DeepSeek 首次公开 V4.1 Agent 训练沙箱基础设施 DSec，梁文锋署名

DeepSeek 联合清华大学发布技术报告《DeepSeek 弹性计算（DSec）：面向大规模智能体训练的高效沙箱基础设施》，首次对外公开支撑其从 V3.2 到 V4.1 训练的工业底座 DSec。该报告作者团队超过 130 人，梁文锋排在名单最后一位。DSec 是 DeepSeek 自研的生产级弹性计算沙箱平台，属内部专属基础设施，曾在 DeepSeek-V4 的报告中有所介绍，职责是为大模型智能体的大规模训练和评测提供安全稳定的沙箱运行环境。

报告对智能体强化学习与传统大模型训练的底层逻辑做了区分：后者更接近“答题”——给模型输入提示词或数学题，模型生成推导或答案，系统依据规则计算奖励并反向传播；而面向真实软件工程或系统操作的智能体需要真正操作一台计算机，检索代码仓库、配置依赖、修改代码、在终端执行测试并根据报错继续调试。这一区分是理解 DSec 全部设计取舍的起点。

由此带来的直接约束是：强化学习单次探索中若让成千上万个智能体同时探索，系统必须瞬间交付数万台彼此隔离且必须有状态、高度连贯的执行环境。智能体在第十步执行的命令，必须严格建立在前九步修改过的文件、编译好的二进制和启动的进程之上。这不是一个可以用无状态微服务思路绕过去的问题。

报告称，以 Kubernetes 为代表的传统容器编排和无状态 Serverless，其底层假设建立在平滑扩缩容与无状态微服务之上，面对智能体强化学习的高频脉冲、长程驻留且极度异构的计算负载，直接遭遇三重结构性错配。

第一重是瞬态脉冲并发：单任务可在数秒内申请数万个沙箱（峰值达 3.2 万），全量拉取解压会瞬间引发严重的写 I/O 拥塞，大幅拉长启动延迟并迫使 GPU 集群空转。第二重是海量异构与极低复用：面对超 130TB 的环境数据，镜像复用扇出中位数仅为 1 到 3，常规本地缓存机制彻底失效。第三重是长程驻留与算力潮汐：沙箱存活数十分钟甚至数小时，但 90% 的时间内 CPU 利用率不足 5%，独占资源极度浪费，而粗暴超卖又极易引发内存溢出与超线程争抢。

这三重错配指向同一个结论：传统云计算方案无法同时兼顾高并发、强状态与低成本。DSec 的定位正是为解决这些矛盾而构建的专用基础设施，而非对通用云方案的优化。