近日，在2025算力生态大会上，九章云极DataCanvas宣布升级旗下强化学习云平台Agentic RL。此次升级以Agentic强化学习（RL，Reinforcement Learning）技术为核心，直指千行百业构建专业级专家智能体的需求，旨在推动群体智能规模化落地。

　　九章云极首席科学家缪旭介绍，新一代强化学习云搭载的Agentic RL，是一种可精准适配各行业需求的强化学习技术，能让通用AI模型快速升级为行业专家级智能体。该技术框架与传统强化学习方案存在本质差异，其核心优势在于目标设计的多样性与聚焦性，通用智能转化为具备领域专长的专家智能，再以动态组合放大群体智能，为产业智能化提供高效解决方案。例如，通过集成自动推理工具，可助力数学家解决复杂数学问题；借助3D引擎，能辅助设计师优化工业设计。

　　缪旭表示，人工智能训练范式已从预训练阶段迈入后训练的全新阶段。自2024年9月，OpenAI发布的o1模型通过深度思考模型和Test time scaling技术重新恢复scaling Law效应，标志着强化学习驱动的后训练范式崛起。2025年初，DeepSeekR1的发布进一步验证了强化学习在加速大模型进化方面的巨大潜力。尤其是依赖强推理能力的智能体，强化学习在长规划过程中展现出卓越性能。

　　他介绍，大量的行业实践验证表明，Agentic RL已在专业属性强的领域展现出不可替代的赋能价值。比如在供应链优化领域，通过九章云极蒸馏强化技术，在R1基模型上训练出的32B小模型表现力超越R1本身；在深度研究智能体方面，开源模型经九章云极强化学习云训练后，能够达到与闭源模型相当的效果；端到端优化，则使表现力大幅提升。

　　这些成功得益于九章云极强化学习的三大核心特点：一是高效率奖励函数设计，支持规则型与多维度奖励函数，为强化学习提供精准高效的反馈机制；二是全异步系统架构，通过任务策略推演与N+T模型更新技术，将GPU使用率稳定维持在99%以上，大幅提升训练效率；三是大规模存储支撑体系，可实现频繁高效的模型版本管理，保障强化学习过程的稳定性与自动化水平。

　　实测数据显示，九章云极强化学习云端到端训练效率较行业平均水平提升500%，综合成本直降60%，核心性能指标实现行业领先。在应用场景落地层面，产品已在金融、医疗、制造、零售、农业等多个垂直领域完成标杆验证，展现出强劲的产业适配能力。

　　在金融风控领域，通过Agentic RL构建的智能风控系统，可实时分析海量交易数据并动态调整风险评分模型。某股份制银行应用后，欺诈识别准确率提升40%，误报率下降25%，为信贷审批筑牢安全防线。

　　在医疗诊断场景，某三甲医院借助强化学习云训练影像识别智能体，通过持续学习百万级病例数据，在CT影像分析中达到主任医师专业水平，诊断效率提升3倍，同时成功发现传统方法遗漏的早期病灶特征。

　　在智能制造领域，汽车零部件厂商部署的智能排产系统，通过强化学习优化生产调度，将设备利用率从65%提升至82%，订单交付周期缩短30%，实现产能、库存与客户优先级的动态平衡。

　　在零售优化场景，连锁超市的智能定价系统依托强化学习，整合天气、客流、竞品价格等数百维数据实现小时级价格调整，试点门店毛利率提升5个百分点，滞销品周转率提高2倍。

　　在智慧农业领域，温室种植环境控制智能体通过学习历史气候数据与作物生长曲线，自动调节温湿度、光照参数，使草莓产量提升20%，同时降低能耗15%。

　　多领域落地成果引发专家广泛关注。中国工程院院士、浙江大学农业生命环境学部常务副主任喻景权表示，算力与AI是激活农业生态价值的关键，AI专家智能体有望是践行“两山”理论的数字化解法。

　　针对强化学习“样本使用率低、现实场景探索难”等行业挑战，缪旭公布了九章云极的攻坚方案。他介绍，采用基于回放的离线PPO强化学习方法，能够实现5倍训练速度提升；同时，可以与高校、科研院所合作研发世界模型，为智能体提供虚拟环境进行探索，避免现实世界中的高风险行为。

　　缪旭强调，此次强化学习云的升级，是AI基础设施向“智能体原生云”转型的一次重要探索，也是九章云极在先进普惠智算技术的进一步深耕。依托Agentic RL核心技术与全栈式服务能力，既降低企业AI落地的技术与成本门槛，又能推动人工智能从通用能力走向专业深耕，促进群体智能的加速形成，赋能千行百业的智能化转型。