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】

1. 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。