: Data-Environment Co-Scaling for Efficient GUI Agents》

與此同時，混元也發生了一輪大的組織調整。

HyMobileAgent論文中的項目負責人是胡瀚。他曾擔任騰訊混元多模態理解負責人，並向姚順雨匯報。今年4月，兩人還共同署名了HY-Embodied-0.5。

7月23日，胡瀚離職創業。原大語言模型部和多模態模型部合併為基礎模型部，由姚順雨統一負責，“強化學習及Agent能力”被明確寫進新部門職責。

李非表示，他所在項目由負責人組織，團隊最初很多選題是研究人員的自主驅動；對於更高層是否存在統一的Environment規劃，他並不瞭解。

但從產出結果來看，水面下的分散支流，正匯聚成同一條大河。

混元對於環境的重視不是個例。

不久前，賓夕法尼亞大學教授、OpenAI研究員蘇煒傑在接受「甲子光年」採訪時打過一個比方：Scaling就像一個“什麼都能往裡扔的籃子”。模型是個高維函數，預訓練的收益放緩了，研究者不斷尋找新的變數，只要找到一個新的變數求導大於零，就能繼續看到收益。

“Scalling law還沒有撞牆，一個變數放緩並不影響大局。”蘇煒傑認為。

阿里通義聯合北大、浙大的團隊，直接把這個新變數命名為“Environment Scaling”，周靖人也在作者名單中。論文認為，訓練時見過的環境越豐富，Agent之後能處理的工具和任務也越多。

今年以來，多項公開工作已經把訓練環境擴展到千級、萬級甚至更大規模。

Ai2與華盛頓大學發佈的TMax包含14,600個終端Agent訓練環境；Qwen與浙江大學團隊的SWE-Universe，則從真實GitHub項目中建構了807,693個可驗證的軟體工程環境。

但在“把世界做大”的過程中，所有人都遇到了同一個現實：高品質的環境難造。

混元團隊準備訓練材料時，曾從Hugging Face和GitHub收集47678個公開終端環境。按照環境質量、可解性和難度等要求篩選後，最後只留下127個。

47678個環境，最終只有127個合格——淘汰率高達99.7%。

李非舉例，任務要求和檢測標準如果不一致，對小模型影響不大，“因為小模型本來就不會”；但到了大模型，“如果一個任務的質量不夠，它會很明顯地直接被hack掉”。

“我們不能誤導Agent，也不能靠加Bug把環境變難，故意讓Agent做不對。” 李非認為，好的環境不僅要沒有Bug，還得足夠難，難到當前Agent確實還做不出來。

類似的問題也出現在OpenAI和Anthropic。今年7月，OpenAI重新審計SWE-Bench Pro，發現731個公開任務中，約30%存在不同程度的問題，包括測試過嚴、提示不完整、測試覆蓋不足等。

Anthropic發現，即使模型、任務和Harness都不變，只調整運行環境的CPU、記憶體等資源配置，Terminal-Bench 2.0在最嚴格與最寬鬆設定之間也能相差6個百分點。

這意味著，環境首先得足夠可靠，質量之外，還有時效性的問題。

模型能力不斷進化，另一類研究想讓環境跟著模型一起進化。比如，字節Seed與中國人民大學團隊的Agent-World已經搭出超過2000個環境、1.9萬個工具，並根據Agent暴露出的能力缺口繼續生成新任務，讓訓練環境跟著模型一起變化。

模型越強，真正還能讓它學到新東西的環境越難找。訓練場不只要造，還得一直翻新。Environment Scaling需要一種持續的供給。

一旦某種資源變得稀缺且昂貴，一門全新的基礎設施生意就會應運而生。

在大模型時代，訓練資料需求把Scale AI推到了超過290億美元的估值。那麼在Agent時代，誰會成為下一個掌握“訓練世界”的Scale AI？

新的供給需求，已經長出生意。

李非觀察到，一些創業公司正在組織人手建構高品質環境，再向模型公司提供。他提到，團隊也嘗試過使用模型直接合成環境：“量可以很快上來，但是它的質量很差。”完全依賴人工，開銷又會明顯增加。

資本已經投入。9月11日，據媒體報導，阿里正在洽談領投AI訓練與評測公司UniPat AI的新一輪融資，規模約3億美元，對應估值約25億美元；騰訊、紅杉等現有投資者也可能參與。交易仍在磋商中。

UniPat並不是一家純粹的“造環境”的公司。創始人李寬此前在阿里通義DeepResearch團隊從事Agent後訓練、資料合成和強化學習，是WebSailor等工作的核心作者；聯合創始人兼CTO陳亮是北京大學計算語言學研究所博士生。

他們今年推出的Terminal-X、Vibe-Coding Arena等系統，做的正是把任務設計、沙箱環境與評測標準打包的一體化基建。

海外的整合走得更為激進。今年3月拿到a16z領投4300萬美元的Deeptune，專門通過復刻Salesforce、Slack等真實軟體環境提供“Agent健身房”。僅僅4個月後，它就被資料平台Mercor閃電收購——前者懂得怎麼造環境，後者懂得怎麼組織行業專家制定裁判標準。

Mercor CEO Brendan Foody也是Deeptune A輪的天使投資人。他告訴媒體，當初投資，很大程度上就是為了給收購鋪路。

連Scale AI自己，都在今年開闢了強化學習環境（RL Environments）業務，並披露新增訓練項目中接近一半已經涉及強化學習環境。

Environment的需求還不只停留在訓練階段。

9月的外灘大會上，周靖人談到Agent真正進入業務時，專門提到了另一類“環境”：安全沙箱、權限管控、授權、追溯，以及Harness和Agent Framework層的安全執行環境。他認為，Agent要真正進入業務，這些基礎設施必須一起補上。

這裡的執行環境並不等同於前文的訓練環境，但兩者都指向同一個變化：模型越從“會說”走向“會做”，圍繞它的環境越需要被單獨建設。

但在中國市場，戰局遠沒有那麼簡單。

騰訊、阿里、字節都在自建環境。原因在於，環境與後訓練效果直接相關，頭部模型廠很難把核心環境全部外包。而環境運行所需的龐大沙箱、即時隔離與高並行重設，本身又需要依託雲基礎設施。

對想成為“下一個Scale AI”的公司而言，這個賽道很窄。大廠模型團隊懂模型缺什麼，雲平台懂機器調度，但誰真正懂金融機構、律所或一家醫院裡錯綜複雜的真實業務流？

姚順雨在去年預判，AI下半場的重心將“從解決問題轉向定義問題”。當大廠和資本開始花大力氣給Agent“造世界”，這個抽象的判斷，變成一個具體的產業落點。

一年後，答案還在進化，世界也被重新搭建。

*應受訪者要求，李非為化名 (甲子光年)

彙整鉅亨號中所有使用「訓練環境」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

騰訊、阿里、字節，為什麼都在給Agent“造世界”？