阿里云披露 Agent Sandbox 架构，每分钟可创建 10 万沙箱
阿里云把 Agent 的运行环境做成可弹性伸缩的云上沙箱，同时兼顾强化学习批量并行与线上代码执行的安全隔离。
阿里云 Agent Sandbox（智能体沙箱，为 Agent 提供受控执行环境的隔离层）披露技术架构与产业实践：通过安全隔离、弹性供给、状态保持和百万级并发，支撑 Agentic RL 训练评测与线上 Agent Serving，官方预置模板冷启动 P99 低于 180 毫秒。
正文摘录
.jpg) 编辑｜杜伟 当一个 Agent 开始接管你的工作，搜索资料、读取文件、运行代码、调用 API，这些都是常见的执行环节。任务复杂一些，Agent 还要根据环境返回的结果调整计划。这样的工作方式对底层基础设施提出了新的要求。 过去，企业部署大模型应用时，基础设施的关注重点更多地集中在推理效率上，包括响应时延、吞吐和算力成本。随着 Agent 进入真实业务，执行环境成为系统设计中的重要一层。 企业需要确定 Agent 能访问哪些数据和系统，代码、浏览器和其他工具在什么环境中执行以及不同任务之间如何隔离。请求量突然上升时，平台还要快速准备大量独立环境。对于持续时间较长的任务，执行状态、临时文件和中间结果也需要保存下来，避免一次中断就从头再来。 模型时代的基础设施更多服务于「让 AI 思考」，Agent 进入生产环境后，执行本身成为需要重点解决的基础设施问题。也正是在这一变化过程中， 沙箱这一传统上多用于隔离不可信代码和进程的安全机制，逐渐演化为承载 Agent 执行的重要组件。 今年 4 月，阿里云正式亮相面向企业级 AI Agent 的 Agent Sandbox 并开启公测，试图打造一套面向生产环境的智能体执行底座。 2026 云栖大会上，阿里云进一步披露了智能体沙箱 Agent Sandbox 的技术架构和更多产业实践。 一句话概括，阿里云 Agent Sandbox 面向 AgentRL/Eval 与 Agent Use/Serving 几大场景，通过安全隔离、弹性供给、状态保持和大规模并发能力，为 Agent 构建安全、稳定、高效的生产级云上执行环境。