给Agent配电脑 — Ivan Burazin, Daytona

谢谢邀请。

很久了。

是我联系你的。原因是——我们当时在考虑——我是 Code Anywhere 的联合创始人，那是第一个基于浏览器的 IDE。所以我们一直觉得 localhost 应该消失。

你写了那篇文章《End of localhost》。我因为那篇文章联系了你。后来我们聊了，我当时在另一家公司，负责开发者体验相关的工作，而你在这方面很有经验。我联系了你和其他人，问我们该怎么做？关键点是什么？你很好心接了电话。我记得我还迟到了。

我记得，因为当时我和我当时的——不确定是女朋友还是妻子——在一起，是同一个人，所以没问题。我们在意大利度假，我因为什么事迟到了。我觉得很抱歉，但你很宽容。

对，我记得你一开始想给我顾问股份。我当时太专注于手头的事，拒绝了，我本该接受的。抱歉，不过算了。

好。很久以前，我和联合创始人就一直在一起。我说过很多次，我们就像结了婚又离婚又结婚。有人问我，我的联合创始人是不是我的伴侣？他们以为是字面意思，其实不是，但我们一起做了好几家公司。如你所说，我们经历了一次转变，从 Code Anywhere 到 Shift 会议，再回到 Daytona。我们最初在 2000 年代初开始搭服务器、做虚拟化、路由器，做这些底层的东西。那是一家服务公司，我们卖掉后专注于我联合创始人发明的东西——第一个基于浏览器的 IDE。我说第一个，因为在我们之前只有 Heroku 做过，但时间很短，后来他们转型成了 Heroku。除了他们，我们是唯一一家，它叫——

Cloud9 比我们稍晚一点。还有 Replit，是在我们停止之后才出现的。Replit 后来做得很成功，这很好。还有 Nitrous.io，当时有好几个，但都太早了。有趣的是，当时没有 VS Code，没有 Kubernetes，Docker 也刚开始，甚至可能还没公开。所以我们得自己搭建整个技术栈。这是我们在 Daytona 中一直使用的关键经验。所以非常早。大约有 300 万人用过 CodeAnywhere。它主要是天使投资而非风投。我们最终还清了所有投资，因为它没有达到那种规模。但三年前，我们用 Daytona 开始了类似的事情，不过不是现在的样子，而是为人类工程师自动化开发环境，基本上是 CodeAnywhere 的底层技术栈。然后去年一月我们做了大转型，转向沙盒。现在就是这样。

你投了 Daytona。你是第一个。如果没有你的支票，我们不会做这件事。

不，我们当时想，必须先让他上船。你是我们上路的助推器。

那是因为那是你的话。我们做了很多关于 localhost 终结的研究，看谁对这个感兴趣。

终于实现了。终于实现了。

对。

你穿着。对。

没错。但我们可能得改，因为这只是我们做的一部分。我们很喜欢这个。Run AI Code 非常简单。人们有不同的理解。我们大概送出了 5000 到 6000 件 T 恤。人们很自豪地穿着，因为它不是在宣传我们。

在背面，它是在宣传穿的人自己。所以我觉得我们做得很好。但这只是我们做的一部分，因为人们想到 Run AI Code，只会想到那些小的代码执行隔离环境，你发一段代码，得到输出。而现在的 Daytona 本质上是为 AI agent 提供的可组合计算机。

市场叫它沙盒。对，这可能会误导人。

对，因为它可能让人误解，人们通常认为沙盒是演示或测试环境，而不是生产级环境。但 Daytona 做的事，如果你想想你面前的笔记本电脑或那边的电脑，或者我妻子是建筑师，她有一台带 3D 显卡的 Windows 来做 3D 渲染，计算机就是不同的组合。我们坚信，现在的 agent 和未来的 agent 需要这些不同的计算机组合来完成不同类型的任务。所以我们通过 API 提供这些。

让我们做这个转型的洞察来自前一个季度。也就是2024年底，我们基本上做了一次演示，我记得我们之前也聊过。当时Devin还没公开，你实际上给了我Devin的访问权限。对，我用了。

