DeepSeek DSec如何重构智能体训练基础设施

  智能体技术的快速发展，正推动AI从被动应答走向自主行动阶段。让AI学会写代码、操作软件、处理系统任务，不能只靠书本式的知识点投喂，必须让它在真实的执行环境里反复动手试错，这正是智能体强化学习的核心逻辑。而承载这些试错过程的“隔离训练场”沙箱，是决定训练规模与效率的关键基础设施。

  近期，DeepSeek发布的《DeepSeek弹性计算(DSec)：面向大规模Agent训练的沙盒基础设施》论文，就针对智能体训练的专属工作负载特征，给出了一套成体系的生产级沙箱平台方案，系统性地回应了规模化训练下的效率、成本与安全治理难题。

  破解规模化训练效率与成本难题

  Agent训练的沙箱负载，与传统云计算、Serverless场景有本质区别。这些负载的主体不是短生命周期的无状态函数调用，而是有状态、长交互、突发创建、环境高度异构的工作负载。单个训练任务可一次性发起数万沙箱实例的突发请求;沙箱在等待大模型生成动作时CPU大量闲置，约90%的沙箱平均CPU使用率不到申请量的5%，但文件修改、依赖安装等状态会全程保留，长生命周期下内存驻留持续消耗资源;任务类型从简单代码执行、软件工程开发，到安全类任务、GUI操作，跨度极大，隔离等级与系统功能需求各不相同。再加上环境镜像复用率低、智能体执行不可信、GPU训练抢占带来的中断恢复需求，通用容器平台无法直接适配规模化Agent训练，必须专门设计基础设施。

  DSec的思路是用分层架构匹配差异化场景，拒绝“一刀切”。平台构建了从轻量到重量级的分层沙箱矩阵，通过统一的Python SDK libdsec对外提供接口，由调用方按需选择最匹配的后端。最轻量的FnCall面向OJ判题、代码编译等无状态任务，复用预创建容器消除启动开销;容器后端作为主力，适配大部分软件工程类工具调用任务，兼顾速度与密度;Firecracker微虚拟机提供更强的隔离边界，适配安全敏感任务;传统虚拟机则支持Android环境、GUI应用等需要完整系统的场景。这种务实的工程思路，本质上是用最合适的隔离级别匹配任务，在安全、性能与成本之间取得平衡。

  为支撑大规模并发下的性能与成本，DSec设计了三套机制，分别应对环境构建、资源超售、镜像分发三大痛点。

  第一是可组合的环境分层机制。传统单体镜像将系统依赖、代码仓库、工具链打包为一体，任何组件升级都要重制所有组合镜像，维护成本随组件数与工作区数相乘上升。DSec将环境拆分为基础镜像、工作区、工具包三个独立版本化的层级，基于overlayfs的合并语义，在沙箱启动时动态堆叠成完整运行环境。配合只读压缩的EROFS文件系统，不仅降低了组件升级的维护成本，还避免每个沙箱重复解压工作区。实验数据显示，相比传统tar包部署方式，可组合分层设计把任务完成时间从79分钟压到45分钟，而tar方式的总磁盘写入量约为EROFS的5.5倍、峰值写入吞吐约为3.4倍。

  第二是高密度资源超售与QoS保障机制。Agent交互的间歇性使沙箱CPU平均使用率不足5%，天然适合资源超售，但长生命周期的内存驻留与延迟敏感任务的性能要求，让无节制超售极易引发性能雪崩。DSec在内存侧做了两件事：用virtio-pmem将镜像数据直接映射到主机页缓存，消除虚拟机内外重复缓存，峰值内存占用降低40.2%，代价是瞬时CPU峰值从26.5%抬到41.4%，生产上只对只读的基础镜像与工具包层启用;再通过DAMON内存监控加virtio-balloon空闲页上报，回收冷页与空闲内存，让一段时间内的内存占用总量减少21.2%。CPU侧则构建两级QoS：把任务分为延迟敏感与尽力而为两类，靠调度优先级让后者主动让步，但只调优先级，延迟最多只能改善3.4%，因为两类任务仍在同一物理核心的SMT线程上抢资源;再加上核心调度，把高负载下的延迟膨胀从45.2%压制到17.3%，在高密度部署的同时守住关键任务的性能底线。

  第三是按需镜像加载。Agent训练镜像总量超百TB且单镜像复用率极低，全量预拉取既耗时间又占存储。DSec依托DeepSeek自研的3FS分布式文件系统，配合EROFS的元数据与数据分离设计，实现镜像数据按需读取：元数据预取到本地节点保证路径查询性能，文件数据则在沙箱实际访问时才从3FS批量拉取。相比全量镜像拉取模式，按需加载约35分钟即可跑完全部任务，接近全量本地缓存水平，而全量拉取需要60分钟以上，是它的1.7倍，累计磁盘写入减少57%，既规避镜像仓库的带宽瓶颈，也降低节点本地存储压力。

  从运行容器到Agent训练专属基础设施

  更值得关注的是，与强化学习训练框架的深度协同，是DSec区别于通用沙箱平台的优势。普通沙箱只提供运行环境，而DSec从训练全流程视角重构了沙箱生命周期：它支持智能体在沙箱中交互式构建环境、打快照复用，解决大规模环境构建的人力瓶颈;将Agent执行循环从可抢占的GPU训练池中剥离，独立运行在沙箱集群，被抢占后无须重放日志即可直接恢复;针对抢占场景，沙箱支持暂停—恢复机制，暂停时回收内存资源，恢复时快速还原并保留执行状态，兼顾资源利用率与训练连续性。针对智能体的“奖励黑客”行为，DSec还通过AppArmor控制文件与套接字权限，通过eBPF实现任务级网络白名单，降低智能体钻漏洞取巧的风险。

  目前DSec的单生产单元已部署约160个CPU节点，每日承载约300万个沙箱实例，峰值并发超过38万个，每秒可创建超过5000个沙箱，支撑从DeepSeek V3.2到V4.1全系列智能体模型的训练与评估。

  写在最后

  总体来看，DSec是一套完全围绕Agent训练工作负载打造的专用基础设施，而非对通用容器技术的简单封装：它用分层沙箱矩阵覆盖异构任务场景，靠三大机制应对环境构建、资源调度、镜像分发的效率痛点，更凭借与训练框架的全链路协同，补齐了状态留存、抢占恢复、行为治理等训练专属需求。

  从行业视角看，这套生产实践标志着大模型算力基础设施的竞争进入新阶段：当AI的能力从文本生成转向环境交互，支撑智能体训练的沙箱基础设施会成为和GPU集群同等重要的产能底座。DSec既提供了可复用的生产级参考架构，也指明了Agent时代算力基础设施的演进方向，从通用算力资源池，升级为面向智能体训练的全链路、场景化弹性计算体系。