引言

要把大模型打造成可靠的智能体（Agent），离不开在“真实世界”中反复试错：读写代码、安装依赖、跑测试、启动服务，并且在多轮交互中保留环境状态。这类任务既不像传统训练那样高度批处理，也不同于在线推理的短平快。DeepSeek首次系统公开的弹性计算基础设施 DSec（DeepSeek Elastic Compute），正是为此而生——它为DeepSeek-V4系列的训练、评测与数据预处理提供了成套“沙盒”能力，让海量异构任务得以在统一平台上高效、可控地运行。

核心内容

为什么 Agent 训练需要“弹性计算”

相较于传统的深度学习训练负载，Agent 训练极具“工程态”特征：
- 创建请求脉冲式、突发性强：训练/评测管线会在特定阶段大批量拉起沙盒。
- CPU 使用率低但内存常驻：大量时间在等待网络或 I/O，状态却必须留存。
- 执行环境碎片化：操作系统分歧、工具链差异、基础镜像复用率低。
- 任务持续时间长且可能被抢占：中断与恢复是常态，容错和快启至关重要。

这些特点决定了 DSec 的设计重点：把“状态可持久、环境可组合、资源可弹性”的能力做扎实，同时把隔离强度与启动开销的权衡交给调度层按需选择。

统一接入与四种后端：从 FnCall 到 Full VM

DSec 提供统一的 Python SDK（libdsec）作为接入点，底层按任务诉求选择不同执行后端：
- FnCall：复用预建容器，适合在线评测等微任务，启动极快，吞吐优先。
- Container：通用后端，兼顾启动速度与密度，覆盖主流软件工程与工具调用。
- MicroVM：更强隔离边界，面向涉及安全与合规的任务场景。
- Full VM：提供完整 OS 能力，支持图形界面、GPU 图形渲染、Android 等复杂应用。

背后的工程取舍在于“性能—隔离—可观测性”的三角平衡：FnCall/Container 追求低延迟与高并发，MicroVM/Full VM 则在强隔离与系统完整性上胜出。通过统一 SDK，流水线可以自动匹配最合适的后端，避免手工切换环境带来的管理开销与不一致。

分层可组合环境：镜像、工作区与工具包

Agent 训练对环境版本的“滚动更迭”尤其频繁。以生产数据为例，一周内容器后端就涉及超过万级基础镜像（约 11,266 个）、十万级工作区（约 102,171 个）与数百个工具包。如果沿用传统“单体镜像”思路，任一组成部分更新都会触发大规模重建，成本高昂。

DSec将环境拆分为三层并独立版本化：
- 基础镜像（Base Image）：操作系统与基础软件。
- 工作区（Workspace）：特定任务的代码仓与依赖。
- 工具包（Toolkit）：如 DeepSeek Harness 等公共组件。

三层在运行时通过 OverlayFS 动态组合；底层使用 EROFS 存储格式实现元数据与数据分离和跨镜像去重。好处显而易见：
- 更新“最小化”：只重建发生变化的那一层，避免无关重构。
- 复用“最大化”：共享不变部分，显著降低镜像体积与拉取时间。
- 追溯“可控化”：每层独立版本管理，便于定位问题与回滚。

从工程角度看，这是把“环境制品”拆解为可独立演进的模块，减少耦合，提升交付效率。

镜像按需加载与分布式 I/O

对生产镜像的访问分析显示：实际运行只会触达镜像数据的约 4.2%—13.3%。这意味着“先全量拉取再执行”的传统模式极其低效。

DSec的策略是：
- 全部镜像数据存放在分布式文件系统（3FS）上。
- 本地仅拉取元数据（得益于 EROFS 特性），大体量数据按访问路径按需拉取。
- 结合 OverlayFS 的层叠挂载，实现“用多少，取多少”，让 I/O 开销与真实访问量匹配。

对突发型负载，这等同于把“冷启动的大山”切碎：任务可以在秒级启动，随后在后台渐进式填充需要的内容。配合跨镜像去重与缓存，网络与存储压力得到显著摊薄，调度器也能更大胆地进行资源过订与弹性回收。

影响与展望

DSec 的公开，标志着“以沙盒为中心”的 Agent 训练范式加速成熟。其影响可以从三个层面理解：
- 工程效率：分层可组合与按需加载，把环境构建从“整车重造”变成“模块替换”，大幅缩短版本迭代与问题定位周期。
- 资源成本：突发请求、低 CPU 利用与高内存驻留的反常组合，通过多后端适配、镜像去重与分布式拉取得到缓解，有利于在相同预算下扩容任务规模。
- 可靠性与安全：MicroVM/Full VM 等强隔离选项，为涉及系统调用、设备访问与第三方二进制的任务提供安全缓冲；统一 SDK 则降低了异构环境下的操作复杂度与出错概率。

展望来看，DSec 仍有多条可演进的技术路径：
- 更深入的中断恢复与快照能力：结合工作区状态与文件系统层的增量快照，实现被抢占任务的近乎“无感”恢复。
- 智能调度与数据感知：基于镜像访问画像与工具包依赖图做前置预热与边缘缓存，进一步压缩尾部时延。
- GPU 与图形栈的精细化隔离：在 Full VM 场景下扩展对 GPU 资源的隔离与共享策略，使复杂 GUI/渲染任务与训练推理共栈共存。
- 可观测性与合规：提供端到端的执行溯源、软件物料清单（SBOM）与策略审计，为企业级落地铺平道路。

随着 Agent 任务日趋多样，训练基础设施的竞争会从“更大算力”转向“更强弹性与可组合性”。DSec 给出的解法不只是一套工具，更是一种范式：把复杂问题拆到“层、后端与数据路径”三个维度，分别优化，再在统一入口下编排起来。对正布局 Agent 能力的团队而言，这是值得参考的“工程样本”。

标签： Agent 弹性计算 大模型训练 容器与虚拟化 基础设施