当AI开始用「假员工」训练自己：微软合成计算机研究的深层含义
训练一个能真正干活的AI助手，有多难？
答案不只是模型本身的问题，而是一个数据问题。真实的、长周期的、带有专业判断的工作轨迹——比如一个财务顾问如何在一个月内完成投资组合更新——几乎不可能被大量收集。这些数据要么在企业内部受保护，要么采集成本极高，要么根本不存在，因为这类AI工具本身还没被广泛使用。
这是一个自相矛盾的困境：要训练有用的AI，需要真实数据；但真实数据无法获取，因为工具还不够有用。
微软研究院今年四月发表的一篇论文，尝试给这个问题一个出人意料的答案——合成一切。
不是合成数据，是合成整个工作世界
这篇论文的标题是《Synthetic Computers at Scale for Long-Horizon Productivity Simulation》，作者是 Tao Ge、Baolin Peng、Hao Cheng 和 Jianfeng Gao。核心思路并不复杂：与其费力收集真实的工作轨迹，不如用AI生成一整套虚拟的工作环境，然后在上面训练AI。
具体做法分两步。
第一步，为一个虚拟用户生成一台完整的「假电脑」。这不是随便创建几个文件夹，而是根据用户画像构建一整套真实感：职业身份、工作习惯、文件命名风格、常用的软件环境、真实的项目历史。论文里举了一个具体的例子：一位名叫 Margaret Forsythe 的资深财务顾问，在丹佛一家财富管理公司工作，手上有五个并行项目，每个项目背后都有一条依赖链——比如一份资产配置表依赖于之前下载的 Vanguard 白皮书，一份客户再平衡方案又依赖于那份配置表。
这台合成计算机里塞满了这种有机关联的文件：Word 文档、Excel 表格、PDF 报告、PPT 演示稿。文件的格式、内容和专业程度，都经过刻意设计——论文作者使用了多个文档生成工具（Anthropic 的文档技能，以及 minimax-docx、minimax-xlsx 等）来确保这些文件读起来像真实的工作产物，而不是随便生成的占位符。
更关键的是，这台假电脑里不只有文件，还有「人」。作者设计了一组模拟协作者——上司、同事、客户、合规官——每个人都有自己的沟通风格和私有的参考文件。有些文件里还埋了陷阱：某个客户账户报表里藏着 1.7% 的配置差异，某个费用比率用的是基点而不是百分比。这些细节是故意埋进去的，用来测试 AI 是否真的能发现问题，而不是走个流程交差了事。
第二步，用两个 AI agent 在这台假电脑上完成一个月的模拟工作。一个 agent（用 Claude Opus 4.6）负责设定任务目标——为这个用户创建大约五个真实的工作交付物，每个都附带时间线和里程碑。另一个 agent（用 Claude Sonnet 4.6，通过 Claude Code SDK 运行）扮演那个用户，一路操作文件系统、协调假同事、产出假文档，直到任务完成。
模拟的结果相当惊人：每台合成计算机平均生成约 197 个文件，模拟一次需要 8 小时以上的 AI 运行时间和 2000 多次交互轮次。这相当于一个真实员工整整一个月的工作量——完全由 AI 自己生成，自己完成。
为什么这个思路值得关注
表面上看，这是一个工程突破：微软解决了 AI agent 训练数据不足的问题。但往深一层看，这件事的意义不止于数据。
它重新定义了「训练数据」的边界。
过去谈 AI 训练数据，默认是人类的作品：人类写的文章、人类拍的照片、人类做的代码提交。这是 AI 领域几十年的基本假设——数据来自人类经验的沉淀，模型从中学习。而合成计算机的方法，把这个链条打断了一环：数据来自 AI 生成的工作环境，模型从中学习的是「执行工作」的能力，而非「理解人类表达」。这不是用 AI 生成文本训练语言模型那种做法——这里的合成不是内容的复制，而是整个任务情境的重构。
它暴露了一个更根本的循环：AI 在学习成为 AI 的替代者。
