从 Computer Use到 Datacenter Use：如何让 AI Agent 像调用函数一样驱动数据中心？
一句话看懂：在 QCon 2026 大会上，蚂蚁集团操作系统团队提出了“Datacenter Use”概念，即让 AI Agent 像调用本地函数一样直接调度整个数据中心的算力。他们基于开源项目 openYuanrong 构建了名为 AKernel 的轻量级基础设施，核心突破在于：仅用不到三人，就能维护一套覆盖调度、存储、网络的集群，并能实现万级沙箱实例在秒级内并发拉起。
事件核心：发生了什么
蚂蚁集团操作系统研发经理谈鉴锋与高级开发工程师周天昱在 QCon 大会上分享了从“Computer Use”（AI 使用一台电脑）到“Datacenter Use”（AI 直接使用数据中心）的技术演进路径。核心产品是名为“AKernel”的基础设施系统，它整合了 openYuanrong（分布式内核与数据系统）、Dragonfly（P2P 镜像加速）等开源组件，并配合“大仓”（统一代码库）策略来提升 AI 辅助开发的效能。关键技术细节包括：通过懒加载和 P2P 加速将镜像拉取时间从分钟级压缩至秒级；提供 Sandbox API 并支持 Checkpoint/Restore 及双向网络代理；整个研发运维团队规模不到三人。
为什么重要
该方案直接回应了当前 AI Agent 发展的两个痛点：一是现有云原生基础设施（分层分域）在面对需要“分钟级即时可用”算力的 Agent 时存在鸿沟，预先演练和人工磨合的节奏无法满足要求；二是维护传统基础设施通常需要数十人团队，成本高昂。通过将集群的调度、存储、网络抽象为可被 AI 通过 SDK 直接调用的“函数式”接口，AKernel 降低了 AI 驱动大规模计算资源的门槛。这种做法可能推动 AI 基础设施从“运维护”向“自服务”演进，对需要快速部署并运行大量 Agent 实例的企业（如量化交易、AI 仿真、在线推理平台）具有参考价值。
对用户/开发者/创作者的影响
对开发者（尤其是 AI 应用开发者）：未来可能不再需要精通 Kubernetes 等复杂基础设施，只需通过类似 akernel.run(sandbox) 的 API 就能获得弹性的算力和存力。这对构建需要反复遍历大量历史数据进行模型优化的炒股 Agent、科研模拟 Agent 等场景极为友好。对 AI Agent 平台与 MCP 服务商：这意味着 Agent 的“执行能力”边界被大幅拓宽，从操作单个 API 或软件，扩展为“当场分配一台服务器并执行任意代码”，这可能会催生新一代的 Agent 工具链。对企业 IT 部门：若此方案成熟落地，运维数据中心的人力成本有望从数十人降至个位数，但同时也对基础设施的标准化和自愈能力提出了更高要求。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 开源进程与生态：蚂蚁团队已明确表示 AKernel 部分组件计划后续开源。关注其 GitHub 仓库的开放进度和社区反馈，是检验其“三人运维”能力可持续性的关键。
2. 商业落地场景：目前公开信息显示仍处于演讲分享阶段。后续需要观察是否能找到真实业务场景（如金融风控、大模型推理）实现稳定生产级部署，而非仅停留在演示。3. 竞品动向：除 openYuanrong 外，Modal、E2B 等商业产品也在提供类似的可编程沙箱基础设施。蚂蚁方案的独特性在于极小的团队规模和面对 C 端多用户场景的“Build Your Own Cluster”概念，行业是否会跟进这一“大仓+超轻量内核”的技术路线有待观察。
来源：InfoQ CN