对，没错。

对。或者是你打来电话，给我演示了？不重要。但当时OpenDevin已经可用，现在叫OpenHANs。我们就想，哦，这看起来是个趋势。这东西还没公开。我们就把面向人类的开发环境自动化方案，结合OpenDevin，作为SaaS推出来。我们这么做了。注册使用的人不多，但很多人找过来，他们正在构建agent，说：“嘿，我的agent需要一个计算沙箱运行时，随便你怎么叫。”我忘了当时叫什么了。然后我们就想，哦，太棒了，这是个新市场。这是我们的基础设施，这是我们的产品，上吧。但我们很快发现，人们并不喜欢我们做的东西。它不好用。我记得刚开始做的时候，跟人聊起我们为agent构建的沙箱，他们说：“这有什么不同？不就是一样的东西吗？我们有EC2、有VM、有所有这些。”但每个我们给过的人——大概二三十个——都说不行，这不是我们需要的。这东西会出问题。基本上，我和联合创始人对此了解不多——因为我们是搞基础设施的，不是搞AI的。所以我决定自己去把每个播客都看一遍，包括所有这些，还有那些，然后跟上最新动态，读所有博客，搞明白到底发生了什么。

总的来说，我看了几个播客，不同领域、不同类型。有你们，No Priors，Bill Gurley的节目在的时候也很棒。还有几个，20VC从不同角度挺有意思的，还有一些别的动态——

它当时也准备好了。

我在看agent市场，整个AI市场，了解有哪些玩家、他们的认知和趋势。显然，这还得配合参加大会、活动、聚会、读白皮书，做所有了解情况必须做的事。所以当我们大致想清楚要构建什么时，就在除夕夜，真的是除夕夜，我半靠“vibe coding”搞出了第一个MCV——也就是今天Daytona的第一个最小可行产品。我大概凌晨三点才睡。我把小女儿和老婆哄睡，说了新年快乐，然后回去继续搞。我发给了联合创始人兼CTO，他早上看到后说：“这绝对是垃圾，千万别给任何人看。但想法不错。”于是他花了两周重做了一遍。

不止，比那还糟。但就是一个非常简化的版本，展示了它应该是什么样子。能用，但不理想。所以他深入钻研——这是CTO的职责——然后带着新版本回来了。我们给所有三个月前说“这是垃圾”的人打了电话，安排了演示，给每个人都展示了。所有通话都超时了，每一个。原本15分钟的通话，都拖到了25、30分钟。每个人都说：“我们需要，我们要用。”当时没有登录，只有一个API key，因为这只是beta或alpha版。他们说：“哦，我们要用。”我们就说：“好，谢谢。”但第二天，如果我们没发过去，每个打过电话的人都回来问：“我的API key呢？”每个人都想要。我们想：“靠，就是它了。”我从未有过这种感觉。首先，理解你说的——大多数人以为agent和人类用的是同样的基础设施。我们三个月前就明白不是了，只是不知道正确的原语是什么。然后当我们搞清楚了——我们可以聊聊那是什么——并给这些人演示后，我从未经历过——我做过好几家公司——从未经历过人们会因为你没给权限而主动打电话催你。他们立刻就要。所以我们就想：“好吧，他们不想要这个。他们想要的东西似乎不存在，或者他们没找到，而且他们非常想要我们做的。”然后我们就知道找对方向了。再想想市场规模：人类工程师和企业市场已经很大了，比如GitLab之类的。但未来每一个可能存在的agent的市场呢？那有多大？我们想：“我们全力投入这个。”于是我们就在旧产品和新产品之间做了切割。

基本上就是一个Linux盒子，你可以调整CPU数量、磁盘和内存。就这些。你不能有多个操作系统，不能实时调整大小，不能加GPU，不能做其他所有事。它只是第一个变体。