模拟财务顾问的工作，用的是 AI；完成这些模拟任务，最终目的是训练出能替代财务顾问部分工作的 AI。整个过程里，人类的参与被压缩到了最初的 persona 描述——一个「财务顾问，专注财富管理」——之后所有东西都由 AI 自我生成。人类提供的是框架，AI 填充的是内容，再由 AI 消化内容。
这和 AlphaZero 的自我博弈有本质区别。AlphaZero 玩的是封闭规则系统：棋类游戏的胜负条件是明确的，不需要模拟真实世界的复杂性。而真实的工作世界充满歧义——文件格式不统一、协作者措辞暧昧、需求本身可能存在内部矛盾——合成这些歧义，本身就是一个极具挑战的任务。论文的作者们也承认，他们离模拟真实的知识工作还差得远。
但这个方向本身，是有方向感的。
论文指出了一个 scaling 路径：只要有足够的算力，理论上可以从 1000 台合成计算机扩展到百万级、亿级——因为 persona 的来源是人类社会本身，而人类的职业、工种、工作场景几乎是无限的。这意味着，合成计算机不只是解决当下数据短缺的临时方案，而是指向一种可持续扩展的路径：AI 发展的速度，将越来越取决于合成数据的质量和规模，而非人类数据的存量。
数字员工的前置条件
这篇论文的实验结果本身也很有意思。
论文对比了 baseline（纯模拟，无额外技能增强）和 skill-augmented variants（加入了文档生成、网页搜索等外部技能）的表现。结果很明确：skill augmentation 带来了显著提升，而且这个提升在 out-of-domain 的任务上依然有效——也就是说，agent 学到的是可迁移的工作能力，不只是在特定模拟环境里刷分。
但值得注意的是，即便在最有利的设定下，模拟质量仍然是瓶颈。作者在论文里承认，合成文件和真实文件之间存在可感知的差距——语言模型的输出在风格和细节密度上，还不能完全复刻真实的商业文档。更重要的是，模拟中涉及的人际互动高度简化：假同事的回复、假客户的反馈，都是预设的 prompt，无法反映真实职场中那些模糊的、非线性的沟通。
换句话说，当前的合成计算机训练，更像是让 AI 在一个「简化版职场」里练习。简化带来了可扩展性，但也带来了失真。真实工作中的不确定性——老板临时改需求、客户说了一半又改主意、法规悄悄调整——这些目前还很难被合成进来。
一个奇怪的终点
整件事最值得停下来想一想的地方，不是技术，而是这个逻辑的终点。
如果 AI 可以合成整个工作环境来训练 AI，那最终训练出来的 AI 做的事，和最初用来合成数据的那套 AI 做的事，是同一类工作。这个闭环一旦形成，人类在某个领域的经验数据，就变成了最初启动的那一小块种子，之后的扩展完全由 AI 自我支撑。
这意味着什么？意味着在某些重复性强、结构化程度高的工作领域，AI 可能不再需要大量的人类示范数据——它只需要少数几个「种子任务」来定义问题域，然后就能自我生成训练材料，自行提升。这是一个和过去完全不同的 scaling 逻辑。
上一个类似的逻辑发生在语言模型本身：互联网上的人类文本是种子，模型学会了生成文本，然后用模型生成的文本继续训练——这就是著名的「caling law」隐含的假设。但那一次，生成的是语言表达；这一次，生成的是工作情境本身，包括其中的目标、障碍、协作和判断。语言模型学会了「说」，合成计算机让模型学会「做」。
从「说」到「做」，中间隔着的是一道根本性的鸿沟。「说」不改变外部世界，「做」要改变。合成计算机的方向，本质上是在用语言模型的生成能力，去模拟一个语言模型最终需要改变的世界。
这是递归，也是起点。
值得持续关注的方向：
合成计算机的下一道关卡，是模拟质量。能不能让合成文件和真实文件之间没有可感知的差距？能不能让模拟协作者的回应足够自然，以至于 agent 不只是在执行预设脚本，而是真正在做判断？如果这道关卡被突破，AI 从业者培训和 AI 自我提升之间的边界会变得极其模糊。届时，我们需要新的框架来理解「训练」这个词本身的意义。