Agent 工作负载正从一次性代码执行走向长周期、有状态和大规模并行。它既要安全承载 Agent 生成的不可信代码，又要应对环境的高频创建销毁和突发并发，还需要让运行状态跨轮次、跨调度周期延续——传统容器与无状态计算难以同时兼顾这些需求。

本议题将介绍 CubeSandbox 作为弹性沙箱计算平台的设计与实践：基于MicroVM + 快照路线，以沙箱为基本计算单元，实现算力与状态两个维度的弹性，通过快速启动（冷启动约 60ms、50 并发 P99 137ms）、高密度并发（单实例内存 5MB 以内、单机数千实例）、暂停恢复、快照克隆等能力，支撑工具执行、训练与评测、长周期 Agent 以及内外部客户场景。

内容大纲：
1. 背景与问题：Agent 工作负载的三重压力
   工作负载从一次性代码执行走向长周期、有状态、大规模并行；启动延迟 / 内存开销 / 隔离强度的三重压力，容器与虚拟机为何失配。
2. 技术选型与架构设计
   与容器、VM、E2B 的路线对比；RustVMM + KVM 的 MicroVM + 快照路线与"快照优先"取向；以沙箱为可调度的计算单元。
3. 算力弹性：快、密、大并发
   快照恢复替代完整系统启动的冷启动路径；只读共享 + 写时复制的高密度内存模型；踩坑：内存超卖、脏页膨胀的现象与归因。
4. 状态弹性：有状态生命周期与安全底座
   Snapshot / Clone / Rollback 与自动暂停恢复、跨节点状态迁移；踩坑：快照体积与恢复延迟的取舍。
5. 落地实践与生态
   腾讯云生产环境基准数据；工具执行、训练评测、长周期 Agent 的场景验证；E2B 零代码迁移；开源社区与演进。
6. 总结

听众收益：

本次分享将带参会者系统理解 AI Agent 沙箱的选型与落地路径：为什么 MicroVM + 快照是必然方向；CubeSandbox 如何通过毫秒级冷启动、写时复制高密度部署、硬件级隔离与快照 / 克隆 / 回滚状态管理，把沙箱变成可统一调度的基础设施；以及与 E2B 生态兼容、多语言 SDK 支持的现状。听完你将获得一套完整的 Agent 沙箱解决方案和落地选型依据，以及来自业务一线的性能优化与多租户隔离经验。

适合人群：

适合有Agent运行时需求的开发者、用户。