从一开始就是裸金属。有趣的是，我们立刻想到——

对。基本上，大多数提供商是在VM上运行这些。

还有 Firecracker。对。嗯，他们在虚拟机上运行 Firecracker。我们也有 Firecracker。我们有多个隔离层，可以做到这一点。但常见的做法是，一方面，机器状态或硬盘本身并不属于沙箱的一部分。另一方面，它们并不打算永久运行。所以大多数都是可抢占的，也就是说，它们有一个存活的时间。因此，我们当时的想法是，智能体在某种意义上会像人类一样——你不想在完成工作前让笔记本电脑关机，你想合上盖子再打开，但状态保持不变。所以智能体也会想要这样，比如暂停后再回来。它们想要这两点，但智能体也非常非常看重速度，对吧？它们能获得速度吗？所以当我们思考这个问题时，就觉得我们需要某种极快的东西。如何让它快，如何让它长时间运行且有状态。这两点就像是把 Lambda 和 EC2 结合起来，对吧？两者合在一起。我们当时并不知道别人是怎么做的，因为我们不太了解这个领域已经有市场了。这更像是，好吧，这是我们需要的东西，也是它们需要的东西。我们看了 Kubernetes，它不够好。我们看了 Nomad，它也无法实现这一点。所以我们在 Code Anywhere 重写自己调度器的经验，基本上就是我的 CTO 想出来的。他说，哦，从那里学到的经验。他带了过来。有趣的是，我们的第三位联合创始人看到它时说，老兄，这是什么？这简直是 2008 年的东西。我们像是回到了过去，他说，没错。所以 Daytona 之所以超级快，你在基准测试中也能看到，是因为我们基本上运行在裸金属上，有自己的调度器，使用底层机器的磁盘、CPU 和内存，这意味着你的 IOPS 极快，因为没有网络延迟，比如 EBS 之类的东西。而且快照、时间点、模板也都预加载在裸金属机器上。所以当你从模板或快照启动一个沙箱时，你实际上会被引导到那台裸金属机器上，该快照就基于那个 NVMe 驱动器。然后它就直接启动那台机器，而且是本地的。没有网络延迟之类的东西。这就是我们从第一性原理出发，思考智能体的计算机应该是什么样子时，得出的具体方案，也是我们创造出来的东西。

我不知道。而且它每天都在变。所以今天是 Arc Hill。

对。Arc。嗯。就是这样。

对。我们长期以来一直是遥遥领先的第一名。但现在沙箱的定义也不同了，有不同的隔离模式和其他东西。所以 Arc Shield 基本上是在 S3 上运行数据。这非常不同，他们启动一个沙箱，再为它启动一个容器。所以这是不同类型的东西。

所以沙箱的定义是我们都需要达成一致的。但没错，我们在启动和运行这些东西上非常快。你甚至可以看到那里是 0.10、0.11。所以差不多。对。

对。

所以基准测试本身。嗯，在这个领域，我不认为基准测试等同于市场份额或收入之类的东西。我在多个基准测试中都看到过这种情况，不仅仅是沙箱领域，而是围绕基准测试的普遍现象。

但你必须排在前列，必须参与竞争，这样人们才会知道，哦，这绝对是顶级之一，因为这只是客户看中的一个维度。还有其他东西，比如你能连续启动多少个？还有功能集、支持、以及人们关注的各种不同方面，但你肯定要在基准测试中有一席之地。

我们有——

所以我们关注三个指标。一个是启动一个的时间。我们启动一个的时间是 60 毫秒，包括网络延迟。所以请求、启动、回复，整个过程 60 毫秒。这是单个。但如果你想一次性启动 50,000 个。我们现在大约需要 75 秒。所以并发启动 50,000 个大约需要 75 秒。其他一些，有公开数据，比如需要 2,000 秒，也就是 30 分钟。有各种不同的情况。然后还有——所以是单个速度、多个速度，以及你能持续稳定运行多少个？我们目前基本上没有上限，因为我们拥有自己的裸金属。但我们最大的客户每天大约运行 850,000 个，接近每天一百万个。我们还有一个请求是 50 万个并发，也就是字面意义上的 50 万个 CPU 在某个地方运行。所以这很有趣——

