牛透社太平洋时间 9 月 21 日消息，人工智能公司 Anthropic 高层正讨论未来一年在强化学习（RL）环境领域投入超 10 亿美元。数据标注巨头 Scale AI、Surge 及 Mercor 加码投资并推动业务转型，初创公司 Mechanize 与 Prime Intellect 获重金押注。

RL 环境作为模拟真实软件操作场景的虚拟训练场，被头部实验室视为 AI 代理训练的新基建。Mechanize 专注于编码代理的 RL 环境开发，已与 Anthropic 达成合作；Prime Intellect 推出面向中小开发者的“RL 环境中心”；Surge 与 Mercor 分别成立专项部门和定制化场景方案。当前技术路径通过大型 Transformer 模型训练通用操作代理，但存在出错率较高的挑战。

业界对此态度分化，前 Meta AI 研究主管罗斯·泰勒警告“奖励黑客”风险，OpenAI 工程师 Sherwin Wu 则对初创公司前景持保留态度。