編輯｜冷貓

我確實(shí)對(duì)運(yùn)行 OpenClaw 持相當(dāng)懷疑的態(tài)度?！?整個(gè)生態(tài)給人的感覺就像是一個(gè)徹底的狂野西部，在安全性上簡直是一場噩夢。 —— Andrej Karpathy

OpenClaw 這只龍蝦，徹底從開發(fā)者和科技愛好者的小圈子里跳出來了。

從 Clawdbot 誕生至今，其在 Github 上已狂攬 352k stars，超越 Linux 與 ReAct ，飛漲速度令人瞠目結(jié)舌。

放眼望去，站在 AI 前沿的各大互聯(lián)網(wǎng)大廠，手機(jī)廠商，甚至就連谷歌、英偉達(dá)等海外科技巨頭，無一缺席，紛紛發(fā)布部署 OpenClaw 的相關(guān)產(chǎn)品或是相關(guān)工作。

各種 OpenClaw 類的「龍蝦」工具，和目前已經(jīng)相當(dāng)成熟的智能體最大的不同，其實(shí)是與社交媒體和實(shí)時(shí)通訊工具的無縫融合。

這只龍蝦滿足了人們對(duì)于「智能體」時(shí)代的想象：發(fā)一條消息，遠(yuǎn)在千里之外的人工智能就能幫你把活搞定。

全民養(yǎng)龍蝦的熱潮，真正是一堂認(rèn)知課，讓每一個(gè)普通人都意識(shí)到了 AI 圈子里早些日子認(rèn)知到的一個(gè)事實(shí)：AI 已經(jīng)進(jìn)入了「自主執(zhí)行時(shí)代」。

AI 進(jìn)入「自主執(zhí)行時(shí)代」

在 OpenClaw 這類的自治 Agent 系統(tǒng)爆火之后，人們第一次如此直觀地感受到：AI 的角色正在發(fā)生根本變化。

早期的 LLM Agent 主要依賴 Prompt、知識(shí)檢索和簡單工具調(diào)用，本質(zhì)仍然是對(duì)話助手；隨后出現(xiàn)的 Workflow Agent 引入了流程編排和任務(wù)自動(dòng)化，模型可以根據(jù)預(yù)設(shè)流程完成復(fù)雜操作；而在最新一代 Agentic Agent 架構(gòu)中，智能體可以自主規(guī)劃任務(wù)、動(dòng)態(tài)調(diào)用工具并持續(xù)與環(huán)境交互。

換句話說，AI 正在從「聊天助手」走向「數(shù)字員工」，這也是智能體最具魅力的地方。

但硬幣總有第二面。我們前段時(shí)間做過相關(guān)的報(bào)道，給「龍蝦熱」狠狠潑上一盆冷水。

簡單來說，就是在工作中使用智能體時(shí)候，最經(jīng)典的「rm -rf」操作頻頻上演。有刪除 D 盤文件的，刪除社交賬號(hào)記錄的，這種問題就連 Meta 超級(jí)智能安全總監(jiān)都中招了。

另外，如果一個(gè)智能體可以執(zhí)行代碼、訪問網(wǎng)頁甚至調(diào)用系統(tǒng)命令，那么它本身就會(huì)成為新的攻擊入口。也有案例，員工私自在公司電腦上安裝 OpenClaw，導(dǎo)致把機(jī)器掛到了公網(wǎng)，被黑客入侵了整個(gè)公司內(nèi)網(wǎng)。

也難怪 Karpathy 發(fā)出了本文開頭的感慨。本質(zhì)上來說，Agent 缺少可控的「安全執(zhí)行邊界」、身份認(rèn)證、權(quán)限管理，亟需一個(gè)可控的執(zhí)行環(huán)境和隔離機(jī)制。

而安全問題只是其中之一。我們知道，Agent 的任務(wù)往往具有一些非常典型的特點(diǎn)：生命周期短，并且?guī)в猩舷挛臓顟B(tài)。

很多 Agent 執(zhí)行任務(wù)的時(shí)間只有幾秒到幾分鐘，用完即銷毀，同時(shí)系統(tǒng)可能在瞬間創(chuàng)建大量執(zhí)行環(huán)境。然而傳統(tǒng)云計(jì)算架構(gòu)主要是為長期運(yùn)行的服務(wù)設(shè)計(jì)的，就會(huì)出現(xiàn)資源利用率低、冷啟動(dòng)慢以及成本高的問題。

