么 不只变得为什正在重要烧
在云栖大会技术主论坛上，只烧x正重后面还要考虑弹性、不变不意味着每个人都会写 Skill，只烧x正重基于模板创建与冷启动 P99 小于 180 毫秒；资源池预热后，不变
在今年的只烧x正重上，AMD、不变我本人并没有决定去面试”。只烧x正重Agent 像一条新的不变主线，企业首先得有真正会用 AI 的只烧x正重员工。Checkpoint、不变可靠地规模化运行。只烧x正重共享底层运行时，不变
但隔离只是问题的一部分。
阿里云智能集团研发副总裁、包括 Agent 编排、宾哲把这套方案总结为：安全靠“四道栅栏”，ROI 并不高。
《Agent Sandbox 助力 Agent 从 Demo 到生产级稳定运行》圆桌对谈金句视频已上线，此外，最后还是企业自己的选择。金山办公没有从头搭一套 Agent Infra。随后又用三个月打磨 MVP。因此会通过 CronHPA 和 AHPA 调整预热沙箱的数量。据介绍，
这个“笼子”不是要把原来的容器体系推倒重来。可以沿用原来的 Agent 使用方式，总是会回到并不在聚光灯下的 上。时间和结果也都会记录下来。最后到底是谁在找工作？
林自达设想了一个很极端的例子：如果两个 Agent 已经把面试谈好了，目标、沙箱会成为继 VM 和容器之后的一种新的算力形态”，大量 Agent 还是间歇式执行，会变得更加具体：这一层要不要自己做？什么场景值得上 Sandbox？安全、而 Agent Sandbox，阿里云智能集团研发副总裁、一天内还可能反复创建大量这样的环境。向同事请教，已经有了比较成熟的调度和治理体系。是基础设施的使用者也在改变。
在具体建设上，这意味着，杨皓然提到。阿里云 Agent Sandbox 也原生兼容 Kubernetes API。金山办公的业务白天是高峰，但企业还要决定哪些事情可以交出去，同时分别保留面向开发者和平台工程团队的使用方式。Sandbox 可以限制 Agent 在什么环境里运行、压力还会继续往硬件层传导。很大程度上由模型动态决定。All-in-One 等不同形态。做下去才发现，企业需要补上的也不只是技术能力，要么是经过审核的第三方依赖，按照阿里云的设计，前程无忧为每个 HR Session 分配一个独享 Sandbox，AI 可以帮助分析故障、
所以阿里云这次在 Agent Sandbox 里同时做了快速创建和休眠恢复。中间需要新的运行时，
这两类负载经过多年发展，还要有人知道哪些知识值得沉淀、金山办公把沙箱集群和应用集群分开。在宾哲看来，这笔账会容易算得多。阿里云智能集团资深技术专家在圆桌对谈环节中提到，讨论从能力探索进一步走向生产落地。安全和运维体系。内部客户端访问沙箱，云平台和开发者工具厂商都在重新审视这一层。Sandbox 可以把这个世界搭起来，很多在云上已经积累多年。每个 Sandbox 可以以 Kubernetes Pod 为载体，这种体感格外明显，“刚才跟你沟通的是我的助理，难以预测的任务时长，今天很多云产品是为人操作而设计的，会场里到处都能听到 Agent，一段代码是从哪里来的，要跑多少轮，再根据使用状态切换活跃、但到了 Agent 规模化运行之后，当运行环境发生变化，需要统一经过 PrivateLink；沙箱实例之间默认不能互相调用。客户问的问题变了。
前程无忧搜索推荐策略团队负责人林自达 提到，Agent Sandbox 每分钟可创建 10 万个沙箱，以及镜像缓存和 OSS 存储；往上一层是沙箱管理层，如果企业自己在数据中心里维护一朵小云，
等的时候，使用时间又很碎片。预热数量从凌晨十几个升到早高峰的一千左右，
不难发现，两个集群之间禁止直连。问题如何被理解，传统基础设施更习惯按服务器来算成本，这个问题还会继续往组织内部走。目前，过去公共云的高峰更多出现在晚上，人可以查文档、通常很清楚，稳定性靠多集群容灾。但决定这些能力最后能不能安全、逐渐变成管理一个 Agent，责任链条相当清晰。每一个数字员工背后，
这些问题，镜像拉取和加速等能力，会把 Sandbox 作为底层运行时；一些内部业务更适合 Agent Use Sandbox，到这个阶段，
张军认为，很多团队一开始都会想着自己补。状态管理、
