字節跳動旗下Seed AI團隊近日公佈了一項可能改寫AI產業技術路徑的研究。團隊發現，AI代理在與真實世界環境進行長時間持續交互後，其學習速度呈現出一種新的規律：約每三個月翻倍。相關論文已於7月2日發表。

這一發現直指當前AI發展面臨的深層焦慮。長期以來，業界主流做法是在模型初始訓練階段投入海量數據和算力，以“暴力”方式推動性能提升。然而，包括OpenAI聯合創始人Andrej Karpathy在內的多位專家已發出警告，這種粗放擴張模式難以持續，數據枯竭與算力成本正成為瓶頸。

為探索代理式AI在部署後的學習潛力，Seed團隊開發了名為EdgeBench的基準測試套件。該套件包含134項超長時程任務，覆蓋軟件工程、科學發現、形式數學及專業知識工作等多個領域。每項任務都要求AI代理連續運行至少12小時，以觀察其在長時間與真實環境互動中的學習能力和執行表現。

研究揭示的新縮放定律，為產業提供了與“堆數據、加算力”截然不同的前進方向。傳統縮放定律聚焦於預訓練階段的參數規模與數據量，而字節跳動的發現表明，AI代理在部署後通過與環境的持續交互，能夠實現自我提升，其學習效率隨時間呈指數級增長。這意味著，未來AI系統的能力進化可能不再單純依賴更大規模的初始訓練，而是轉向更注重運行時學習的架構設計。

從產業視角看，這一研究若得到廣泛驗證，可能深刻影響AI投資與研發的資源分配。當前，科技巨頭正將重心轉向代理式AI，字節跳動的發現為這一趨勢提供了理論支撐。它暗示，對AI代理長期運行環境與交互機制的優化，或許比單純採購更多GPU更具性價比。同時，這也為評估AI系統提供了新的觀察指標，不再僅看靜態基準測試得分，而是關注其在持續任務中的學習曲線。

當然，該研究仍處於學術階段，其結論能否在更大規模、更多樣化的真實場景中復現，尚需更多獨立驗證。但無論如何，它已為AI產業打開了一扇新的技術想象窗口。