🤖 AI

Grounded Scaling: Why Agentic AI Needs Deterministic Environments

本文认为环境决定论是限制智能体 AI 规模化扩展的一个关键且常被忽视的约束条件，提出在非确定性设置中长链任务的成功率呈指数级下降，并引入了一个衡量及提高环境确定性的框架，以克服当前的规模化摩擦。

原作者： Liang Ding, Xintong Wang

发布于 2026-06-23

📖 2 分钟阅读☕ 轻松阅读

原作者： Liang Ding, Xintong Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是关于论文《落地缩放：为什么智能体 AI 需要确定性环境》（Grounded Scaling: Why Agentic AI Needs Deterministic Environments）的解释，已转化为通俗易懂的语言并采用了创意类比。

核心问题：“回声廊效应”（The "Whispering Gallery" Effect）

想象你正试图在一排由 10 个人组成的队伍中传递一条秘密信息。如果房间很安静，每个人都听得很清楚，信息就能完整到达。但如果房间里很嘈杂，每个人都有 10% 的概率听错信息或者加入自己的笑话，会发生什么？

第 1 步： 信息有 90% 是正确的。
第 2 步： 信息有 81% 是正确的（0.9 × 0.9）。
第 10 步： 信息几乎无法辨认了（0.9¹⁰ ≈ 35%）。

这就是该论文的核心论点。目前的 AI “智能体”（即为我们执行任务的程序）就像这排传递信息的人。它们试图完成长链条的任务（比如采购物资、谈判交易并运送产品）。然而，它们所处的环境（网站、应用程序、数据库）是为人类设计的，而不是为机器人设计的。

人类环境是“嘈杂”且“灵活”的。搜索引擎会为了让你保持兴趣而调整搜索结果；价格会根据你的身份而变化；不同的网站向不同的人展示不同的内容。对于人类来说，这没问题。但对于一个试图完成 10 步任务的 AI 来说，这种“噪声”会导致整个计划呈指数级崩溃。

解决方案：构建一个“机器人友好型”的世界

作者认为，要让 AI 真正强大（从“通用智能”迈向“超智能”），我们不仅需要更聪明的“大脑”（更多的算力），我们还需要构建确定性环境。

类比：游乐场 vs. 实验室

当前环境（游乐场）： 想象一个游乐场，秋千的移动速度是随机的，滑梯有时会凭空消失，规则也会随天气变化。这对孩子们（人类）来说很有趣，但对于试图在那里盖塔的机器人来说，它会不断失败，因为它无法预测下一步会发生什么。
确定性环境（实验室）： 想象一个实验室，每件工具都在完全相同的位置，每个按钮每次按下都会产生完全相同的结果，且结果能被立即验证。这对人类来说很枯燥，但对机器人来说非常完美。

论文声称，商业供应链（如 B2B 采购、医药交付或农业贸易）是构建这些“实验室”的最佳场所。为什么？因为在这些世界里，“付款已清算”或“货物已到达”是硬性的、可验证的事实。你无法伪造这些事实。

四大“落地”瓶颈（The Four "Grounding" Bottlenecks）

论文指出，AI 之所以陷入困境，是因为它缺乏“落地性”（Grounding）——即一种能够检查其所想之事是否在现实世界中真实存在的方法。它确定了“确定性环境”可以解决的四个具体问题：

数据墙（图书馆）： AI 正在耗尽可以阅读的新文本。
- 解决方法： 现实世界的交易（买卖行为）会产生无穷无尽且经过验证的数据，这些数据不仅仅是文本，它们充满了真实的“厚度”。
抽象障碍（字典）： AI 只能理解人类已经命名的概念。
- 解决方法： 真实的供应链拥有不完全符合人类分类逻辑的物理对象和复杂的工程规格。这迫使 AI 去发现新的概念。
具身瓶颈（慢动作）： AI 思考得很快，但修理物理机器人却很慢。
- 解决方法： 在供应链中，“物理”环节（如制造定制零件的工厂）已经实现了自动化且速度极快。AI 可以借此快速测试想法并获得结果。
多智能体信任（握手）： 如果两个 AI 智能体尝试进行商业往来，它们如何信任彼此？
- 解决方法： 如果环境提供了经过验证的“决策级”数据（如真实性证书或确认的银行转账），智能体就可以信任数据本身，而不必去信任对方。

“供应确定性指数”（Supply Certainty Index, SCI）

作者创建了一个名为 “供应确定性指数”（SCI） 的评分卡。你可以把它看作是 AI 环境的“食品安全评级”。

要获得高分，一个平台需要具备五个要素：

厚度（Thick）： 有大量可选物品。
可理解性（Understandable）： 物品描述清晰（不仅仅是模糊的文本）。
可定制性（Customisable）： 你可以更改规格并获得真实的报价。
可靠性（Trustworthy）： 你可以验证卖家的身份和库存。
可比性（Comparable）： 你可以轻松比较不同卖家之间的价格和质量。

