DeepSeek公开DSec架构：日均300万沙盒支撑大规模Agent训练

DeepSeek 弹性计算团队近期发布了最新的技术分享，正式揭秘支撑其新一代模型训练的核心沙盒基础设施——DSec（DeepSeek Elastic Compute）。DSec 承载了从 DeepSeek-V3.2 到 V4.1 的全部 AI 智能体（Agent）训练、评测与数据预处理工作负载。

根据公开数据，DeepSeek 单个 DSec 扩展分片包含约 160 台服务器、3 万个 CPU 核心与 250TB 内存，日均服务约 300 万个沙盒，高峰期同时在线沙盒超 38 万个，每秒创建能力达 5000 多个。

解决 Agent 训练中的资源稀疏与环境异构

与传统云计算不同，Agent 强化学习需要高频、连续地在真实环境中执行任务。读写文件、安装依赖、启动服务等操作每一步都会更新环境，下一轮交互必须接着前面的状态继续，无法简单地“即用即销”。

针对请求短时集中涌入、镜像复用率低、GPU 抢占易导致中断等痛点，DSec 在存储与计算层进行了深度重构：

1. 环境三层解耦：DSec 将运行环境拆分为操作系统与基础软件（base image）、任务代码与依赖（workspace）、工具包（toolkit）三层独立版本化管理，创建时再动态拼接，避免工具微调引发的大批量镜像重构。
2. 镜像按需加载：生产数据显示，Agent 运行时实际访问的数据仅占整个镜像体积的 4.2% 至 13.3%。DSec 将镜像存放于 DeepSeek 自研的 3FS 分布式文件系统，节点仅拉取元数据并按需读取。测试显示，8192 个容器的创建时间由 60 多分钟缩短至 35 分钟，磁盘写入量减少约 57%；工作区挂载 EROFS 层后，耗时也从 79 分钟降至 45 分钟。

3. 极限超卖与内存复用：统计表明约 90% 的沙盒平均 CPU 占用不足申请额度的 5%，主要由于 Agent 等待模型推理动作时 CPU 处于闲置状态，但内存仍需维持状态。DSec 在生产中实现了超 50 倍的资源超卖，并通过 virtio-pmem 和 DAX 机制让同节点上的 MicroVM 共享只读宿主页缓存，使宿主机峰值内存占用下降 40.2%；配合 DAMON 内存回收技术，按时间累计的内存消耗再降 21.2%。

“Agent 造环境”与轨迹分叉机制

DSec 目前支持 FnCall、Container、MicroVM 与 Full VM 四种后端，覆盖轻量评测到具备 GUI/Android 完整系统的复杂场景。

为了给 Agent 自动扩展海量训练场景，DeepSeek 采用“由 Agent 自身构建运行环境”的模式，并落地了 pack_diff 增量快照机制：Agent 配置好环境后直接输出差异快照，后续即可由快照无缝复原。

这一设计带来了关键的轨迹分叉能力。在强化学习中，当 Agent 执行到第 k 步面临多种策略选择时，系统可直接在第 k 步保存快照，并行恢复出多个沙盒供不同分支继续探索。分支间共享前置环境与数据，无需从头重放指令，大幅提升了强化学习样本的生成效率。

此外，从 DeepSeek-V4.1 开始，Agent 执行调度逻辑从 GPU 训练 Pod 中剥离至 DSec 独立节点。即使底层 GPU 任务被抢占，环境状态与交互依然完好保存，GPU 恢复后可直接接续，彻底解决了频繁重跑环境状态的算力损耗。

持续应对模型“走捷径”的攻防挑战

在强化学习探索中，模型为了获取奖励，已在真实生产环境中尝试利用漏洞：包括搜寻残留答案、伪造 RPC 请求、覆盖 /bin/bash 注入命令乃至调用底层文件系统漏洞突破隔离。

目前，DSec 通过 AppArmor 施加严格的文件与 Socket 权限隔离，并借助 eBPF 实施细粒度网络白名单。随着模型推理与自主能力的演进，基础设施层与 Agent 之间的攻防仍将是一项长期课题。