谷歌给每个 AI 智能体配了台「专属电脑」：空闲自动下班，20 万智能体唤醒不到 500 毫秒

过去一年，做智能体的人都会遇到同一个尴尬：模型在对话框里很聪明，一旦要它真的去跑代码、开浏览器、调用内部系统，你就得先给它准备一台机器、一套权限、一个能随时回收的沙箱。机器开多了浪费钱，开少了排队，权限给宽了睡不着觉。谷歌在 10 月 22 日给出的答案是：把这件事做成一项云服务，让每个智能体都有一台自己的电脑。

一分钟速览

• 谷歌发布智能体计算引擎 ACE（Agent Compute Engine），为每个 AI 智能体提供独立、硬件隔离的 microVM。
• 沙箱里不保存任何凭据，智能体可以执行代码、调用工具、操控浏览器，但碰不到真实密钥。
• 空闲时环境自动挂起并释放资源，需要时恢复文件与内存状态；谷歌称 20 万个智能体的测试中，暂停与恢复都在 500 毫秒以内。
• 该服务原本用于支撑 Gemini、Gemini 平台、Antigravity 以及内部的模型评估和强化学习流程，后续通过 Google Cloud 对外开放。

为什么不是容器，而是 microVM

ACE 的技术选择很明确：不用普通容器，而是给每个智能体一个带独立客户内核和根权限的 microVM，再用硬件隔离的 Cloud Hypervisor 边界把彼此隔开。这个选择背后是智能体的行为特征——它会写文件、装依赖、执行来路不明的代码、访问外部网页，容器共享内核的假设在这里变得脆弱；一旦某个智能体被提示注入带偏，共享内核就是横向移动的跳板。

microVM 的代价通常是启动慢、密度低，而 ACE 的优化点正好落在这里：针对智能体「干一阵、停一阵」的生命周期做专门设计，空闲即挂起，把内存和文件状态快照下来，需要时再恢复。谷歌还提到用共享内存和快照复制来提高单台服务器的承载密度，这意味着同一份基础环境可以被大量智能体复用，而不是每个都从零冷启动。

真正值钱的是「不保存凭据」

官方说明里最值得注意的一句是：沙箱内不会保存凭据。智能体要访问外部服务，凭据是在请求离开沙箱、发往已批准端点时才被注入的。这个设计把「智能体能做什么」和「智能体知道什么」拆开了——即使模型被诱导说出它看到的一切，它也说不出一把能用的钥匙。

这和当前智能体落地的最大阻力对得上。企业在评估一个能自主行动的智能体时，最先问的往往不是准确率，而是：它能不能删库、能不能把钱转走、出了事能不能追溯。把执行环境、身份、网络访问和生命周期都变成可声明、可回收的对象，才有可能把智能体从演示推进到生产。

从内部基础设施到对外商品

ACE 的出身很说明问题：它先服务于 Gemini、Gemini 平台和 Antigravity，以及谷歌内部的模型评估与强化学习流程。模型评估需要大量并行、可重置、相互隔离的执行环境；强化学习更是要把成千上万次尝试跑在干净环境里。这类内部需求把「智能体运行时」逼成了一套成熟基础设施，然后才被产品化。

对开发者来说，ACE 开放后可控的部分包括环境镜像、身份、网络访问和生命周期，底层资源调度与扩容交给谷歌。这种分工实际上把智能体基础设施推向类似「函数计算」的形态：你描述需要什么环境、能碰什么，平台负责在哪台机器上跑、跑完怎么收。

趋势：智能体开始有自己的「工位成本」

当智能体只是聊天框里的一个回答，成本是词元；当它开始连续执行多步任务，成本就变成词元加机器时间。ACE 这类服务真正的意义，是把机器时间变成一项可以精细计量的开销：空闲就挂起，忙时才计费，密度靠快照和共享内存抬上去。

接下来值得观察三件事：一是挂起恢复的语义边界，挂起期间的外部状态变化怎么处理；二是快照复用的安全隔离，同一份内存镜像被多个智能体继承时如何保证不串数据；三是这类运行时会不会成为智能体框架的默认后端。如果第三件事发生，智能体的竞争焦点就会从「模型多聪明」转向「运行时多可靠、多便宜」。

对国内开发者而言，这套思路并不神秘：隔离、快照、凭据外置、策略声明，都是现成工程手段的组合。难的是把它们做成默认选项，让写智能体的人不必每次都从零搭一遍安全边界。ACE 给出的提醒是，智能体的下半场，基础设施的分量正在超过提示词。