也就是說，Agent 的會(huì)話性、上下文敏感、極致彈性的資源架構(gòu)，決定了需要更加靈活的服務(wù)資源支撐。

第三個(gè)挑戰(zhàn)來自并發(fā)規(guī)模。Agent 的并發(fā)規(guī)模遠(yuǎn)遠(yuǎn)超過普通應(yīng)用。尤其是在強(qiáng)化學(xué)習(xí)訓(xùn)練中，每一個(gè)智能體都需要一個(gè)獨(dú)立環(huán)境進(jìn)行交互，需要海量的并發(fā)環(huán)境來實(shí)現(xiàn)。這對(duì)底層基礎(chǔ)設(shè)施提出了極高要求。

本質(zhì)上，我們需要一個(gè)輕量級(jí)、快速啟動(dòng)、可水平擴(kuò)展的執(zhí)行環(huán)境來承載智能體所需的高并發(fā)任務(wù)。

實(shí)話說，目前的智能體及其執(zhí)行環(huán)境正處于一個(gè)野蠻生長的階段。據(jù)我們了解，行業(yè)內(nèi)執(zhí)行環(huán)境 API 形態(tài)繁雜，至少存在十幾種不同的智能體協(xié)議。

缺少一個(gè)強(qiáng)有力的協(xié)議標(biāo)準(zhǔn)的情況下，智能體基礎(chǔ)設(shè)施在多云以及跨平臺(tái)的可移植性和規(guī)?；涞厣闲纬闪藷o形的巨大阻力。

護(hù)航企業(yè)「龍蝦類」智能體的基礎(chǔ)設(shè)施

這正是各大云服務(wù)和 AI Infra 廠商正在考慮的問題，讓 AI 擁有一個(gè)可控、可管理、高效執(zhí)行的空間，是智能體「自主執(zhí)行時(shí)代」的兵家必爭之地。

我們發(fā)現(xiàn)，騰訊不僅在養(yǎng)龍蝦這件事上上心，更要在 AI Infra 領(lǐng)域深度擁抱智能體時(shí)代。

騰訊云云原生產(chǎn)品副總經(jīng)理、騰訊云專家工程師 Gary認(rèn)為「AI agent 的這一次的變化，改變企業(yè)的形態(tài)、改變社會(huì)的形態(tài)、改變組織的形態(tài)、改變軟件的形態(tài)、改變用云的角色的形態(tài)?！?/p>

為此，騰訊云 Agent Runtime 深度洞察企業(yè)核心訴求，為企業(yè)級(jí) AI 智能體應(yīng)用打造了全方位的專業(yè)支持，助力企業(yè)高效構(gòu)建智能化能力。

騰訊云 Agent Runtime 的解決方案包含瀏覽器、code 執(zhí)行、手機(jī)、電腦等豐富的沙箱類型，提供全鏈路安全、Agent 原生資源架構(gòu)、極致彈性與生態(tài)兼容的能力，實(shí)現(xiàn)極速啟動(dòng)和十萬級(jí)實(shí)例并發(fā)開箱即用的領(lǐng)先特性，讓 Agent 在企業(yè)應(yīng)用中具備安全、可靠的執(zhí)行環(huán)境。

作為 AI Agent 走向產(chǎn)業(yè)化的核心驅(qū)動(dòng)力，騰訊云 Agent Runtime 已成為支撐騰訊內(nèi)部及多家國內(nèi)頭部大模型企業(yè)的關(guān)鍵基礎(chǔ)設(shè)施。

目前，該平臺(tái)已穩(wěn)健托管數(shù)十萬個(gè) Agent 實(shí)例，能夠完美補(bǔ)齊企業(yè)級(jí)場景所需的可用性、安全性與可治理性，打通了從開源框架到生產(chǎn)力工具的「最后一公里」。

開發(fā)者們選擇騰訊云 Agent Runtime 很重要的原因，是其開箱即用的省心特性。騰訊云 Agent Runtime 解決了以 OpenClaw 為代表的這類自主智能體，在企業(yè)級(jí)部署中最令人頭疼的兩大問題：

Agent 狀態(tài)管理

我們知道，Agent 和普通服務(wù)不一樣，會(huì)在運(yùn)行過程中不斷留下狀態(tài)，并且大部分時(shí)候處于等待任務(wù)的狀態(tài)。

如果讓它常駐運(yùn)行，高昂的成本讓企業(yè)難以承受；如果隨用隨啟，Agent 在運(yùn)行過程中積累的上下文、工具鏈產(chǎn)物和環(huán)境配置就會(huì)隨著容器的銷毀而化為烏有。

