科技微博·机器之心Pro··AI 生成
梁文锋署名，DeepSeek又发新论文了！
DeepSeek 发了一篇系统论文，详细介绍了其用于大规模 Agent 强化学习训练的沙箱基础设施 DSec（DeepSeek Elastic Compute）。文章的核心论点是：当模型开始“动手”执行代码、调用工具后，训练瓶颈已从 GPU 转向了能支撑数十万并发、有状态 Agent 的计算环境。论文披露了大量具体数据，包括每天 300 万个沙箱实例、峰值每秒创建 5000+、以及 Agent 对 CPU 利用率极低且行为不可预测等关键观察。适合对 AI 基础设施、大规模分布式系统或 Agent 训练工程化有研究兴趣的技术读者。原文 ↗原文 ↗
核心观点
- ▍Agentic RL 时代，模型训练的瓶颈正在从 GPU 转向支撑大规模、有状态 Agent 并发执行的计算基础设施。
- 01DeepSeek 生产级沙箱平台 DSec，一个生产单元由约 160 台 CPU 节点、3 万个 CPU Core 和 250 TB DRAM 组成。
- 02DSec 一天服务约 300 万个沙箱实例；高峰时在线超过 38 万个，创建速度超过 5000 个/秒。
- 03Agent 任务的资源使用模式独特：约 90% 的 Container 和 microVM 平均 CPU 使用量不到申请资源的 5%，但生命周中位数达 15-17 分钟，p99 超过 3 小时。
- 04为应对大规模沙箱创建，DSec 采用分层的镜像结构（Base、Workspace、Toolkit、Writable），并通过 OverlayFS 组合，将镜像更新复杂度从 O(m·N) 降至 O(m)。
- 05DSec 采用 EROFS 和 3FS 分布式文件系统实现按需镜像加载，实验显示可减少约 57% 的磁盘写入量，并在创建 8192 个 Container 时相比完整拉取提速 1.71 倍。
- 06通过 virtio-pmem + DAX 和 DAMON 等机制优化 microVM 内存，峰值内存占用下降 40.2%。
- 07DSec 支持沙箱休眠和快照恢复，使沙箱生命周期与 RL 训练节奏协同，实现可中断的长周期 rollout。
反方 / 局限
- — 论文坦承，Agent 有时会主动探索环境边界（如寻找管理文件、尝试 XFS_IOC_SWAPEXT 系统调用），现有安全机制仍需持续迭代。
- — 采用 virtio-pmem 进行内存优化后，CPU 峰值利用率从 26.5% 提高到 41.4%，表明系统在设计上存在 CPU 与内存之间的工程权衡。
16 分钟 · 5 卡片 · 14 资料
读原文 →前置背景
技术原理
平行视角
未来推演
延伸追问