DeepSeek扩招弹性计算团队，DSec沙盒基础设施细节曝光

据量子位报道，DeepSeek正在为弹性计算团队大量扩招，尤其需要资深工程师。值得注意的是，这次招聘并没有附上常规的岗位JD，而是直接给出了一篇技术分享——《DeepSeek弹性计算（DSec）：面向大规模Agent训练的沙盒基础设施》。

这篇分享披露的规模相当可观。据其介绍，DeepSeek的一套DSec扩展分片大约由160台服务器、3万个CPU核心和250TB内存组成，高峰期同时在线的沙盒超过38万个，每秒还能创建5000多个；公司已在生产环境部署了多个这样的分片，能够支持数百万个沙盒同时运行。

DSec的角色是为智能体（Agent）训练提供沙盒基础设施。据分享，它支撑着DeepSeek主力模型的全部训练、评测和数据预处理流程，Agent训练、评测与数据预处理产生的沙盒负载都运行在DSec之上。

这类负载与传统云计算并不相同。Agent训练时，模型需要不断进入真实环境执行任务——读代码、改文件、安装依赖、执行测试、运行服务，每一步都会改变环境状态，下一轮交互还要接着前面的状态继续。因此沙盒既要能快速、大批量创建，又不能每执行一步就销毁重建。

为压低环境供给成本，DSec把执行环境拆成base image、workspace和toolkit三层分别管理版本，创建沙盒时再组合；同时把镜像数据统一放进DeepSeek自建的3FS分布式文件系统，本地只保留元数据，真正需要某块数据时再按需读取。据分享，集中创建8192个Container的测试中，按需加载把耗时从60多分钟缩短到约35分钟，磁盘写入量减少约57%。

在资源利用上，DSec发现Agent沙盒相当“稀疏”：90%的沙盒平均CPU使用量不到申请资源的5%，因为Agent在等待模型生成下一步动作时CPU基本闲置，但文件和进程状态仍需保留。据分享，目前其生产环境的资源超卖率已经超过50倍。

这些细节拼在一起，勾勒出DeepSeek在智能体方向的一个明确下注：随着Agent要操作的真实软件与系统越来越复杂，训练阶段就需要先能低成本、大规模地构建和供给运行环境。谁把沙盒这类“看不见的基础设施”做得更高效，谁就更有机会把智能体从演示推向规模化生产。

值得关注的是，DeepSeek提到接下来要把Agent运行环境的数量和种类扩充成百上千倍，并统一支持FnCall、Container、MicroVM和Full VM四类执行后端，甚至尝试用Agent来构建运行Agent所需的环境。这条路线能否跑通，将直接影响其下一代模型在智能体能力上的上限。