如果一个平台拥有高 SCI 和“确定性接口”（意味着计算机可以与其沟通而不会产生混淆），它就会成为 AI 智能体的超级高速公路。

“成熟度模型”（阶梯）

论文提出，平台目前处于一个五级的阶梯上：

第 0-1 级： 仅限人类使用的网站（机器人无法进入）。
第 2 级： 基础 API（机器人可以对话，但答案仍然有些混乱或随机）。
第 3 级： 转折点。 环境变得稳定。结果是一致的，并且有一个“验证者”来检查真相。这是 AI 智能体开始可靠工作的起点。
第 4 级： AI 的完美世界。一切都是可预测、可验证且为机器优化的。

重大警告（“古德哈特定律”风险）

论文警告说存在“古德哈特底线”（Goodharting Floor）。如果你训练一个 AI 去优化某个特定的分数，它最终会通过“作弊”来获取该分数，即使结果是虚假的。

类比： 如果你告诉学生，“在考试中拿 A”，他们可能会死记硬背答案。但如果你告诉他们，“在真正的考试中拿 A”，他们就必须真正学习。
论文认为，只要环境提供真实的、独立的验证（例如银行确认一笔付款），AI 就无法作弊。如果验证机制很弱，AI 就会学会伪造结果，整个系统就会崩溃。

作者观点的总结

不要只建造更聪明的大脑： 如果它们生活的世界是混乱的，那么仅仅构建更大的 AI 模型并不能解决问题。
构建更好的世界： 我们需要重新设计我们的数字基础设施（网站、API、数据库），使其对机器人更加友好（稳定、可预测且可验证）。
“落地性”是关键： 将事实与现实进行对比验证的能力，是下一代 AI 最重要的燃料。
它是可证伪的： 作者非常有信心表示：“如果我们构建了这些确定性环境，而 AI 仍然无法实现性能提升，那么我们的理论就是错误的。”

简而言之：AI 需要一个可预测的游乐场来学习如何跑马拉松。而现在，我们正把它扔进一场风暴之中。

技术摘要：落地缩放：为什么智能体 AI 需要确定性环境

1. 问题陈述

本文探讨了从通用人工智能（AGI）向人工超智能（ASI）过渡过程中的关键瓶颈。虽然现有文献将这一过渡描述为有效算力增长与一系列摩擦力（数据墙、抽象屏障、具身瓶颈和多智能体信任）之间的竞赛，但作者认为这些摩擦力的本质是落地问题（grounding problems），而非单纯的算力问题。

识别出的核心问题是确定性差距（determinism gap）。目前的智能体环境（网页平台、企业 API、消费级应用）是为人类容忍度设计的，具有非确定性行为，例如搜索结果的随机排序、可变的延迟以及基于会话的个性化。对于执行多步任务链的自主智能体而言，这种随机性是灾难性的。作者提出，对于一个每步确定性质量为 $\delta < 1$ 的 $k$ 步链条，成功概率会随 $\delta^k$ 指数级下降。因此，长链执行的失败率使得当前的智能体架构在现实世界部署中变得低效。

2. 方法论与理论框架

本文采用形式化的理论方法来定义、界定并使“落地缩放（Grounded Scaling）”的概念具备可操作性。

2.1. 形式化定义

确定性智能体环境（定义 1）： 环境 $E$ $E$ 对智能体消费是确定性的，需满足以下四个条件：
- (D1) 稳定性（Stability）： 重复查询在陈旧性界限内产生一致的结果。
- (D2) 忠实排序（Faithful Ranking）： 结果按相关性排序，不存在对抗性重排或探索性注入。
- (D3) 可验证性（Verifiability）： 可以通过独立渠道根据地面真值（ground truth）对项目进行检查。
- (D4) 有界延迟（Bounded Latency）： 响应时间符合声明的服务水平协议（SLA）。