对，对，对。

最贵的是 CPU。第二或最便宜的是 RAM，然后是磁盘。我们实际上不收费——

不，快照是其中一部分，但基本上是你机器硬盘的大小。所以你是 10 GB？20 GB？50 GB？还是别的？然后还有数据传输。目前我们在 Boozon 完全不收网络费用。

对，这在我们账单中占越来越大的一部分。所以我们正在处理这部分。显然，这是最便宜的。对。所以硬盘是最便宜的。所以基本上是 CPU、RAM，对我们来说是网络，因为我们不向客户收费。然后硬盘是启动的方式。但也有不同类型的工作负载。所以我们基本上在 Daytona 中把它分成两类。一类是我们所谓的后台智能体或长时间运行的智能体。另一类基本上是 RL 和评估，我把它们放在一起。它们的使用模式非常不同。如果你看后台的使用情况，我会提一些公司的名字，但不是特指。

是的。所以像 background agent、Cognition、Lovable 这类产品，其实都是 Harvey 那种模式。这些都是长期运行的后台 agent。如果你看它们的使用模式，会发现跟人类很相似，就是跟着太阳走。基本上，使用高峰在中午，低谷在午夜。周末低，工作日高。

美国确实占很大一部分，但我们目前有亚洲、欧洲和美国三个区域，所以相当全球化。是的，相当全球化，覆盖很广。有意思的是，我跟你说过，我们用户数量最多的城市是新加坡。

这挺有意思的，对吧？不是按收入算，而是按人头算。就是个挺有意思的现象——

对，确实很有意思。我们当时也很惊讶，心想，哦，这挺有趣的。还有一个——

没错。因为我就是从那里来的。我们也会去那里。另外有意思的是，日本也排在前列，或者说东京排在前列，这在以往的技术周期里是从未有过的。

从来没有过。所以我觉得日本人就是特别喜欢 AI。

是的。但巴西一直就在榜单上。即使我看 GitHub 的数据，或者我们以前做 Code Anywhere 的时候，通常都是美国、西欧，然后印度、巴西、中国这些地方。但新加坡以前不在，日本也从来没出现过。在这个领域里——嗯。

对。所以它非常全球化。

是的。有意思的是，我们有这类负载，但如果你看研究人员的负载，就完全不同了。比如你给他们 1 万、5 万或 10 万个 CPU 的并发，他们一启动任务，就是 100% 全速运行，一直跑，跑完就停。使用模式基本上就是方块形状，对吧？而且也不跟着太阳走，因为人们可能在半夜睡觉前启动任务，然后醒来再看结果。所以非常不可预测，你根本不知道它什么时候来。这种使用形态跟我们以前遇到的完全不同。另外有意思的是，对于跟着太阳走的模式，即使公司增长很快，你也能大致预测使用模式，并准备足够的容量，因为它的增长是可预测的。但当公司做评估和强化学习时，负载就非常尖峰。他们可能平时什么都不用，然后突然说，能给我 10 万个吗？用完又降下来，然后又来 10 万个，又降下来。所以非常非常不同，对吧？

我们必须让他们承诺某种用量，才能预留容量，因为我们基本上得为峰值做好准备。

没错。所以现在 Daytona 的平均利用率是 15%，1.5。

所以非常低，但因为负载非常尖峰，我们又能达到 90%。对，对。所以我们面临的情况是，作为一家公司，我们正在研究类似 Cloudflare 的做法，可以根据地理位置迁移负载，这对那些跟着太阳走的 background agent 很有效。但这不是一回事，形态完全不同。显然，随着规模扩大，这些问题会解决，但作为 agent 领域的计算提供商，这确实是一个有趣的新问题。

最近我们开大会时，跟 Neon 的 Nikita 还有——

Parallel 的 Parag 他们聊过，大家都有同样的问题，就是负载超级尖峰。这是以前从未发生过的，这种类型的——以前振幅没这么高，对吧？所以这是个很有意思的用例和待解决的问题。

