AI Agent 的新基建:有人花 23 亿建训练场,有人花 5000 万建考场

与此同时，OpenAI 发了一份内部报告——《How Agents Are Transforming Work》，披露了 Codex 在 OpenAI 内部的使用数据：Agent 已经开始渗透法律、金融、招聘等非工程部门，用户会发起预计等效人类工作时间超过8 小时的委托请求。

三件事放一起，指向同一个方向：AI Agent 正在从「实验室玩具」变成「工业级产品」。而工业级产品需要工业级的基础设施——训练场、考场、应用场景，三者缺一不可。

如果你在关注 AI 创业方向，这三条新闻比任何一篇大模型 benchmark 对比都重要。因为它告诉你：Agent 的钱，正在从「做 Agent 的公司」流向「给 Agent 做基础设施的公司」。

三家公司，三个关键数字

为什么要用游戏训练 Agent？

如果你看过机器人做抓取的视频，你会发现一个尴尬的事实：现实世界训练机器人太慢了。

一个机械臂学会抓一个杯子，需要在真实环境里尝试几百次。每次失败都可能损坏硬件。一个复杂的操作任务，训练周期可能以「月」为单位。

General Intuition 的思路是反过来的：在游戏里训练，在现实里部署。

游戏引擎（如 Unreal Engine 5、Unity）已经能高度逼真地模拟物理世界——重力、摩擦、碰撞、光照。在游戏里训练一个 Agent 学会开门、爬楼梯、操作工具，成本几乎为零。学会之后，把策略迁移到真实机器人上，只需要做少量的 domain adaptation。

这背后依赖的关键技术叫 Sim-to-Real Transfer。这个领域已经研究了十几年，但直到 2026 年才真正有了商业化的条件——因为三个东西同时成熟了：游戏引擎的物理模拟精度、大模型的推理能力、强化学习算法的进步。

Patronus AI 的角色则正好互补：如果 General Intuition 建的是训练场，Patronus 建的就是考场。它的数字世界专门设计来找出 Agent 的弱点。

基础设施层的投资逻辑

从投资角度看，这三条新闻揭示了同一个逻辑：Agent 的钱正在从应用层流向基础设施层。

2023-2025 年，AI Agent 的投资主要流向「做 Agent 应用的公司」。但到了 2026 年，这些应用公司面临一个共同问题：Agent 不够可靠。 一个能完成 90% 任务的 Agent，在企业场景里意味着 10% 的失败率。而 10% 的失败率在金融、法律、医疗场景是不可接受的。所以资本开始往上一层走：谁能让 Agent 更可靠，谁就是下一波的赢家。

再往下想一层——如果 Agent 以后真的进入金融、医疗、法律这些要命的行业，谁来给它发执照？

医生要执业医师证，律师要过司法考试。那么，一个能做合同审查的 AI Agent，谁说了算「合格」？

答案还没出来。但 Patronus AI 的出现是个信号——第三方 Agent 测试平台可能会成为事实上的认证机构。未来你买一个企业级 Agent，供应商可能需要附上一份 Patronus AI 的测试报告。

工作正在被重新定义

OpenAI 的内部报告里有一个最重要的数字：用户发起的 Agent 请求中，等效人类工作时间超过 8 小时的占比在上升。

这意味着什么？

不是「AI 帮你写封邮件」，而是「AI 帮你完成一个完整的工作日」。

想象一下：你周一早上给 Agent 布置一个任务——「帮我分析这 100 份简历，筛选出符合 JD 要求的候选人，给每个人打分，排好面试顺序，生成面试问题。」然后你去开会。中午回来，Agent 已经把结果放在你面前。

这不是科幻。这是 OpenAI 内部已经在发生的事。

但这也意味着工作的定义在变：

那些只会「执行」的人，会被 Agent 替代。那些会「定义目标、设计流程、检查结果」的人，会用 Agent 获得 10 倍的杠杆。

你不需要变成程序员。但你需要学会像一个项目经理一样思考——把模糊的需求拆解成 Agent 能执行的步骤，设定质量标准，建立检查机制。

Agent 时代的三个新职业

每一次基础设施的成熟都会催生新的职业。

① Agent 训练师：不是训练大模型，而是训练 Agent 在特定场景下的行为。比如训练一个客服 Agent 学会处理退款纠纷，训练一个销售 Agent 学会处理客户异议。这个工作不需要懂深度学习，但需要懂业务场景。

② Agent 测试工程师：不是测软件，而是测 Agent 的行为边界。Agent 在什么情况下会出错？在什么输入下会越狱？在什么文化背景下会冒犯用户？这份工作更像「伦理学 + 质量保证」的交叉。

③ Agent 流程设计师：把公司的业务流程翻译成 Agent 能执行的工作流。哪些步骤可以让 Agent 自动执行，哪些必须人工介入？这份工作像「产品经理 + 流程工程师」的混合体。

这三个职业的共同点是：不需要会写代码，但需要懂业务、有判断力。而信号已经来了——OpenAI 刚上线了 Academy 课程，专门教职场人学习 AI Agent 技能。当最大的 AI 公司开始做 Agent 培训，说明「Agent 能力」正在从极客的玩具变成职场人的标配。

三个本质启发

基础设施永远比应用先赚钱。 淘金热里卖铲子的比淘金的先富——Agent 时代也一样。

Agent 的「不可靠」本身就是商机。 Patronus AI 为什么能融 5000 万美元？因为所有人都怕 Agent 出错。你帮人解决「怕」的问题，钱就来了。

你不需要成为 AI 专家就能参与 Agent 时代。 这三个新职业的第一要求不是技术——是判断力、是懂业务、是能把话说清楚。

前瞻推演：未来 6-12 个月

趋势 1 · Agent 训练平台的军备竞赛：General Intuition 不会是唯一一家用游戏训练 Agent 的公司。2026 年下半年你会看到至少 3-5 家类似的公司拿到融资。关键是看谁的游戏引擎更真实、谁的 Sim-to-Real 迁移成功率更高。

趋势 2 · Agent 测试成为企业采购的硬性要求：2027 年前，财富 500 强企业在采购 Agent 产品时，会要求供应商提供第三方测试报告。Patronus AI 有可能成为这个领域的「标准制定者」。

趋势 3 · 「Agent 流程设计师」成为新岗位：未来 12 个月，你会看到 LinkedIn 上出现「AI Agent Workflow Designer」这个职位。

趋势 4 · Agent 训练师成为自由职业新选项：就像 2015 年的「数据分析师」和 2018 年的「Python 培训师」一样，2026-2027 年会出现大量「Agent 训练师」的自由职业机会。帮中小企业定制 Agent 行为、训练客服 Agent、测试 AI 产品——这些工作不要求技术背景，但要求业务理解力。

这三个新闻单独看，一个是用游戏训练 AI，一个是给 AI 做考试，一个是 AI 已经在对真实工作产生影响。

放在一起看，是同一件事的三个侧面：AI Agent 正在成为工业级产品，而工业级产品需要工业级基础设施。

如果你只看到大模型的参数竞赛——你看到的是昨天的战场。如果你开始关注谁在为 Agent 建训练场、谁在为 Agent 建考场、Agent 如何进入真实工作——你看到的是未来 5 年的主战场。

而这个战场，才刚刚开始铺路。