护航 MiniMax、驯服小龙虾，腾讯云的 AI Agent“数字总部”亮了

📌 一句话摘要

本文介绍了腾讯云推出的 Agent Runtime 沙箱方案，旨在解决企业大规模部署 AI Agent 时的安全、管理和资产沉淀难题，并以 MiniMax 的强化学习训练场景为例，展示了其在百万级吞吐、十万级并发下的实践效果。

📝 详细摘要

文章聚焦于 AI Agent 在企业级规模化部署中面临的核心挑战：基础设施安全、行为治理与数据资产沉淀。腾讯云提出的 Agent Runtime 沙箱方案，通过为每个 Agent 提供独立的 VM 沙箱环境、统一网关治理、状态与算力分离等技术手段，试图构建一个安全可控的“数字总部”。文章以知名 AI 公司 MiniMax 的强化学习训练框架 Forge 为例，详细阐述了该方案如何支持其实现毫秒级启动、百万级吞吐和十万级并发，从而加速模型迭代。文章指出，Agent 时代需要不同于传统云计算的新型运行底座，而腾讯云的开源策略（底层技术 Cube）旨在为行业提供更灵活的基础设施选择。

💡 主要观点

- AI Agent 规模化部署面临安全、治理与资产沉淀三大核心挑战。 当企业从试用少数 AI Agent 转向部署成千上万个时，会遭遇密钥泄露、行为失控、预算超限等安全风险，以及技能、记忆无法在企业内沉淀和继承的问题。

腾讯云 Agent Runtime 通过沙箱隔离与统一网关，实现安全可控的“数字总部”。 方案为每个 Agent 提供独立 VM 沙箱，实现行为隔离；通过统一网关注入凭证、审计操作、拦截高危行为，确保能力不削弱的前提下每一步都可追溯、可管控。

该方案已成功应用于 MiniMax 的强化学习训练，证明了其高并发与高性能。 在 MiniMax 的 Forge 框架场景中，腾讯云沙箱支持了 80ms 极速启动、每分钟 60 万实例创建、十万级并发，显著提升了 Agentic RL 的训练效率和迭代速度。

Agent 时代需要新型的、Agent-First 的基础设施运行底座。 无论是日常办公 Agent 还是极限训练场景，都要求底层设施具备高弹性、强隔离和极致并发能力，这超越了传统云计算和容器（如 K8s）的设计范式。

💬 文章金句

- 用马斯克的话来说，这就好比把上膛的枪交给了一只猴子去用。

• Agent Runtime 把状态和算力拆开。空闲时释放算力，请求来时原地恢复整个文件系统，不需要预设 Agent 把东西写在哪。
• 知识和能力跟着企业走，不跟着个人或某个开源项目走。
• 腾讯云的沙箱产品，一开始就是面向我们这样的场景去设计的。在 M2.7 开始，我们已经能让 Agent 自主驱动绝大部分 Agentic RL 过程。这里面任何一个环节卡住，最有可能卡住的就是沙箱环节。
• Agent 时代需要一种不同于传统云计算的新型运行底座。

📊 文章信息

AI 初评：84

来源：智东西

作者：智东西

分类：人工智能

语言：中文

阅读时间：14 分钟

字数：3493

标签： AI Agent, 腾讯云, Agent Runtime, 沙箱技术, 强化学习

阅读完整文章