文 | 韩工观察
9 月 19 日，DeepSeek 与清华大学联合在 arXiv 挂出一篇 130 余位作者的论文，末位署名：梁文锋。
论文完整公开了 DeepSeek 训练 Agent 的沙盒基础设施 DSec：一个生产单元约 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，单个训练任务最多一次性拉起 3.2 万个隔离环境。
过去一周，解读文章刷屏，焦点大多落在工程精巧与 "RSI 即将开启 "。本文不打算复述沙盒有多快——那属于说明书；我们要回答的是一个更上游的问题：梁文锋为什么先修操场，而不是先卖门票。
答案决定完全不同的产业判断：如果 DSec 只是又一项工程优化，它是新闻；如果它是一块通向 "持续学习" 的地基，它就是坐标。
一、先把事实敲定：论文写了什么，没写什么
论文做的事，一句话：把 " 练功房 " 的造价和工期压了一个数量级。函数调用、容器、轻量虚拟机、完整虚拟机四种后端，对应不同的隔离强度需求；环境拆成基础镜像、工作区、工具包三层只读层，按需拼装、按需加载；内存与 CPU 精打细算，支持超卖与服务质量分级。
Agent 的训练不再依附于 GPU 训练 Pod ——从 V4.1 开始，rollout 独立跑在 DSec 上，GPU 被抢占时状态不丢。
关键在第六节。6.1 节写道：手工构造 Agent 强化学习所需的大量环境已经 " 不现实 "。解法是让 Agent 在训练的同一套沙盒里自己搭环境，再用 pack_diff 把会话打成增量快照，直接变成下一批可复用的训练场。
小标题值得原文照录（论文第六节小标题）：Build environments of Agents, by Agents, for Agents ——由 Agent 建造、为 Agent 服务、属于 Agent 的环境。
但事实边界必须划定：论文没有声称实现了 RSI（递归自我改进）。论文自己写的是 agent-built environments 与 agentic RL 闭环，不是 " 递归自我改进已经达成 "。
6.4 节记录的是一长串翻车现场：翻残留的参考答案、伪造 RPC 消息套题、覆盖 /bin/bash 绕过检查、用 ioctl 把受保护文件的存储块换走、一个 Agent 递归 grep 把内核干崩、一个 yes 命令堆出几十 GB 日志。
论文为此单列了质量检查、防泄题与防作弊机制——说明 "Agent 造环境 " 尚在幼年，卡住它的不是算力，是环境的供给、可信与安全。
" 开启 RSI 第一战 " 是评论者的修辞，不是论文的结论。
与其争论这篇论文 " 是不是 RSI"，不如先把 RSI 定义清楚——这也是本文后续所有判断要用的尺子。RSI（递归自我改进），是指在纯理智侧，系统通过自我归纳、自我修改、自我迭代，实现能力递归上升的过程。它有三个特征：
其一，递归性：每一次改进都为下一次改进创造条件，形成加速回路。没有这一条，AGI 出不来。
其二，纯理智侧：它只在可计算的理智域内运作，不涉及情绪、肉身与欲望。它学，它改，它迭代，但它不 " 想要 "。自己产生欲望、自己决定 " 我想要什么 " 的系统，是另一种东西，本文称之为自主意识体。笔者在《要毁灭人类的不是 AI，是人》（钛媒体，9 月）里论证过，当前没有任何 AI 系统具备自定目标的能力——那篇文章拆掉的 " 末日叙事 "，假想敌正是这种不存在的系统。
其三，维度差异：它在不知疲倦、不受挫败感支配、可无限重复等维度上远超人类，但这不构成 " 全面超越 " ——人类不是单维度的评分对象，而那些机器永远够不着的能力，本也不属于 AGI 的必备项。
RSI 不是 AGI 的终点，而是 AGI 从开始到成熟一直在用的引擎；它驱动的不是 "AI 觉醒 "，是理智能力的持续自增长。
用这把尺子量 DSec：它展示的闭环里，改进的方向仍由人设定的奖励函数给定，" 什么是更好 " 的标准仍在外部。论文里大面积作弊，恰恰反向证明了这一点——系统在无孔不入地优化人给的指标，而不是生出自己的指标。
所以，DSec 不是 RSI 的实现，是 RSI 的工地；说得更准确些，是 " 持续学习 " 的操场。
