多年來，科技巨頭的首席執行官們一直宣揚AI智能體（AIagents）的願景——這類智能體可自主使用軟件應用為人類完成任務。但如今將消費者級AI智能體（無論是OpenAI的ChatGPTAgent，還是Perplexity的Comet）投入實際使用便會發現，這項技術的局限性仍十分明顯。要讓AI智能體具備更強的穩健性，或許需要行業尚未完全探索出的一系列新技術支持。
其中一項技術便是精心模擬「工作空間」，讓智能體在其中接受多步驟任務訓練——這種「工作空間」被稱為強化學習（reinforcement learning，簡稱RL）環境。正如帶標籤的資料集推動了上一波AI發展浪潮，強化學習環境正逐漸成為智能體開發過程中的關鍵要素。
AI研究人員、創業者及投資者透露，目前頂尖AI實驗室對強化學習環境的需求大幅增加，而有意提供此類技術的初創公司也不在少數。
「所有大型AI實驗室都在內部搭建強化學習環境，」安德森．霍洛維茨基金（Andreessen Horowitz）普通合夥人珍妮佛．李表示，「但可想而知，創建這類資料集的複雜度極高，因此AI實驗室也在尋找能打造高品質環境與評估體系的協力廠商供應商。整個行業都在關注這一領域。」
對強化學習環境的需求催生了一批資金雄厚的新興初創公司，例如Mechanize Work和Prime Intellect，這些公司均致力於在該領域佔據領先地位。與此同時，Mercor、Surge等大型資料標注公司表示，隨著行業正從靜態資料集向互動式類比轉型，它們也在加大對強化學習環境的投入以跟上趨勢。大型實驗室同樣在考慮巨額投資：據《The Information》報道，Anthropic的管理層已討論計劃在未來一年內，為強化學習環境投赤字10億美元。投資者與創業者們期望，這些初創公司中能誕生出「強化學習環境領域的ScaleAI」。