大通中心。

大通中心。

对。

我办这场计算大会的初衷，是把为 AI agent 构建基础设施的人聚在一起。因为在我看来，我们正在构建的东西里，agent 是主要用户。agent 的人体工程学和使用模式是什么？所以我想探讨这个。我发现——这之前只是个理论，还没被证实——就是我们都有我刚才提到的那些问题。我在台上讲的时候，感觉大家都有同样的底层基础设施问题，就是这种尖峰、不可预测的工作负载，这在人类计算或人类基础设施里是从未有过的。而且，这跟我跟 Parag 聊，或者跟 Lynn、Nikita 聊时一样，尤其是 Lynn，我前几天还跟她聊过。这是个非常有趣的问题，因为我可以拿 Cloudflare 举例，最近有很多关于他们如何解决这个问题的讨论，就是他们有很多地理区域，用户在不同地方工作，根据你的层级，他们可以把你迁移到不同区域。这样他们就能提高利用率。但你可以大致预测这些，而且很少会出现 10 个数量级的尖峰。比如你的某个客户有个指数曲线，那是什么程度？我拿 Cloudflare 举例，可能是 10%、20% 之类的。我没有具体数据，只是猜测。肯定不是 10 倍，对吧？肯定不是那种程度。那你怎么去解决这个问题？我们都在用不同的方式解决。所以，是的。

对，我知道 Neon 也有这个问题。比如我们怎么解决这些尖峰负载之类的问题？因为我们聊过。所以对我来说，真正内化的一点是，是的，所有为 agent 优先构建的人都在经历这个，我们都在解决类似的问题。

对。

所以 Parag 肯定也操心。

对。

Twitter。

没错。

我们可以把它写在屏幕上。所以，因为我们当时——

是的，但它们仍然需要 CPU 和 RAM 的分配，你必须准备好这些资源。所以基本上有两种做法。一种是过度预配，以应对突发流量；另一种是，我不知道这算不算一个术语，即时计算，也就是随着你的使用量增加，你可以向其他云服务商发起虚拟机或裸金属的请求，然后让它们启动运行。

嗯，可能亏，也可能不亏。这是一种更经济的方式，但速度更慢，因为你需要做的是排队请求，启动这些即时计算资源，准备好一切，配置好，然后把工作负载放上去。所以如果时间不是那么重要，那没问题，你可以这么做。但如果你的客户，尤其是对于强化学习训练任务来说，很多人来找我们是因为 GPU 比 CPU 贵，对吧？所以你希望 GPU 始终以 100% 的利用率运行。因此，当你在 CPU 上运行任务时，当 CPU 周期处于空闲并准备启动下一个任务时，你希望这个过程是瞬间完成的，这样你的 GPU 就不会闲置，对吧？是的。如果你还得去外面配置机器，那基本上就是在告诉 GPU 它必须等待，而这会带来成本。所以你需要解决这些问题。

这个月就会到 50%。是的。

我不确定。是的，所以每次运行你都会有一个快照。大多数情况下，他们实际上会使用我们的声明式镜像构建器，比如，agent 需要这些依赖、这些 nbar。

是的。所以我们实时构建它，然后传播那个快照，接着你可以针对那个快照启动任意数量的沙箱。如果需要做更改，模型可以自动完成，或者可以自动化。比如，下次运行我们需要安装这些东西，或者移除这些东西，来完成一个任务。然后它就去运行了。所以，是的，这似乎是他们偏好的方式。我发现的首要原因是，或者说，让我们退一步看。在那个环境中，我们主要竞争的是托管 Kubernetes。是的，EKS、GKS 之类的，绝大多数人都在用这些。任何尝试过 Daytona 对比 GKS、EKS 的人都会说，我再也不想回去了。这有几个原因。一个是易用性。如果你用 Kubernetes 来启动这些，你需要管理与之交互的接口。Daytona 虽然是一个计算提供商，但从使用角度来看，它更像 Twilio 和 Stripe，而不是 AWS。你有一个 API、一个 SDK，启动和运行这些东西非常轻松无缝。这是其一。另一个是我们启动的速度，我们之前提到过，要快得多，还有我们能够达到的规模。我们还没讲到功能，但有一个有趣的功能是，我们的沙箱很难出现 OOM（内存溢出），因为我们可以动态地实时调整大小，这在其他几乎所有平台上都是不可能的。有一些技术可以实现这一点，但非常困难。我们实际上是在 Terminal Revenge 团队把我们引入这个领域时看到的。所以，谢谢 Alex 和团队把我们带进这个领域。

