Agent Native的infra增长潜力有多大？

Agent是AI应用领域最热的细分方向之一，未来它则有可能在多个领域取代ChatBot成为主流应用形式。因为与ChatBot相比，它能够更好地提高生产力。

ChatBot可以帮助人们完成工作流程中的某些环节，而Agent则可以在接受指令后，完成整个工作流程，并直接交付结果。进一步，Agent可以并行工作，一个经验丰富专业人士，可以同时与数十个Agent异步协作，大幅提高工作效率。

但是，因为Agent作为一种应用形式还非常新，专门为它构建的基础设施非常少。当下主流的云架构是为交付软件而构建的：无状态服务、不可变部署。这种模式非常适合处理生产级代码的“外部循环”，却并不符合Agent实际的工作状态。

与人类一样，Agent需要不断迭代。它们需要安装依赖项、写入文件、运行测试并进行调试；它们同样会犯错、建立分支、修复错误并反复试错。只不过它们是以机器的速度在海量并行线程中完成这一切。

Agent需要的基础设施要有新的技术范式：即时、有状态且阅后即焚的临时算力。这种计算资源不能只是一个用完即弃的沙盒，还应具有一台真正意义上的可编程计算机的质感。

一家叫Daytona的创业公司为Agent打造了一种新型的“可组合计算机”，也可称为“AI沙盒”。这些沙盒允许Agent运行代码、执行命令以及处理“计算机操作 (computer-use)”工作流，并对底层环境（涵盖CPU、内存、磁盘、操作系统等）拥有完全的控制权，并且所有这些资源的拉起与调配均能在60毫秒内完成。

近日，Daytona获得FirstMark领投的2400万美元的A轮融资，本轮参投方还包括Pace Capital、老股东Upfront Ventures与E2VC，以及来自Datadog和Figma Ventures的战略投资。此外，本轮融资还吸引了一批顶尖天使投资人的加入：包括Gorkem Yurtseven（Fal联合创始人）、Theo Browne（T3 Chat创始人）等。

更早之前，Daytona获得了200万美元的Pre-Seed轮融资和Upfront Ventures领投的500万美元早期融资。在这两轮融资中，还有一大批天使投资人，例如Paul Copplestone（Supabase联合创始人）、Prashanth Chandrasekar（StackOverflow CEO）参投。

Agent需要原生的基础设施，而不仅是简单的“沙盒”

Ivan Burazin是Daytona首席执行官兼联合创始人，他与Daytona的创始团队已经共事多年，团队成员包括Goran Draganić和Vedran Jukic等。

早在2009年，他们打造了全球首款基于浏览器的IDE（PHPanywhere）。之后，他们的职业生涯也与开发者生态紧密相连；直到2023年，Ivan Burazin与联合创始人们共同创立了Daytona。

Daytona的创始团队成员，Ivan Burazin、Goran Draganic和Vedran Jukic。图片来源：Daytona

最开始，Daytona是一个开发环境管理器，专门为大型企业内部的人类工程师提供自动化的开发环境。Meta、Google这样的科技巨头内部已经有了类似的工具，但《财富》500 强中的传统企业却没有自有的技术实力建立这种基础设施。

当Agent热潮出现后，Daytona彻底转型，从为人类开发者服务，转向了为AI Agent服务。

本质上，Daytona是为AI Agent量身定制的“可组合计算机”。如果将AI Agent视为数字化的知识工作者，那么Daytona的产品就是它们用来完成工作的笔记本电脑或PC。

说它“可组合”，是因为可以从代码层面精确定义这台“计算机”的形态：需要什么型号的CPU、多大内存、是否需要GPU、多少磁盘空间，甚至运行哪种操作系统，而所有这些资源，都能在不到60毫秒的时间内瞬间拉起。

作为AI Agent基础设施，人类程序员使用Daytona非常方便，只需要登录后，直接命令Claude Code或Open Code等AI编程工具，就可以完成配置。

AI Agent基础设施最核心的产品指标是什么?Daytona认为主要是速度和并发能力。

在速度方面，Daytona目前已经实现了低于60毫秒的极速冷启动，这让人类用户几乎感觉不到延迟。

在并发能力上，快速拉起一个沙盒是一回事，但在大规模并发下依然保持极速拉起，则是另一回事。如果用户需要进行强化学习，可能需要瞬间同时拉起成千上万个环境。Daytona针对这种情况，进行了专门的优化。

在底层运作机制上，Daytona完全自研了整套技术栈，专为AI Agent量身定制，并运行在Daytona自己的物理机集群上。它既没有在VM内部套娃运行，也抛弃了Kubernetes、Nomad以及任何现成的开源编排系统。因为这些系统最初是为大规模部署静态应用程序而设计的，而非为agent runtimes (智能体运行时) 打造。

