一句话看懂：蚂蚁集团将在 QCon 上海站分享其 AI Agent 大规模企业级实践，核心是解决 Agent 自主执行任务时面临的隔离、冷启动、状态保持和治理难题，并披露了万核级资源峰值、千万级日请求的生产规模数据。
事件核心：发生了什么
据 InfoQ CN 消息，蚂蚁集团高级技术专家林鑫已确认出席 2026 年 QCon 全球软件开发大会·上海站（10 月 22 日—24 日），在“AI Native 架构”专题发表题为《从沙箱到执行边界：蚂蚁 AI Agent 的大规模企业级实践》的演讲，分享其 ARCA 执行边界体系。
演讲聚焦三类真实生产场景：Sandboxed Agent（沙箱作为 Agent 的“家”）、Agentic RL（沙箱作为大规模环境供应链）、Agent Harness + Tool Use（沙箱作为高危动作执行器）。蚂蚁为此构建了 ARCA Sandbox、Piston 和 Tool Gateway 三层体系，目前已在内部多个重点 Agent 场景中支撑数万级每日沙箱创建、千万级日请求和万核级资源峰值。林鑫是蚂蚁消息中间件负责人、沙箱项目负责人，有 10 余年分布式系统经验。
为什么重要
当前 AI 正从“回答问题”的模型演变为能自主规划、调用工具、执行任务的软件系统。模型决定 AI 能做什么，但系统决定 AI 能否真正创造价值。企业级 Agent 落地时，传统容器和普通 Serverless 已难以支撑规模化执行——安全隔离与低延迟冲突、长会话状态与资源成本冲突、镜像分发与调度复杂度被低估等问题集中暴露。蚂蚁此次把沙箱从单纯容器隔离提升为“执行边界基础设施”，并给出可复用的判断框架：Agent 自主性在哪里、风险动作在哪里、状态在哪里、身份在哪里、成本在哪里。这为行业提供了一个从 Demo 走向规模化生产的工程参照，也说明 Agent 竞争正从模型能力转向执行环境与治理体系。
对用户/开发者/创作者的影响
对开发者而言，这意味着构建 Coding Agent、办公 Agent 或 Agentic RL 训练平台时，不能再把沙箱当作“跑个容器”处理。需要提前考虑 workspace 持久化、checkpoint/restore、镜像预热、缓存池复用、短期身份注入和端到端审计。高危 Tool Use 是否进沙箱，不应交给模型或业务代码临时判断，而应收敛到平台层策略路由。对企业采购和平台建设者，选型时可参考三类场景差异：什么时候让 Agent 常驻沙箱，什么时候把沙箱作为批量环境供应链，什么时候只让危险动作进入受控执行边界。目前公开信息显示，ARCA 仍主要在蚂蚁内部落地，尚未披露对外商业化或开源计划。
值得关注的后续
一是 QCon 上海站演讲是否会公开 ARCA 更详细的架构指标，如冷启动延迟、缓存命中率和多集群调度策略。二是蚂蚁是否会将 ARCA Sandbox 或 Tool Gateway 相关能力开源或产品化，影响企业 Agent 平台选型。三是同类云厂商和 AI Infra 公司是否跟进“Agent 执行边界”这一提法，形成新的平台层竞争方向。
来源：InfoQ CN