是的，我想它某处确实这么写了。

那里有很多，但他们也提到了其他几个地方。是的。所以具体到 Daytona，我们只是在顺着话题聊。我不知道它具体在哪里提到了 Daytona。

我不知道。

是的，他们喜欢我们。嗯，对。还有一件事，DAZN 底层有多个隔离集。客户不需要知道它们是什么，但基本上我们有 Docker，这是一个容器，通过 Sysbox 加固。所以它的隔离性在安全上等同于虚拟机，但它仍然是一个容器。这是默认设置。尤其是在这些训练工作负载中，他们非常喜欢这种接口，能够使用基本的 Docker 容器。我们还支持 Docker 内嵌 Docker。对于这些强化学习运行，如果你需要做 Docker Compose 或 Kubernetes，你可以在这些容器内部启动一个 K3s，这解锁了大量在其他提供商那里无法完成的工作负载。所以仅就这一点来说，就更有趣了。我们经历了这个过程，向他们展示了我们可以做到，他们非常喜欢。他们指的是——那些人，是的。

据我所知，还不知道。

当然。我们学到了几件事，我们在开头聊过，这成了我们的故事主线。正如我们提到的，我们一路上和很多客户交流，随着交流的深入，我们增加了更多功能和工具集。我认为，这个生态系统非常小，或者模型变得更聪明了，以至于当我们看到一个用户带着请求来的时候，如果那一周有 3 到 5 个客户提出同样的请求，我们就知道它要上路线图了。这非常奇怪，这种情况发生了很多次，就像——

对，很可能。因为，他们就会说，哦，你能做这个吗？我就想，好吧，这挺有意思的，我们把它加到功能请求里。然后下一个又说，哦，你能做那个吗？行吧。其实都一样，对吧？永远都是那几样。所以我们尝试做的，也是我个人尝试做的，就是尽可能多地参加所谓的销售电话。我待在每一个 Slack 频道里。我们大概有 1000 个 Slack Connect 频道，差不多这个数。这挺有意思的——当你拥有所有 Slack 频道时，你会发现很多有趣的事情。你还能看到人们在不同公司之间跳槽。你会看到有人离开一个 Slack 频道，又加入另一个。这很有意思。另外，我顺便说一句，我觉得 Slack Connect 简直就是 LinkedIn 该有的样子。没错。你有一个列表。

对，太棒了。

没错。你就在那儿待一辈子了。所以这很有意思。我们之前聊到的一个新动向是，我们在计算机使用（computer use）上下了大赌注，投入了很多资源。这个功能还没有公开亮相。我们还没有正式发布，但我们——

那里有计算机使用功能。就在上面一点。

好。不错。我们讨论过、也在公开场合看到的是，现在有一个主题叫“人类模拟器”（human emulator）。

xAI 的 Elon 也公开谈过这个。如果你想想现在的模型，它们其实相当复杂，能做很多工作，但它们仍然无法访问所有工具。我坚信，Agent 最有效的工作方式本质上是无头的（headless），或者通过终端之类的。但如果我们看看知识工作（knowledge work）的整体情况，美国大约有 1 亿知识工作者，全球大约有 10 亿，而他们的薪资总额在美国合计约 10 万亿美元，全球约 50 万亿美元，差不多这样。如果我们看其中最重要的 5 个行业，比如医疗、政府、金融服务等，这大约占 56%。所以大概是一半左右。那么在美国，大约是 25 万亿美元，而其中大部分工作实际上仍然被锁定在 Windows 上的遗留应用里，这些应用在很长一段时间内都不会消失。人们就是不会去投资改造它们。有多少呢？我们的假设是这样的。在 RPA 市场（一个类似但不完全相同的市场）中，大约 25% 的白领工作被自动化了。如果一个 Agent 更复杂，能处理更多轮次，自己搞明白事情，假设是 40% 吧。那么如果你取这 40% 的 1%，你就能得到大约每年 10 万亿美元。