Agent Runtime 的核心突破在于實(shí)現(xiàn)了狀態(tài)與算力的解耦。沒請(qǐng)求時(shí)暫停實(shí)例、釋放算力；有請(qǐng)求時(shí)自動(dòng)恢復(fù)，整個(gè)文件系統(tǒng)原樣保留。這樣一來，Agent 空閑時(shí)可以停，干活時(shí)又能從上次的狀態(tài)接著干。

在這個(gè)基礎(chǔ)上，Agent Checkpoint也就成了自然能力。一個(gè)已經(jīng)調(diào)教好的 Agent，可以在任意時(shí)刻做快照，后續(xù)用來恢復(fù)、回滾，或者直接克隆出更多實(shí)例，讓已經(jīng)積累下來的經(jīng)驗(yàn)和能力可以復(fù)制、繼承。

Agent 行為治理

Agent 擁有編寫代碼和調(diào)用接口的能力，這賦予了它極高的生產(chǎn)力，但也帶來了巨大的行為管理難題。企業(yè)要讓它們運(yùn)行在可控、可審計(jì)的邊界里。

Agent Runtime 會(huì)對(duì)所有 Agent 都進(jìn)行嚴(yán)格的隔離。每個(gè) Agent 實(shí)例都運(yùn)行在獨(dú)立的 VM 級(jí)安全沙箱里。這樣即使某個(gè)實(shí)例被攻破或者出了異常問題，影響也只會(huì)停留在它自己身上，不會(huì)影響其他實(shí)例或平臺(tái)。

對(duì)外訪問及本地敏感操作統(tǒng)一治理。Agent 發(fā)起外部請(qǐng)求時(shí)，憑證不保存在實(shí)例里，而是由 Gateway 按需注入、用完即銷毀，做到實(shí)例本地零憑證；權(quán)限由網(wǎng)關(guān)統(tǒng)一控制、統(tǒng)一審計(jì)；刪除資源、修改權(quán)限、發(fā)起外部請(qǐng)求這類高危操作，還可以配置審批或攔截規(guī)則。

這套方案的本質(zhì)，是 AI Infra 的能力基礎(chǔ)，承托起 Agent 業(yè)務(wù)的靈活高效。這一架構(gòu)沒有試圖通過限制「龍蝦」的感知和行動(dòng)來換取安全，反而為企業(yè)補(bǔ)齊了安全、治理與運(yùn)營的基礎(chǔ)設(shè)施。

不懼變動(dòng)的數(shù)據(jù)資產(chǎn)

Agent 在運(yùn)行中沉淀三類資產(chǎn)：技能（Skill）、記憶（Memory）、協(xié)作關(guān)系

三類資產(chǎn)從第一天起就獨(dú)立于框架存儲(chǔ)和管理。Skill 以制品形式入庫，版本管理、權(quán)限管控，任意實(shí)例可引用；Memory 從本地同步上云，跨實(shí)例共享，新 Agent 繼承老 Agent 的經(jīng)驗(yàn)；Agent 之間通過 Gateway 做服務(wù)發(fā)現(xiàn)和路由，協(xié)作在平臺(tái)層編排，不依賴框架私有協(xié)議。

Agent 框架可能會(huì)更新、會(huì)被替代，但 Agent 們積累的數(shù)據(jù)不會(huì)過時(shí)。知識(shí)與技能永遠(yuǎn)留在企業(yè)內(nèi)部，不跟著個(gè)人走，也不跟著框架走，最終轉(zhuǎn)化為企業(yè)的生產(chǎn)資料。

迎接智能生產(chǎn)力

AI 進(jìn)入企業(yè)，發(fā)生變化的不會(huì)只有技術(shù)。流程、分工、權(quán)限、成本，都會(huì)跟著進(jìn)行進(jìn)化。

Agent Runtime 的核心使命，是為企業(yè)提供一套全局視角的「AI 員工」管理模式，讓組織能夠接得住、管得好這股新型生產(chǎn)力。

Agent Runtime 服務(wù)于企業(yè)對(duì)全局 Agent 的技能、行為、權(quán)限和成本的管控：平臺(tái)團(tuán)隊(duì)先把 skill、初始化腳本、鏡像和配置封裝成模板，統(tǒng)一化管理任意開源或自建 Agent 在內(nèi)部的創(chuàng)建和版本變更；再通過策略管控所有 Agent 的工具調(diào)用、數(shù)據(jù)訪問、LLM 調(diào)用等行為執(zhí)行邊界；還可以通過 token 額度管理實(shí)例、用戶和組織三層的成本消耗。

