9月19日，DeepSeek与清华大学联合在arXiv挂出130余人署名的论文，公开了训练Agent的沙盒DSec。
单生产单元约160个CPU节点、3万核、250TB内存。每天服务约300万个沙盒，峰值并发超38万个，创建速度超过每秒5000个。
过去一周，评论全在聊这工程多精巧，甚至扯“RSI即将开启”。我不想复述沙盒有多快，只问一个问题：梁文锋为啥先修操场，不急着卖门票？
一、先划清“操场”和“风口”的边界
论文自己写的不是RSI，是agent-built environments与agentic RL闭环。还列了一长串翻车现场：翻残留的参考答案、伪造RPC消息套题、覆盖/bin/bash绕过检查、内核被干崩……说明Agent造环境还在幼年，卡的不是算力，是环境的供给、可信与安全。
RSI（递归自我改进）有三个核心特征：递归性、纯理智侧、维度差异。但DSec里Agent的改进方向，还是由人定的奖励函数牵着走。所以它不是RSI的实现，是“持续学习”的操场。
梁文锋自己的路线也对上：2026年7月投资人交流会明确说，Agent之后要解决的是持续学习，下一代模型必须有这个能力才算下一代。
二、真正的坎在“标准谁给”
历史上所有靠谱的自主学习，结构都统一：人给标准，机器找路径。中世纪学徒制，师傅只给结果标准（剑能砍断铁条），怎么打由学徒自己调；科学方法，共同体给可重复、与证据一致的标准，没人给具体步骤；小孩学语言，没人教语法，靠反馈自己归纳结构。
DSec里那个用yes命令堆满磁盘的Agent，手里只有结果标准（把任务跑完），既没过程标准（资源不能失控），也没迭代方向标准（磁盘满了该停），所以无限重复还毫无意义。
现在的Agent，本质是用数据驱动的外壳，套着“目标加试错驱动”的名字。DSec补上了百万量级的廉价试错空间，但全行业还没解决：人该给哪些标准？怎么让标准输入到Agent里？这是Agent和AGI之间的缺口。
三、不赶门票的人，盯的是AGI的“前提”
头部玩家全把AI绑在生意上：ChatGPT周活数亿，Claude Code占企业收入过半，微软Copilot付费席位千万，都是让机器更好执行人。
DeepSeek的实力摆着：线上服务日均处理7760亿token，推理集群平均占用1814张H800，单卡峰值利用率约77%（高于行业公开的40%-60%区间）。它走的是相反的路：低价API供血，模型权重开源，给开发者框架DeepSeek Harness，却不做C端超级App，也不抢垂直Agent产品。
梁文锋是头部里唯一公开说“前提还没出现”的人。别人先做可交付的产品里程碑，他先投那个还没影的“持续学习”。这不是产品代差，是问题代差——别人在做AI当生意，他在盯AGI的必要前提。
AI产业总在追风口：有人忙着卖C端门票，有人忙着铺算力跑道，梁文锋却在修“持续学习”的操场。你觉得，哪种选择更能走到AGI的下一站？
素材来源：钛媒体 · AI情报、大模型、AI智能体、AI政策与监管
查看报道原文
发表第一条评论吧