这套系统的技术覆盖了：严格的安全边界、编排系统、资源预热池、快照机制、资源管理、可观测性以及企业级管控。

现在市场上已经有不少大型软件平台都会针对Agent推出“沙盒”类产品，也有团队尝试在内部自行搭建。但是为Agent打造“专属计算机”并非易事，一个合格的AI沙盒必须兼具极速启动、全状态保持以及长周期运行能力 ，如果不彻底重构底层系统，根本无法达到这些严苛的指标。

这背后的逻辑很简单，智能体的速度远快于人类，所以它们的计算机必须极度敏捷。

要评估AI沙盒的能力，Daytona的创始人Ivan Burazin认为需要参考两个维度：底层原语 (primitives，在某个特定系统中，最小、最基础的构建单位) 和工具链。

在底层原语维度：它启动有多快？能支持多少并发？能否永远运行下去？它是否等同于一台真正的全功能机器或虚拟机？

在工具链维度：就像一台笔记本电脑出厂自带浏览器、文件管理器和终端一样，Agent的“计算机”也应具备相应的原生组件。Daytona内置了Git客户端、LSP（语言服务器协议）、防火墙等核心工具。这些工具要么能大幅提升Agent的生产力，要么能显著降低系统运行风险。

未来，Daytona一方面要提升操作系统的支持范围，从Linux、Windows，到macOS；另一方面，它要支持在客户现有的云端Kubernetes集群中运行。

现有的Daytona主要是本地私有化部署，未来会支持Kubernetes，但它不是用Kubernetes 来直接运行沙盒，而是用Kubernetes来管理底层节点 (nodes)，这相当于构筑了两层精密的编排系统。

企业客户特别需要这个：既享受物理级别的强隔离，同时还能实现算力的自动弹性伸缩。

Daytona的客户主要包括三类。

第一类是Agentic型的AI Coding公司，这类公司目前都获得了大笔的融资，而且场景已经验证，有大量用户。

第二类是专注浏览器操作 (browser-use) 或计算机操作 (computer-use)的公司，Daytona成为他们的底层基石，为他们的Agent提供与人类界面交互所需的基础设施。

第三类，也是最新的，是强化学习 (RL) 环境基础设施。业内最知名的Agent真实能力基准测试之一TerminalBench，其底层运行框架，就是Daytona。Daytona也因此吸引了大量运行RL工作负载的顶尖团队。

Daytona帮助其客户，在特定工作流（尤其是RL领域）中，节省了6到20个小时不等的时间，实现了商业效率飞跃。

当Agentic成为主流AI应用形式，Agent原生基础设施的增长潜力几乎无限

Agentic（智能体化）已经成为AI应用领域最明显的趋势。尽管Chatbot仍是AI应用领域用户量最集中的领域，但是Agent相比Chatbot的生产力优势是十分明显的。

Chatbot只能与人们一对一的协作，并且一次性只能完成人们工作流程中的某一个环节。Agent却能与人们一对多的协作，而且它能端到端的完成整个工作流程，并直接交付结果。

它与Chatbot相比更大的优势，在于它能够并行化运行，并且人们可以异步化的操作它。在工作组织中，未来的AI应用方式，大概率是一个核心人类员工，管理多个Agent，并让它们并行完成不同的工作任务。这种形式，已经在cognition等AI原生应用公司实现。

我们完全可以预测，Agent在未来，将成为主流劳动力的重要组成部分。

此前，Notion的CEO Ivan Zhao在播客访谈中表示，如果某个软件公司产品不能被Agent使用，未来就很危险。再参考下NVIDIA在过去三年中的发展走势，可以说“智能体计算 (agent compute)”将成为基础设施领域最庞大的增量市场之一，鉴于一个人可以同时管理多个Agent的使用特性，这个市场的最终规模应该会超过以人类为中心的计算市场。

如前所说，主流云厂商的基础设施仍然是为人类计算需求设计的，与Agent的需求有较大的gap，而且尽管有Daytona这样的公司以及阿里和Amazon等大厂看到了这个方向，但它们的产品也还远称不上成熟。

对于创业者，这显然是好消息，因为一方面市场潜力巨大，另一方面竞争对手还较少，尤其大厂的竞争对手相对创新速度慢。

面对这个巨大的机会，我们欢迎创业者们投身其中，努力成为Agentic时代的NVIDIA+AWS。

本文来自微信公众号“阿尔法公社”（ID：alphastartups），作者：发现非凡创业者的，36氪经授权发布。