作者：Cage RL Scaling 正在把 AI 从"人类数据时代"推向"Agent 体验时代"，带来真正能够胜任复杂、长链条任务 的 Agent 新范式。从静态数据到动态交互的学习范式变化，亟需一套全新的基础设施，也因此新的 一批创业公司应运而生。RL Infra 的核心价值是弥合模拟训练与真实世界间的"sim-to-real"鸿沟，让 AI Agent 在部署前就能经历超人类强度的"压力测试"和"刻意练习"，使其从实验室 demo 走向商业可 用。 我们对于 RL Infra 的行业图景梳理了三大模块： RL 环境、RLaaS、数据/评估 。版图的一端是致力 于将真实工作流"高保真化"的环境平台，另一端是为企业特定工作流深度优化的 RLaaS 解决方案， 而数据与评估则作为关键桥梁贯穿其中。两种主流路径也代表了不同的商业野心： "横向平台化"的 RL 环境，其目标是成为 AI 时代软件世界的"Unreal Engine"；而"纵向一体化"的 RLaaS，则有望在特 定行业内，成为赢家通吃的"AI-native Palantir"。 随着新趋势的演进 ， 我们将迎来 RL 的 GPT-3 时刻，把 RL ...