这就是 TAM。这是模型层面的 TAM，对吧？不完全是我们的，但规模能达到那个量级。而要做到这一点，你基本上必须给 Agent 提供带有遗留应用的计算机。所以是计算机使用，无论是 Mac、Windows 还是 Linux。Linux 我们当然也有，其他人也有，但 Windows 是特别新的东西。目前唯一的选项是 EC2 上的 Windows 或者 Azure 上的 Windows，两者都需要 3 到 5 分钟才能启动。我们创建了一个真正的沙盒（sandbox），所以是秒级而不是毫秒级。但你有时间点快照（point-in-time snapshots）、分叉（forking）等沙盒应有的一切功能，这基本上能让你有望解锁所有这些价值。所以这就是我们大力推动和押注的方向。我们一直在密切关注市场，接下来会是什么？

是罗马尼亚的。

但如果你想解锁它，我自己的设置大概是这样的。我上个月在做一份董事会演示文稿。我就想，好吧，咱们就自动化吧。我们所有的数据都在 ClickHouse、PostHog 和 QuickBooks 里，和其他人一样。我基本上把这些都连到了我的云代码上，比如用 Go 写云代码，然后说，这里有集成，去做吧。它拉出了第一份报告，效果很好。它连上了 Brex 和所有这些服务，拉出了数据，很棒。然后我说，好吧，现在拉出这个、这个、这个、这个。我不断得到那种麦肯锡风格的设计报告，但数据是部分数据、全部数据缺失、部分数据，它无法访问所有东西。我特别沮丧。所以我就拿我的 Mac mini 虚拟沙盒，配上 OpenClaw。我在公司里给了它一个自己的账户。然后我去所有这些服务创建了一个只读账户。就像你公司里的一个实习生。然后我会说，现在去做这份报告，它会得到同样的——或者说，我无法通过 MCB 或 API 之类的东西获取所有信息。我就说，去登录。对。然后它会登录网站，进去，导出数据，端到端地完成整个操作。所以即使对于今天有 API 的东西，也不是所有功能都暴露出来了。而为了获得价值——我现在确实获得了巨大价值——但不幸的是，它必须是一个计算机使用 Agent。所以我花了很多 token 在这上面，但任务完成了。所以，如果连我们这样的初创公司，用着所有最热门的工具，仍然需要一个计算机 Agent，那高盛这样的公司还有什么希望去做无头化呢？

对。

嗯，我相当确定，Satya 昨天发了一篇帖子。

大意是每个 Agent 都需要一台计算机。

我明白了。所以他们推出了一些东西。

那个的版本。

我们很快就会有 macOS 沙盒。macOS 沙盒的问题在于——我深入研究过这个。我不知道这有多有趣。macOS 有这个毛病。

许可问题。

所以第一，每台机器只允许运行 2 个并行虚拟机。这是第一点。第二，每 24 小时只能授权给不同的用户。也就是说，如果用户进来，理论上我想按秒收费，只收 1 秒的钱，那这台机器当天剩余时间就得闲置。我不能让其他人再用它。所以定价会不同，我们得按 24 小时收费。这还不是最麻烦的。更麻烦的是，从安全角度出发，他们允许你做内存快照、暂停、恢复，但只能在同一个物理硬盘、同一台物理机器上。而在 Windows 或 Linux 世界里，你可以在后台把快照从一台机器迁移到另一台，然后管理负载。如果你想这么做，基本上就得把你的——对。

