字节跳动旗下Seed AI团队近日公布了一项可能改写AI产业技术路径的研究。团队发现，AI代理在与真实世界环境进行长时间持续交互后，其学习速度呈现出一种新的规律：约每三个月翻倍。相关论文已于7月2日发表。

这一发现直指当前AI发展面临的深层焦虑。长期以来，业界主流做法是在模型初始训练阶段投入海量数据和算力，以“暴力”方式推动性能提升。然而，包括OpenAI联合创始人Andrej Karpathy在内的多位专家已发出警告，这种粗放扩张模式难以持续，数据枯竭与算力成本正成为瓶颈。

为探索代理式AI在部署后的学习潜力，Seed团队开发了名为EdgeBench的基准测试套件。该套件包含134项超长时程任务，覆盖软件工程、科学发现、形式数学及专业知识工作等多个领域。每项任务都要求AI代理连续运行至少12小时，以观察其在长时间与真实环境互动中的学习能力和执行表现。

研究揭示的新缩放定律，为产业提供了与“堆数据、加算力”截然不同的前进方向。传统缩放定律聚焦于预训练阶段的参数规模与数据量，而字节跳动的发现表明，AI代理在部署后通过与环境的持续交互，能够实现自我提升，其学习效率随时间呈指数级增长。这意味着，未来AI系统的能力进化可能不再单纯依赖更大规模的初始训练，而是转向更注重运行时学习的架构设计。

从产业视角看，这一研究若得到广泛验证，可能深刻影响AI投资与研发的资源分配。当前，科技巨头正将重心转向代理式AI，字节跳动的发现为这一趋势提供了理论支撑。它暗示，对AI代理长期运行环境与交互机制的优化，或许比单纯采购更多GPU更具性价比。同时，这也为评估AI系统提供了新的观察指标，不再仅看静态基准测试得分，而是关注其在持续任务中的学习曲线。

当然，该研究仍处于学术阶段，其结论能否在更大规模、更多样化的真实场景中复现，尚需更多独立验证。但无论如何，它已为AI产业打开了一扇新的技术想象窗口。