Article View

聚焦正文表达,让内容阅读与延伸浏览自然衔接

详情页以阅读稳定性与信息连贯性为核心, 通过更聚焦的正文区域、清晰元信息与推荐内容补充, 让访问者在完成当前阅读后更自然地继续下一步浏览。

正文聚焦 便捷分享 上下篇衔接 推荐延伸

页面重点从“阅读干扰更少、连续跳转更顺、内容可信感更强”三个方向展开。

500毫秒唤醒、密度10倍,谷歌把Agent运行时捐给了CNCF

本篇内容由韦德体育整理:

谷歌把自家跑AI智能体的底座交了出去。

2026年11月6日,Agent Substrate、gVisor和OpenRL三个项目一起进入CNCF沙箱阶段,同一天Agent Substrate 1.

0作为谷歌Kubernetes引擎(GKE)上的托管能力正式可用。

先看这套东西到底在解决什么。

一个智能体的工作方式是循环:提出动作、跑代码或调工具、读结果,然后等——等模型推理,或者等人回话。

谷歌在博客里把"等"摆到了设计问题的正中央。

标准Kubernetes Pod在这段等待里一直占着内存和CPU,什么也没干;

控制面还得为舰队里每个智能体维护一个持久对象;

身份又绑在一个可能早就没用的Pod上。

浪费是三重叠加的。

会话被拆成两半 Agent Substrate的做法是把会话里有状态的部分和跑它的算力分开。

Actor承载内存、文件和一份独立身份;

Worker是从预热池里取出来的可复用沙箱。

网关架在沙箱两侧,执行访问规则、注入凭证,密钥始终不进智能体的运行环境。

智能体一暂停,运行时就把它的内存和文件写进存储,Worker还给池子。

请求回来时,调用先到atenet-router代理,代理发现目标Actor处于挂起状态,就把请求留在内存里并通知Substrate控制器;

控制器把Actor分配到预热池的空位,状态从分层存储重新加载,进程醒来,代理把请求递进去。

谷歌给出的数字是:恢复时间 低于500毫秒 ,每秒 超过500次 挂起与恢复激活,每秒数千个智能体被唤醒,全程不创建Pod对象、不压etcd。

密度方面,谷歌称是标准容器运行时的 10倍 。

项目自2026年5月开放开发以来,贡献者已超过100人。

身份模型是平台团队最先会碰到的部分。

GKE文档写明,Substrate为每个Actor签发唯一的SPIFFE X.

509证书和JSON Web Token,让每个会话有可归因的独立身份。

出站请求命中规则时,网关验证Actor的mTLS隧道,把占位请求头替换成取回的密钥或Actor的令牌。

gVisor等了很多年的中立东家 隔离边界上,Substrate支持gVisor和Cloud Hypervisor微虚拟机两种。

gVisor是用Go写的轻量应用内核,2018年开源,夹在容器和宿主操作系统之间,在用户态处理应用系统调用,让生成的代码不直接和宿主内核对话。

谷歌称它每天在GKE Sandbox和Cloud Run底下跑数百万个沙箱。

捐赠之所以关键,在于它改变了内核补丁的上游路径。

谷歌的博客写明:包括谷歌在内的沙箱基础设施厂商,都背着一些宿主内核补丁,这些补丁把gVisor的I/O性能拉到接近原生Linux的水平;

而在项目由单一厂商拥有的时期,上游Linux维护者拒绝合并这些补丁。

中立治理打开了这条路。

蚂蚁集团、Modal和Tines已承诺加入gVisor维护者行列,OpenAI、腾讯和英伟达继续贡献。

对采购方来说这是个信号:一项决定什么能合进Linux内核的治理变化,带着性能后果和一个日期,证据就在维护者名单里。

这个季度选隔离边界的团队得清楚,gVisor的I/O优势今天依赖树外补丁,而上游工作刚刚才变得可能。

训练和推理挤同一批芯片 OpenRL是三个项目里最年轻的,今年2月还是研究预览,现在早早进了CNCF。

它的论点是:生产环境里跑智能体的沙箱,和用强化学习训练一个智能体所需的环境是同一个——数百万次多轮rollout在真实工具里跑、被打分、再折回权重。

它对外暴露四个原语:sample、forward_backward、optim_step和save_state,接口兼容Tinker,权重和数据留在运营方自己的集群上。

它用Kubernetes动态资源分配切分加速器池,通过PyTorch和AutoModel训练、vLLM采样,开箱验证了Gemma和Qwen。

它和已达1.

0的分布式推理项目llm-d配合,把rollout按前缀路由到已持有匹配KV缓存的采样器,并在采样和训练之间对同一批GPU做时间切片。

时间切片攻击的浪费和快照空闲智能体是同一类:一套硬件闲置时另一阶段在跑,两个项目都在回收这段闲置时间,不买新卡就换回容量。

上线前要过的几道关 GKE上的托管能力有明确约束:Standard集群,控制面和节点池都要1.

37或更高版本,x86 CPU工作节点。

Autopilot被排除在外,因为节点代理atelet以特权DaemonSet运行;

微虚拟机池需要嵌套虚拟化或裸金属。

吃加速器的智能体负载走基于Pod的Agent Sandbox路径,GPU和TPU在gVisor下受支持。

恢复数字也带条件。

硬件、沙箱运行时和容器镜像不变时,内存、根文件系统和卷在1秒内回来;

节点硬件或运行时一变,只恢复根文件系统和卷并重启进程;

about image

Actor挂起期间更新镜像

更多赛事消息,关注韦德体育。

觉得有用?分享给朋友

让更多人看到这篇内容,也让有价值的信息在更广范围内继续被看见。