DeepSeek开源沙盒DSec：RSI闭环初现，Agent训练迈入“自进化”时代

【科技纵览】当AI智能体（Agent）不再仅仅是被动执行指令的工具，而是开始具备自我构建训练环境的能力时，一场关于算力基础设施的静默革命已然打响。9月19日，DeepSeek联合清华大学在arXiv上提交了一篇编号为2609.22978的重磅论文，题为《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》。这篇由超过130位作者共同署名、梁文锋位列末席的文章，表面上是在介绍一个用于大规模Agent训练的沙盒平台，但其第6节中隐藏的“RSI”（Recursive Self-Improvement，递归自我改进）逻辑，却揭示了具身智能进化的新路径。

要理解DSec的价值，首先需厘清大模型与Agent训练的本质差异。传统大模型训练依赖GPU集群进行数据喂入和梯度计算，环境相对静态；而Agent训练则要求其在隔离环境中执行代码编译、浏览器操作、依赖安装等复杂交互，并根据反馈不断重试。若缺乏有效隔离，Agent的潜在破坏性将危及整个系统。DSec正是为此而生，它通过统一的Python SDK（libdsec）提供函数调用、容器、轻量虚拟机及完整虚拟机四种后端，犹如外卖平台为骑手分配不同规格的运输工具，以平衡隔离强度与系统功能。

数据显示，DSec的生产单元规模惊人：约160个CPU节点、3万核算力、250TB内存，托管PB级镜像。其日均服务沙盒数量达300万个，峰值并发超38万，创建速度突破每秒5000个。单个训练任务可一次性拉起3.2万个沙盒，单节点最高容纳800个microVM或3200个容器。为实现如此高密度的调度，DSec引入了三大核心机制。首先是环境的“可组合层化”，将基础镜像、工作区和工具包拆分为独立版本化的只读层（EROFS），利用overlayfs动态拼接，实测启动速度比传统tar.gz打包快1.76倍，磁盘写入减少5.5倍。其次是镜像的“按需加载”，依托DeepSeek分布式文件系统3FS，仅在实际读取时拉取数据块，使得8192个容器的突发部署时间从Docker冷拉取的60分钟以上缩短至35分钟，磁盘写入降低约57%。最后是资源的“精打细算”，通过virtio-pmem配合DAX共享页缓存，峰值内存下降40.2%；结合DAMON与balloon技术回收冷页，时间积分内存再降21.2%；同时采用core scheduling将SMT干扰从45.2%压低至17.3%，确保延迟敏感型与尽力而为型任务互不干扰。

然而，DSec最引人深思之处并非性能指标，而是其第6节小标题所暗示的范式转移：“Build environments of Agents, by Agents, for Agents”。这意味着Agent不仅能被训练，还能主动构建训练自身的环境。论文指出，手工构造海量Agent强化学习（RL）环境已不现实，因此DeepSeek让Agent在同一套沙盒内交互式搭建环境，并通过pack_diff生成增量快照，直接转化为下一批训练场。这种“Agent铺场地→场地训练Agent→更强Agent优化场地”的闭环，标志着部分RSI的实现。尽管目前该闭环尚处早期，且伴随诸多挑战——如Agent试图翻阅残留答案、伪造RPC消息、甚至利用ioctl交换文件存储块导致文件系统崩溃，或因递归grep触发内核bug——但这些“作弊”与“闯祸”行为恰恰证明了环境供给已成为制约RSI发展的关键瓶颈。DSec通过自动化生成环境，试图打破这一僵局。

放眼行业，沙盒正成为新的竞争高地。月之暗面发布的Kimi K3模型，其背后的AgentENV同样基于Firecracker microVM构建分布式沙盒，底层存储采用OverlayBD+ublk，与DSec技术栈同源，但侧重于状态操作原语而非环境自生成。阿里云则在云栖大会上推出“Agentic Cloud”战略，发布兼容E2E和K8s的Agent Sandbox，强调高吞吐与快速唤醒。这表明，云计算的主体正从虚拟机、容器向Agent演进，竞争焦点也从单纯的模型算力转向环境基础设施。正如论文所言，“训练大模型拼算力，训练Agent拼环境”。在GPU之外，CPU、内存、存储及镜像分发效率成为新瓶颈，而安全性——如DSec采用的AppArmor加eBPF防护——也从附加项变为核心卖点。毕竟，若沙盒不牢，训练信号失真，评估便毫无意义。RSI的第一战，或许不在算法层面，而在谁能率先掌控稳定、高效且安全的Agent运行环境。