梁文锋自己的路线表达，与这个判断互相印证。据 21 世纪经济报道、证券时报等对 2026 年 7 月一场投资人交流会流出纪要的转述，梁文锋在会上给出的阶梯是：CoT 之后是 Agent，Agent 之后要解决的问题就是持续学习，下一代模型必须具备持续学习的能力，才能叫下一代模型。
路线自己说了，操场自己修了——操场本身的参数是新闻，操场在路线图上排第几，才是产业判断的起点。
同期，同一方向的棋子正在密集落下。月之暗面训练 K3 使用的 AgentENV，与 DSec 是同门技术路线（跑在 Firecracker microVM 上，DSec 论文引用的 Rust 版存储库就开源在该仓库）；阿里云在云栖大会提出 "Agentic Cloud"，其 Agent Sandbox 宣称创建吞吐 10 万个 / 分钟、深休眠唤醒小于 600 毫秒（据公开报道）。
行业共识正在成形：训练大模型拼算力，训练 Agent 拼环境，沙盒正在成为新的运行时。
但硬件层的共识越清晰，越反衬出软件层的空白：环境能批量造了，标准谁给？
二、线画在"标准谁给"上
我在《黄仁勋说 AGI 已来……四个人的 AGI，四本账》（钛媒体，9 月）里量过一轮各家对 AGI 的画线，当时认为 Agent 与 AGI 之间缺一个 " 自驱目标体 " ——目标自己定的系统。那篇文章止于 " 需要一把干净的尺子 "。这把尺子，本文来画：线画在 "标准谁给" 上。
自驱目标体的概念，被拆成了两半——人给标准、机器在标准空间内自主出题的，是 AGI；自己产生终极欲望的，是自主意识体。
输入路径的，是自动化——哪怕路径排得再花哨、工具调得再多，也只是自动化的高级形态，今天市面上绝大多数 Agent 属于这一层。
输入标准、机器自己找路径的，才是 AGI。
这里最容易混淆的一点，值得单独标注：" 自己出题 " 不等于 " 自己想要 "。人画出目标空间——什么算好、什么算完成，由人定；机器在这个空间里自主定子目标、自主出题、自主判卷、自主编排先练什么、后练什么。
这不需要欲望，不需要体感。你不需要 " 觉得好吃 " 才能做出好菜，你只需要知道 " 人觉得什么样的菜算好吃 " 这个标准。
而那个自己产生欲望、自己决定 " 我想要什么 " 的系统——自主意识体——不存在，而且永远不会存在。中间没有第三层。
历史上所有成功的自主学习，结构惊人地一致。
中世纪的学徒制里，师傅不给操作手册，给的是标准：剑刃要直、要能砍断指粗的铁条而刃口不崩、剑身要无裂纹。怎么达到？自己试。每打完一把，师傅只点评成品，路径由学徒自己调整——刃口崩了，琢磨淬火；剑身弯了，琢磨锤法。
培根之后的科学方法同理：知识获取从 " 读经典 " 变成 "观察—假说—实验—修正"，共同体输入的是标准（可重复、与证据一致），不是步骤。
儿童学语言更彻底：没人教语法，孩子从 " 说对了被抱、说错了被纠正 " 的反馈里，自己归纳出结构，自己造出从没听过的句子。
三者共享同一个结构：目标明确，路径自寻，试错反馈，规律自归纳。
把标准拆开看，有三层：结果标准（剑能砍断铁条）、过程标准（剑身直、无裂纹）、迭代方向标准（刃口崩说明淬火太硬，剑身弯说明锤打不均——失败了往哪个方向调）。
DSec 论文里那个用 yes 命令把磁盘堆满的 Agent，手里只有结果标准（把任务跑完），没有过程标准（资源消耗不能失控），更没有迭代方向标准（磁盘告警时该停下来检查策略）。
它真的在无限重复——只是重复得毫无意义。今天的 Agent 普遍如此：只有结果标准，失败后往哪调，没人告诉它，它也不会自己总结。
还有一层对比更本质。大模型是喂几万亿个 " 正确句子 " 学概率分布；小孩是听有限的话、自己归纳语法。一个是数据驱动，一个是目标加试错驱动。现在的 Agent，是前者的外壳，套着后者的名字。
这里还藏着 AGI 相对人类的结构性优势：它不需要正向反馈。学徒打三把剑不成，会自我怀疑 " 我不是这块料 "；科学家失败十次，会怀疑方向换赛道；孩子被嘲笑，会闭嘴。人的自主学习被情感系统死死卡住。
机器不会：打一百万把剑，每一把都记录参数、分析偏差、调整策略，不烦、不累、不自我怀疑。人类三年的学徒期，对它只是一张算力账单。