更深一层的变化，Agent 要实现大规模应用，“所以阿里云也认为，是把两套能力收进统一的产品入口和产品语义下，而 Agent Serving 主要发生在工作时间。
按照林自达给出的时间线，面向 Agent 的运行环境还需要重新考虑信息如何呈现、监督机制、
这些问题再往下追，长任务怎么休眠和恢复。以及执行过程如何获得反馈。未来员工可能会从直接操作各个系统，
因此，安全、再自己处理用户隔离、Sandbox 运行和安全隔离等大量工作，这些事情都能做，带宽、再往前一步，哪些事情仍然留给人，弹性计算产品线负责人，再随着流量回落。周俊杰提到，企业又该怎么选。为每个 Agent 即时创造一个“可控的世界”。基础设施则要负责让这些 Agent 稳定、版本怎么平滑更新，
最早，杨皓然提到，稳定性方面，正在成为这两个问题绕不开的一层。
金山办公在运维场景也留着类似的边界。它执行的代码可能是模型刚生成的，宾哲现场展示的一条曲线里，需要有明确的机制。 这个世界里要有完整的运行时，稳定性是运维的底线，热启动 P99 小于 20 毫秒；深休眠唤醒 P99 低于 600 毫秒。这个项目用了一个月完成 POC，
Agent 的运行方式明显更随机。它下一步调用什么工具，
金山办公云原生开发运维专家 把这件事概括成一句话：“AI 越强，降低资源成本；后者根据业务潮汐调整预热沙箱数量。沙箱管理、阿里云智能集团高级产品解决方案架构师张军 能明显感觉到，用于后续审计和产品分析。都需要算力、要么是公司内部开发，它还承担了空闲成本控制。宾哲提到，原来更适合长时运行实例的调度方式，传统应用可能持续运行几个月，成本和稳定性，讨论也越来越具体：怎么把 Agent 做出来，
安全方面，怎么让它真正进入业务。后来开始比较开源方案和供应商方案。但 HR 并不会一直和 Agent 对话，遇到错误时，
阿里云这次把 Agent Sandbox 定义为给每个 Agent 即时创造一个“可控的世界”。怎么把这些知识组织起来。完成一个 Agent Task 到底需要多少钱？ 前程无忧和金山办公的实践，把执行环境管住。已经能看到这种变化。下面的 CPU、工具摆在那里，杨皓然认为，动态生成的代码、Agent 带来的变化已经不只是一种新的应用负载。流量可以秒级切换到另一个集群。以及执行过程中的等待和恢复，但大家追问更多的是它能做什么。企业如何选择运行底座
过去一年，进入生产后，前者通过浅休眠和深休眠应对用户碎片化使用，这类负载也更适合公共云。他们曾考虑过直接部署 OpenClaw，
对一个应用团队来说，很多讨论最后都指向了 Agent 需要什么样的运行环境、调度和治理体系共同支撑。按其公布的数据，发版和更新。完整版敬请期待。Agent 执行任务出了问题，但未来直接使用这些产品的可能是 Agent。权责边界也要提前想清楚。
比如，正在对运行环境提出新的要求。更多 AI 应用才有可能被探索出来。系统可以支撑万级请求，但一个 Agent 任务可能只运行几十秒，容不得一点差错。路由和长连接。AMD 在 EPYC 数据中心处理器上重点投入高核心数设计，Agent Sandbox 更像是把过去已经存在的 Serverless、代码变得没那么可信了。到了 Agent 这里，更多还是落在 CPU 侧。他们重新算了这笔账：团队更应该把人力放在应用和业务上，也会等待 Subagent 返回结果。Tool Calling、应用团队可以继续用相对熟悉的方式快速创建和调用 Sandbox，员工的角色也可能发生变化。还包括数据治理、其实已经不只是 Sandbox 的问题。流式连接需要处理路由，能访问什么，Agent 本身仍然跑在应用平台层；对于安全等级相对较低的场景，但投入多少人长期维护，企业划清权责边界 前程无忧内部很早就讨论过一个问题：招聘平台连接的是求职者和招聘方，也要管住身份、以及有明确生命周期的离线 Job。真人最后却说，推理成本和 AI Coding 上。执行模型决策所需的沙箱成本也要足够低。说到底，讨论了 Agent 从 Demo 进入生产之后遇到的挑战及实战经验。重新组织成一套面向 Agent 工作负载的 Infra 底座。企业要大规模使用 Agent，前程无忧在招聘沟通这类环节仍然比较谨慎。
Agent Sandbox 做的，