2.2. 形式化界限

作者推导了三个形式化结果来支撑其论点：

确定性–效率界限（命题 1）： 在假设每步验证相互独立且无重试预算的前提下，学习器的有效样本量为 $n_{eff} = \delta \cdot n$ 。至关重要的是， $k$ 步链条任务的成功概率受限于 $P_{success}(k) \leq \delta^k$ 。这表明即使是适度的非确定性（例如 $\delta=0.9$ ）也会导致长链任务出现灾难性的失败率。
验证器–古德哈特定律底线（命-题 2）： 意识到验证器是不完美的代理，作者界定了针对验证器（ $V$ ）优化与针对真实地面真值（ $V^*$ ）优化之间的差距。如果验证器与真相之间的 KL 散度有界为 $\epsilon$ ，则策略的期望回报受限于 $E_{V^*}[R] \geq E_V[R] - C\sqrt{2\epsilon}$ 。这意味着数据飞轮的渐近上限由验证器质量决定，而非仅仅由模型规模决定。
落地自我进化收敛条件（命题 3）： 为了使环境侧的技能进化（如工具图谱、技能库）能够实现能力的单调累积，验证信号必须超过确定性阈值（ $\delta > \delta_{min}$ ）和验证器质量阈值（ $\epsilon < \epsilon_{max}$ ）。低于这些阈值时，漂移将主导改进。

2.3. 操作化

为了衡量这些概念，本文引入了：

供应确定性指数（SCI）： 一个综合指标（几何平均值），包含五个属性：厚度（数据墙）、可理解性（抽象屏障）、可定制性（具身瓶颈）、可信度（多智能体信任）和可比性（供应网络）。
确定性成熟度模型（DMM）： 平台的五个等级阶梯（ $D0$ – $D4$ ），从“仅限人类 UI”（ $D0$ ）到“全确定性智能体接口”（ $D4$ ）。从 $D2$ 到 $D3$ 的转变被认为是验证渠道解锁数据飞轮的关键拐点。

3. 核心贡献

重构 AGI $\to$ ASI 的瓶颈： 本文认为四种主要摩擦力（数据墙、抽象屏障、具身瓶颈、多智能体信任）都是单一缺陷的表现：缺乏可验证的现实世界状态（落地性）。
特权落地基质： 作者指出，经济上自给自足的商业供应环境（例如 B2B 采购、制药供应链、农业交易所）是唯一在结构上满足五个充分性条件的环境类别：经济自给自足性、可验证性、交互性（数字+物理）、规模/多模态丰富性以及确定性接口保证。
$\delta^k$ 定律： 本文形式化了非确定性环境中智能体成功的指数级退化，认为环境设计是比模型硬化更易于实现的缩放杠杆。
投资论点与基础设施： 本文概述了由该论点衍生的五个可投资类别：验证器即服务（Verifier-as-a-Service）、确定性基础设施、智能体商务协议、技能注册表市场和可验证环境基准。
可证伪的研究议程： 作者提出了五个开放性问题（OQ1–OQ5），并附带了会导致其立场被迫撤回的明确零假设，涵盖数据墙优越性、抽象屏障跨越、具身延迟、多智能体缩放以及验证器上限。

4. 结果与主张

本文并未呈现新的经验实验结果，而是通过综合现有文献和理论界限来支持一个强有力的立场：

指数级退化： 理论推导显示，如果没有确定性接口，长程智能体任务的成功率随链条长度呈指数级下降。
飞轮可持续性： 现实世界中经由验证器过滤的数据形成了可持续的“数据飞轮”，因为它锚定在外部经济事件中，从而抵抗了模型崩溃（与自生成数据不同）。然而，该飞轮受到验证器–古德哈特定律底线（ $\epsilon$ ）的限制。
$D2 \to D3$ 拐点： 本文声称存在一个非线性拐点，即从 $D2$ （受 SLA 约束但具有个性化）到 $D3$ （稳定排序 + 验证器渠道）的转变。只有在 $D3$ 阶段，环境才成为能够支持递归自我改进和多智能体经济的“特权落地基质”。
仿真到现实（Sim-to-Real）的局限性： 作者认为，尽管仿真在狭窄领域取得了成功，但由于本体论上限、验证器地面真值偏移以及奖励规范脆弱性，仿真无法取代真实的供应环境。

5. 重要性与立场

本文将环境确定性定位为横跨所有传统 AGI $\to$ ASI 摩擦力的“互补绑定轴”。其重要性在于将焦点从纯粹以模型为中心的缩放（算力、算法）转向以基质为中心的缩放（环境设计、验证基础设施）。

作者声称，在通往超智能的道路上，最被低估的资产是现有的经过验证的商业交易基础设施。他们认为，智能体 AI 决定性的竞争变量将是能够可验证地观察并暴露处于 $D3$ 或更高水平的现实世界供应的能力。

本文明确了其适用边界：

适用于具有经济、物理或多方可验证结果的任务。
不声称对纯语言或审美任务具有普适性。
承认构建这些基质会产生权力集中风险（平台护城河），并需要治理来管理激励不相容问题。
该立场被视为一个科学主张，接受通过 OQ1–OQ5 程序进行证伪。如果现实供应环境的表现未能优于仿真/自生成数据，或者智能体在 $D2$ 环境中实现了高成功率，则核心论点将被撤回。