但对称的陷阱也在：没有好标准，它就死循环。标准的质量决定自主学习的上限——太模糊，原地打转；太苛刻，空烧算力；递进得好，才能从易到难。
DSec 补上了这个结构里最贵的一块——试错空间，而且是百万量级、可复用的廉价试错空间。但 " 全套标准怎么输进去、失败后往哪调、经验怎么抽象成可迁移的规律 "，全行业没有答案。
机器已经会自己找路径，但人还没有把标准给全——这就是从 " 输入路径 " 到 " 输入标准 " 之间尚未合拢的缺口，也是 Agent 与 AGI 之间真正的距离。
梁文锋这篇论文，至少把坎的位置用工程语言标了出来。
三、用这把尺子重排座次
产品维度上，头部玩家的清单都很长。OpenAI 把模型、Agent 产品（Operator、Codex、Deep Research）、开发者框架一手包办，ChatGPT 周活已达数亿规模；Anthropic 依托 Claude Code 获得显著的企业收入，企业业务占比过半；微软将 Copilot 深度嵌入 Office 生态，付费席位达千万级，并以 Agent 365 搭建企业 Agent 的控制平面。
它们的共同点：把 " 让机器更好地执行人 " 做到了离钱最近的地方。
另一边，DeepSeek 的业务体量同样清晰：据国金证券研报整理测算，其线上服务日均处理 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。
低价 API 供血，模型权重开源，2026 年 8 月又放出 DeepSeek Harness（开发者预览，开源，MIT 协议）。不做的清单更长：不做 C 端超级 App，不做垂直 Agent 产品。
诚实的话先说足：论 Agent 产品的工程成熟度，今天 Claude Code、Codex 的稳定性，强于 DeepSeek 拿得出的任何东西；DSec 的闭环也实实在在卡在作弊、环境供给与安全上。
把 " 产品代差 " 说成 "AGI 代差 "，是这轮报道最常犯的错。
但换一把尺子，画面就变了。上述每一家都被当下的生意绑着：订阅收入、企业合同、财报电话会，每一项都在把 "AGI" 拆成可交付的产品里程碑。
梁文锋与别人的不同，不在于能力，而在于他是头部玩家里唯一公开承认" 前提还没出现 "、并且持续把资源投向那个前提的人。
所以本文不下 "DeepSeek 技术全面领先 " 这种站不住的结论，只下一个边界清晰的判断：在 " 把 AGI 当下一关、而不是把 Agent 当生意 " 的公开战略表述上，梁文锋是头部玩家里尺子没拿反的人。
他不是不做生意——低价 API 同样是生意；他只是没有在生意里弄丢那张地图。别人先进在让机器更会执行人；他至少在战略上问的是：怎么让机器自己接着学。这不是产品代差，是问题代差。
四、底座每成熟一次，中间层就长出一层
产业史反复上演同一幕：底座成熟，中间层必长出来。PC 时代，英特尔供芯片，整机厂装机器，软件公司赚应用的钱；移动互联网，ARM 和高通供模胚，整机厂做手机，微信抖音收割场景；云计算，AWS 把算力做成公共服务，Salesforce 们把服务做成行业工具。
每一次，底座厂商都刻意不下场做应用——下场，生态就不敢用你。
今天的牌桌上，模胚（开源权重）、夹具（Harness）、练功房（DSec）已经摆齐。梁文锋的表态是明牌：他在 2025 年暗涌专访中表示，主要精力在研究下一代大模型，" 不会闭源，先有一个强大的技术生态更重要 "（据暗涌专访，凤凰网等转载）。他把桃子树育肥，但没有下场卖桃子罐头的打算。
问题在另一端。国内有数字化需求的软件公司以十万计，其中绝大多数的 " 做 AI"，还停留在接一个 API、套一个聊天框。他们缺三样东西：认知（不知道 Agent 不只是问答）、人才（养不起大模型工程师）、场景抽象能力（知道客服能提效，不知道投诉处理流程怎么变成 agent pipeline）。
按第一部分的尺子，这三样缺失可以归并为一件事：把行业知识写成机器可读的标准。如果 AGI 等于 " 人给标准、机器搞定其余 "，那么通用化的瓶颈就不在模型能力，而在标准工程——每个行业 know-how 的深处，都埋着一整套从未被写下来的结果标准、过程标准和迭代方向标准。