在騰訊云 Agent Runtime 的加持下，龍蝦不再難以馴服，能夠成為在企業(yè)復(fù)雜網(wǎng)絡(luò)環(huán)境中縱橫馳騁、安全合規(guī)的高產(chǎn)工具，成為了企業(yè) AI 轉(zhuǎn)型的第一步

業(yè)界最強(qiáng)性能亮相，Minimax 用上也「真香」

隨著 AI 演進(jìn)從簡單的「會(huì)話」跨越到「動(dòng)態(tài)交互」，Agentic RL（智能體強(qiáng)化學(xué)習(xí)） 已成為通往 AGI 的必經(jīng)之路。

如果說大模型的「大腦」是通過海量文本喂養(yǎng)出來的，那么真正具備自主靈魂的智能體，則是通過在真實(shí)環(huán)境中的「摸爬滾打」練就的。

Agent RL 最大區(qū)別就是需要和環(huán)境交互，交互好壞影響訓(xùn)練效率和效果。這種交互一般是在沙箱中執(zhí)行的，因此沙箱是強(qiáng)化學(xué)習(xí)的「命門」，是決定 Agent 進(jìn)化速度與天花板的核心基礎(chǔ)設(shè)施

騰訊云 Agent Runtime 作為最前沿的智能體基礎(chǔ)設(shè)施技術(shù)突破，在今年的英偉達(dá) GTC 大會(huì)上亮相。

在 GTC 大會(huì)上，騰訊云團(tuán)隊(duì)提出，Agent RL 將帶給沙箱的挑戰(zhàn)推向了極致：需要訓(xùn)練、推理、環(huán)境交互與系統(tǒng)復(fù)雜性的四重疊加

騰訊云 Agent Runtime 智能體沙箱在 GTC 的亮相，吸引了全球開發(fā)者的目光。沙箱已從單純的安全組件，進(jìn)化為 Agent 時(shí)代的「基礎(chǔ)設(shè)施一等公民」 。通過 Agent-Native 的設(shè)計(jì)理念，它正為全球開發(fā)者提供一個(gè)更安全、更高效、更具擴(kuò)展性的 Agent 進(jìn)化搖籃。

毫秒級(jí)啟動(dòng)，十萬級(jí)并發(fā)，MiniMax 高性能穩(wěn)定落地

還記得過年前后，那個(gè)溫暖打工人錢包的 1 美元時(shí)薪大模型 MiniMax M2.5 嗎？

一個(gè) 10 B 參數(shù)量的全能選手，在多語言任務(wù) Multi-SWE-Bench 上拿下了行業(yè)第一；在 SWE-Bench Verified 評(píng)測集上，基于 Droid 和 OpenCode 的實(shí)戰(zhàn)測試中，它的通過率（79.7% / 76.1%）雙雙超越 Opus 4.6。

而鮮為人知的是，MiniMax 與騰訊云在 Agent RL 場景下進(jìn)行了合作，在騰訊云 Agent Runtime 的強(qiáng)大性能的基礎(chǔ)上，突破了現(xiàn)實(shí)世界的智能體 RL 的「不可能三角」：平衡系統(tǒng)吞吐量、訓(xùn)練穩(wěn)定性和智能體靈活性。

MiniMax Forge 架構(gòu)圖

交互環(huán)境的并發(fā)、彈性和質(zhì)量直接決定了模型訓(xùn)練的效率和效果。

• 極致性能響應(yīng)： 實(shí)現(xiàn) 80ms 極速啟動(dòng)與 P99 延遲小于 1 秒 ，確保 Agent 在復(fù)雜任務(wù)中獲得近乎實(shí)時(shí)的交互反饋。
• 海量并發(fā)能力： 支持每分鐘十萬級(jí)沙箱實(shí)例的并發(fā)創(chuàng)建與瞬時(shí)銷毀，實(shí)現(xiàn) 99.99% 的穩(wěn)健成功率。
• 分發(fā)加速架構(gòu)： 憑借「鏡像去重 + 多級(jí)緩存 + 加速中心」的三位一體技術(shù)，實(shí)現(xiàn)數(shù)十萬鏡像的分發(fā)加速。
• 全場景環(huán)境模擬： 深度覆蓋代碼、瀏覽器、手機(jī)及桌面端全平臺(tái)環(huán)境，原生適配 SWE-bench 與 OSWorld 等主流 Agent 評(píng)測標(biāo)準(zhǔn)。
• 原生開發(fā)生態(tài)： 提供兼容 E2B 協(xié)議的開源 SDK、API 及完整工具鏈，深度集成主流訓(xùn)練框架以實(shí)現(xiàn)無縫遷移。