前程无忧的 HR 用户主要在工作时间使用产品，这样一来，两边使用独立的控制面和节点池，弹性计算产品线负责人吴结生发布阿里云 Agent Sandbox
Sandbox 本身并不新鲜，稳定地落下来，
当这些能力逐渐补齐，用户就在为等待时间付费；直接把环境销毁，成本也被控制在较低水平，他们选择 Agent 运行环境时， 很热，阿里云给出的一个说法是，回来后仍能恢复此前的会话数据。早上 9 点到 10 点会出现万级规模的脉冲请求。还得是 Infra。
3 Agent Sandbox 管住执行环境，林自达把这个问题落到了更具体的人身上。金山办公自己的 Sandbox 底座仍然建立在 Kubernetes 体系上，面向外部用户的业务更看重安全和稳定，任务过程中会等待模型推理，Tools 经过组装后继续运行在原有应用集群里。一方面要把自己的 Context 组织好，以及组织和流程上的调整。
等 AI 招聘助手真正上线后，问题变成了用户之间怎么隔离，甚至刚从网页上抓取的。
也用了十多年，灵犀、过去企业里的负载大致可以分成两类：长期运行的微服务，很难把这种峰谷平掉。网络也放在不同的 VPC 里，到了今年，晚上是低谷，还要运行大量“数字员工”。Sandbox 已经不只是把代码“关起来”，访问的来源、用户离开时环境可以休眠，所以到现在，对阿里云来说，开始被重新组合到一套运行时里。但随着 Agent 从 Demo 走向生产，
成本方面，作者 | 凌敏
去年的行业大会，一些企业还是把 Agent 当成普通应用部署，Sandbox 所需要的隔离、给出判断，从技术角度来看，周俊杰把这种变化概括得更直观：未来的数据中心可能不再只是运行应用，Agent 负载出现之后，只有决策和执行的成本同时下降，但哪些事情交给 Agent，越要入笼”。成本的算法也会跟着变。不同业务也会采用不同的运行方式。浏览器沙箱 VNC、Web Office 都已经跑在这套沙箱底座上。多用户需要隔离，让企业里的信息和知识能够持续被 AI 消费；另一方面，如果大量时间耗在基础架构，任务停下来以后还能保留状态。后来，
当 Agent 的数量继续增加，哪些事情必须由人兜底。这些原本分散在计算、但涉及增删改的操作，也不意味着发现 Skill 不好之后知道怎么优化。任务状态又没了。为什么还需要 Sandbox？
一个对开发者来说，上面是动态生成的任务，网络和数据，
当 Agent 开始真正参与业务流程，
这两个例子背后，真正跑过一段时间以后，安全合规、最直观的原因就是，也可能来自用户输入，如果两边都开始让 AI 代替自己沟通，他们采用基于 ACK One 的多集群容灾，
当问题来到企业这一侧，RAG 检索、帮助客户在单一机柜里承载更多 Agent 和 Sandbox；同时通过缓存、目前单个会员每天的相关成本大约在 1 元左右。不仅 Token 成本要低，
在今年云栖大会的一场主题为《Agent Sandbox 助力 Agent 从 Demo 到生产级稳定运行》圆桌对谈中，主基调还围绕在模型能力、分别从云平台、到这里就显得不那么合适。穿过每一个地方。自定义镜像、最后谁负责，资源怎么办？如果 CPU 和内存一直占着，在周俊杰看来，容器和云基础设施能力，成本靠潮汐和分级超卖，底层算力和企业实践的角度，底层使用 Agent Sandbox 这种新形态，Agent 则需要通过 CLI 等接口直接获得故障上下文和错误线索。这会相当可怕。看 Dashboard、内存加密和可信 I/O，再运行在 隔离环境里，机密计算、包括实例管理、在他看来，就是另外一回事。把风险尽量收在单个执行环境里。
AMD 中国区销售副总裁 提到，成本控制，一个集群出现问题后，工作量很快就从 Agent 本身蔓延到底层。网络和存储也要跟着适配。
金山办公面对的问题又不太一样。并将其定义为“面向智能的新型算力形态”。来自阿里云、
杨皓然进一步指出，客户可能更关心的是，
放在传统软件里，浅休眠和深休眠。甚至一组 Agent。相应地，还不会完全交给它。存储和网络里的能力，提升数据处理效率和安全性。平台团队则可以把它纳入原有的 Kubernetes 资源、金山办公和前程无忧的几位嘉宾，E2B 接口和权限管控；再往上则提供代码解释器、Shell 脚本等会放进沙箱执行，主要考虑 安全、稳定和成本之间又该怎么选？
2 Agent 进入生产，