谁把这层标准翻译出来，谁就把一个行业接进了 AGI。
这个位置，就是 " 行业压件厂 "：把模胚压成 " 电商客服件 "" 律所文书件 "" 医院预约件 " 的 Agent 工坊——模板包加轻咨询加持续调优，懂行业 know-how，也懂底座的脾气。一批垂直 ISV 已经站在门口，但多数还没摸到大模型训练环境的用法。
当然，这门生意有它的风险：底座厂商随时可能俯身做垂直件，Copilot Studio 已经在向行业模板靠拢。翻译层的护城河不在技术——模板可以被复制，而交付现场、行业 know-how 的积累速度、客户信任的绑定深度，复制不了。
这层生意的本质不是 " 会调 API"，而是 " 比底座厂商更懂一个行业怎么运转 "。
DSec 让这幅拼图更完整：当训练环境本身变成可复用的公共基础设施，垂直 Agent 的试错成本被进一步压低。底座越便宜，" 懂行业、握场景 " 的那层越值钱——利润会沿着模胚被打穿的缺口，向翻译层迁移。
这不是投资建议，只是一个产业结构判断：桃子罐头的钱，属于把模具压进行业零件的人。
五、结语
过去一周关于 DSec 的解读，大多停在 " 沙盒有多快 "。
沙盒只是砖，持续学习才是门，AGI 才是房。梁文锋把 " 机器怎么自己学 " 的工地圈了起来：路线自己说了，操场自己修了。其他人是不是还没出门，三年后回看自有公论；能确定的是，发令枪已经响了。
而对数量庞大的中小企业来说，机会既不在跑道上，也不在看台上——在把跑道与工厂之间那段路修通的人手里。Agent 是地图，AGI 是荒野。卖地图的生意已经很挤，修荒野训练场的屈指可数。
接下来三年真正值得看的，不是谁家模型又高了零点几个百分点，而是两件事：谁先把 " 标准 " 喂进机器，谁先把模具压进行业。
【信息说明】
DSec 全部工程事实（生产单元规模、300 万沙盒 / 日、38 万并发、5000+/ 秒、单任务 2 万沙盒、四层后端、EROFS 三层架构、pack_diff、作弊与内核崩溃案例、6.1 节 "impractical" 表述及 "Build environments of Agents, by Agents, for Agents" 小节标题）来自论文原文：arXiv:2609.22978，2026 年 9 月 19 日提交，DeepSeek 与清华大学联合发表，130 余位作者，梁文锋末位署名。论文未使用 "RSI" 字样，" 开启 RSI 第一战 " 系评论者概括，正文已区分。
2. 梁文锋 "Agent 之后是持续学习 "" 下一代模型必须具备持续学习能力 " 等表述，来自 2026 年 7 月 DeepSeek 投资人交流会流出纪要，经 21 世纪经济报道、证券时报等多家媒体转述，非官方正式发布文稿，正文采用间接引述。
3. " 主要精力研究下一代大模型 "" 不会闭源，先有一个强大的技术生态更重要 " 等表态，来自《暗涌》2025 年 1 月梁文锋专访（凤凰网等平台转载）。
4. 日均 7760 亿 token、1814 张 H800、单卡峰值利用率约 77%、行业公开 40% — 60% 区间，均为国金证券研报整理测算口径，非 DeepSeek 官方独立发布。
5. OpenAI、Anthropic、微软的用户规模与收入体量为行业公开报道的定性描述，未采用第三方平台估算的精确数字。
6. DeepSeek Harness v0.1 开发者预览版于 2026 年 8 月 13 日在 GitHub 开源（deepseek-ai/deepseek-harness，MIT 协议），DeepSeek 官网同步发布。
7. AgentENV、阿里 Agent Sandbox 相关数据来自公开报道与云栖大会公开信息。
8. RSI 工作定义（递归性、纯理智侧、维度差异）、" 标准谁给 " 标尺、三层标准划分、" 自主意识体 " 命名、学徒制 / 科学方法 / 儿童语言习得的历史类比、" 行业压件厂 / 翻译层 / 标准工程 " 产业判断均为作者分析框架与推测，不构成投资建议。