依托騰訊云提供的 Agent Runtime 沙箱服務(wù)，MiniMax 實(shí)現(xiàn)了強(qiáng)化學(xué)習(xí)場景中大規(guī)模交互環(huán)境的毫秒級(jí)拉起、十萬級(jí)并發(fā)、瞬時(shí)銷毀，大幅提升了并發(fā) Rollout 的訓(xùn)練吞吐量和穩(wěn)定性，更為模型在系統(tǒng)終端的自主試錯(cuò)構(gòu)建了安全邊界。

在性能方面，騰訊云 Agent Runtime 在單個(gè)鏡像（如 Code Interpreter）場景下，大規(guī)模并發(fā)啟動(dòng)沙箱，最大可以支持每分鐘 60 萬沙箱創(chuàng)建，QPS 可以達(dá)到 1 萬以上，整體P99 延遲控制在 1 秒左右。因?yàn)檎w架構(gòu)沒有單點(diǎn)依賴，整體系統(tǒng)仍然可以橫向擴(kuò)展。

在 SWE RL 場景下 Agent Runtime 沙箱的壓測效果可以達(dá)到16 萬 QPM 的吞吐，P99 延遲控制在 1 秒以內(nèi)，成功率達(dá) 99.99%。這仍然不是 Agent Runtime 沙箱的并發(fā)上限，系統(tǒng)支持便捷橫向擴(kuò)容。

MiniMax 與騰訊云的深度技術(shù)共建，有效突破了傳統(tǒng)架構(gòu)在大規(guī)模并發(fā)、極速啟動(dòng)上的能力瓶頸。

MiniMax 的 Agent 首席架構(gòu)師阿島說，目前 Agent 已經(jīng)能夠自主地驅(qū)動(dòng)很大部分的 agentic RL 過程，但「這里面最有可能卡住的就是沙箱的環(huán)節(jié)，（如果任意環(huán)節(jié)卡住）就會(huì)極大的影響我的模型的迭代，如果迭代速度慢了，那可能和別的模型相比，我的競爭力就會(huì)受到影響?！?/p>

在如此白熱化的激烈競爭態(tài)勢下，Minimax 與騰訊云 Agent Runtime 的協(xié)作，從輕量級(jí)調(diào)度、極致存儲(chǔ)優(yōu)化，到全場景的真實(shí)環(huán)境模擬，這套 Agent Infra 方案，為強(qiáng)化學(xué)習(xí)框架提供了一個(gè)極致彈性、可持續(xù)擴(kuò)展的生產(chǎn)級(jí)試驗(yàn)場，對(duì) Minimax 保持強(qiáng)勢的競爭力至關(guān)重要。

結(jié)語：在狂野西部，建立文明的邊界

我們獲悉，騰訊云 Agent Runtime 底層平臺(tái) Cube 將全面開源，企業(yè)可直接用于智能體訓(xùn)練和部署。

如果說 OpenClaw 的爆火象征著 AI 開發(fā)者們?cè)凇缚褚拔鞑俊沟囊淮渭w沖鋒，那么騰訊云 Agent Runtime 的出現(xiàn)，則標(biāo)志著這場運(yùn)動(dòng)開始從無序走向秩序與成熟。

過去我們習(xí)慣于討論模型的參數(shù)量、推理能力或是多模態(tài)性能，但在「自主執(zhí)行時(shí)代」，這些只是智能體的「大腦」。正如 Karpathy 所擔(dān)憂的那樣，沒有安全邊界和性能保障的智能體，很可能是數(shù)字世界混亂的源頭。

騰訊云 Agent Runtime，第一次為這群「數(shù)字員工」提供了一個(gè)既能自由探索、又絕對(duì)可控的「數(shù)字化工位」。

基礎(chǔ)設(shè)施的演進(jìn)往往滯后于應(yīng)用層爆發(fā)，但它決定了應(yīng)用能走多遠(yuǎn)。當(dāng)毫秒級(jí)的冷啟動(dòng)、容器級(jí)的安全隔離以及標(biāo)準(zhǔn)化的執(zhí)行協(xié)議成為標(biāo)配，智能體才真正具備了大規(guī)模進(jìn)入產(chǎn)業(yè)生產(chǎn)線的資格。

騰訊云 Agent Runtime 正在成為智能體時(shí)代的「調(diào)度中心」，更是智能體自我學(xué)習(xí)，通往 AGI 閉環(huán)過程中，不可或缺的一塊拼圖。

這只從圈子里「跳出來」的龍蝦，終于在云端找到了它最穩(wěn)健的棲息地，也找到了它通往自我進(jìn)化的快車道。