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