Agent 不只烧 Token：为什么 Agent Sandbox 正在变得重要

去年的行业大会主基调还围绕模型能力、推理成本和 AI Coding，Agent 很热，但追问更多的是它能做什么。到了今年，讨论从能力探索进一步走向生产落地，Agent 像一条新的主线穿过每一个地方。在今年的云栖大会上，会场里到处都能听到 Agent，讨论也越来越具体：怎么把 Agent 做出来，怎么让它真正进入业务。这些问题再往下追，总是会回到并不在聚光灯下的 Infra 上——模型决定能力的上限，但决定这些能力最后能不能安全、稳定地落下来，还得是 Infra。

在云栖大会技术主论坛上，阿里云智能集团研发副总裁、弹性计算产品线负责人吴结生发布了智能体沙箱 Agent Sandbox，并将其定义为“面向智能的新型算力形态”。阿里云给出的说法是，为每个 Agent 即时创造一个“可控的世界”，这个世界里要有完整的运行时，也要管住身份、网络和数据，任务停下来以后还能保留状态。Sandbox 本身并不新鲜，但随着 Agent 从 Demo 走向生产，动态生成的代码、难以预测的任务时长，以及执行过程中的等待和恢复，正在对运行环境提出新的要求。

在主题为《Agent Sandbox 助力 Agent 从 Demo 到生产级稳定运行》的圆桌对谈中，来自阿里云、AMD、金山办公和前程无忧的嘉宾分别从云平台、底层算力和企业实践的角度展开讨论。金山办公云原生开发运维专家宾哲把代码可信度下降的问题概括为“AI 越强，越要入笼”。金山办公的 Sandbox 底座仍建立在 Kubernetes 体系上，阿里云 Agent Sandbox 也原生兼容 Kubernetes API，每个 Sandbox 可以以 Kubernetes Pod 为载体，再运行在 MicroVM 隔离环境里，把风险尽量收在单个执行环境内。

隔离只是问题的一部分。阿里云智能集团资深技术专家杨皓然提到，过去企业负载大致分为长期运行的微服务和有明确生命周期的离线 Job，已有成熟的调度和治理体系；而 Agent 的运行方式明显更随机，下一步调用什么工具、要跑多少轮，很大程度由模型动态决定，大量 Agent 还是间歇式执行，任务过程中会等待模型推理和 Subagent 返回结果。为此，阿里云在 Agent Sandbox 中同时做了快速创建和休眠恢复。按其公布的数据，Agent Sandbox 每分钟可创建10万个沙箱，基于模板创建与冷启动 P99 小于180毫秒；资源池预热后，热启动 P99 小于20毫秒；深休眠唤醒 P99 低于600毫秒。

当运行环境发生变化，压力还会继续往硬件层传导。AMD 中国区销售副总裁周俊杰提到，传统应用可能持续运行几个月，但一个 Agent 任务可能只运行几十秒，一天内还可能反复创建大量这样的环境，包括 Agent 编排、Tool Calling、RAG 检索、状态管理、Sandbox 运行和安全隔离等大量工作，更多还是落在 CPU 侧。因此，AMD 在 EPYC 数据中心处理器上重点投入高核心数设计，帮助客户在单一机柜里承载更多并发执行环境。