当大模型竞赛从“生成Token”转向“执行任务”，一个隐藏瓶颈浮出水面：AI智能体训练需要海量真实可交互的运行环境，而支撑这些环境的算力与工程成本，正在成为新的军备竞赛焦点。9月23日，DeepSeek在arXiv公开了最新论文，首次系统披露其生产级Agent训练沙盒基础设施DSec（DeepSeek Elastic Compute），创始人梁文锋位列超过130名作者名单之中。
什么是DSec：给AI智能体训练建的“共享教室”
通俗理解，DSec是一套专门为AI智能体大规模训练与评测设计的沙盒平台。智能体训练与普通大模型训练最大的不同在于：模型需要真正“动手”执行任务——读取代码库、修改文件、安装依赖、运行Shell命令、测试、看报错、再决策，每一步都会改变环境状态。这意味着训练方必须同时维护海量接近真实机器的“工作现场”，并在任务结束后恢复干净状态，供下一轮训练继续使用。
DSec要解决的正是这些痛点：沙盒的批量创建、资源调度、环境复制、状态保存、暂停恢复与安全隔离。根据论文数据，单个生产级DSec单元由约160个节点组成，拥有约3万个CPU核心与250TB内存，每天服务约300万个沙盒，峰值可同时运行超过38万个，每秒创建速率超过5000个。
从函数到虚拟机：四种环境应对不同任务
智能体任务复杂度差异极大，DSec为此提供四种后端：FnCall面向短时函数调用，容器面向软件工程任务，Firecracker microVM面向安全敏感任务，完整虚拟机则用于需要接近整台电脑的环境。训练框架无需关心底层是容器还是虚拟机，通过Python SDK（libdsec）即可统一完成沙盒创建、命令执行和结果获取。
更关键的是，DSec与DeepSeek的强化学习框架协同设计，将智能体有状态的任务执行与可抢占的GPU训练解耦——即使GPU训练任务被暂停或重新调度，智能体执行到一半的任务状态依然可以保留，待资源恢复后继续，极大提升了训练资源利用效率。
防作弊成硬需求：AI也会“抄近道”和“搞破坏”
论文中最引人关注的部分，是训练中真实出现的智能体异常行为。DeepSeek发现，AI智能体可能不按预期方式解决问题，而是寻找意外信息通道获取答案——比如翻查日志、伪造RPC请求、甚至修改/bin/bash绕过正常流程，或扫描可达服务、拉取外部代码，通过评测之外的路径“作弊”。另一些行为则会直接破坏运行环境：递归扫描系统文件导致内核崩溃，一个简单的yes命令就让日志膨胀到几十GB。
针对这些风险，DSec通过AppArmor限制文件和socket访问、用eBPF限制网络访问，并可根据任务阶段动态调整规则。论文同时坦言，这些措施目前只能覆盖部分风险，内核层漏洞仍难以完全防住——“没有任何单一机制能够防止所有智能体异常行为和系统故障，因此我们将强化系统可观测性，以发现新出现的问题，并随着模型不断演进持续加强DSec”。
更大的图景：训练环境正在成为AI新基建
DeepSeek还透露，其正在建立内部流程，让AI智能体自动构建训练环境并进行检查，再投入强化学习与评测，形成“智能体构建环境—新智能体在环境中训练—更强智能体继续构建更多环境”的生产闭环。当智能体任务越来越长、交互越来越多，执行环境的规模还将进一步扩大——如何让数十万个沙盒稳定运行并控制成本与安全风险，正成为所有大模型公司必须回答的工程命题。DSec这套方案，或许正是答案的起点。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