你的物理机器。

你不能随意移动这些东西。所有这些，从安全角度来看，我理解安全方面的考虑，但它让你无法运行那些 agentic（代理式）的、真正可扩展的 agent 工作负载。

我想也是。

会有人做的。我们会运行一些持续几天的长期 agent 来搞清楚这些。但确实，我们离提供这样的服务很近了，因为人们确实想要，但定价会不同，功能集也会比较严格。

又得做 RL（强化学习）了。但关键是，如果你在 macOS 上做 RL，那么模型的下一轮迭代就能更好地使用这些工具。然后你实际上需要在某个地方运行这些工具。所以之后你不得不拥有这个能力。如果有苹果的人在听，我强烈觉得他们在自断财路，如果他们能启用类似于 Windows 和 Linux 上的并发模型，他们本可以获得的计算或授权收入规模会大得多。

嗯，走着瞧吧。期望很高。期望很高。

对我们来说没有。我们的定位不太一样，虽然完全是 PLG（产品驱动增长），也有个人开发者在使用，但 Daytona 的大多数用户更像是 B2B2C。要么是 B2B，要么是 B2B2C。比如在研究领域是 B2B，你卖给实验室和新实验室之类的。但在长期 agent 方面，从规模化收入的角度看，主要是 B2B2C，也就是有一个应用层的 agent 大规模地使用你。

对，像 Manus 或 Lovable 那种。

我做过很多不同的事。Code Anywhere 在我们职业生涯和日历上，是一个非常面向终端开发者的产品。那很棒，你能获得很多开发者的喜爱，我觉得我们公司也确实有不少开发者喜爱，但那是另一种类型——人们是在构建这些东西，更像 Twilio，因为你不会去运行 Twilio。我不知道有多少人还记得那个“Ask a Developer”广告牌之类的。人们真的很喜欢 Twilio，但他们只在“我在为某件事构建这个应用或服务”时才用它。所以我们很大程度上是朝那个方向走的。而且你也知道，我以前在 Twilio 的竞争对手工作过，所以这大概已经刻在我的 DNA 里了。

是啊，就像——

更大？不，大概是一半大小。

对，所以还是很大。每年几十亿美元。

没错。这些都是非常有趣、收入可观、粘性很强的业务。而当你面向终端开发者时，销售非常困难，因为他们对价格非常敏感，非常在意成本。而且很难规模化，因为愿意启动——首先，他们得愿意启动一个，然后启动多个。而在企业端，我们都知道大家都在谈论花了多少 token，我现在花得——很多公司今天的状态是“这是我们公司，能花多少就花多少”。基本上这就是我们的方向。所以如果你想想这个范式：你卖给那些说“能花多少就花多少来创造生产力”的公司，对比“我是一个个人，我有这么多预算，我做这件事是因为好玩或者对我有帮助”，这是完全不同的市场策略。

这些东西确实对我们有利，就像你说的，但它们其实只是杯水车薪，对吧？我觉得所有因素都得综合起来看。影响它的东西太多了。就像你说的，Open Claw 对我们来说不算什么大事，但 Anthropic 的 agent SDK，或者说 Claude Code，就很有意思。它有意思的地方在于，很多所谓的应用层 agent 公司——我也不太确定该怎么称呼它们——基本上就是觉得，“哦，我可以创建这个新应用，我有这个新 agent，我只需要用 Claude Code，把它扔进一个沙箱，然后就有了面向用户的界面。”这样一来，更多公司就能真正提供这类服务，然后它们就会去调用沙箱。所以这挺有意思的。还有你提到的 MCP 和 CLI 的对比，MCP 是对 API 的接口，而 CLI 则是让你能真正去做事情，就是这样。区别在于集成和实际运行脚本、数据或分析之间的不同。所以，如果能很好地使用 CLI，agent 就能做更多事情。正因为如此，人们会调用沙箱，在 CLI 里运行，然后对数据进行分析，最终给出实际结果，而不仅仅是像从 API 拉取数据那样。

没错，没错。是的。

还有一个就是计算机使用（computer use）相关的东西，我觉得这可能是最有趣的。就像你说的，过去一年我们和很多人聊过，他们总问：“哦，你为什么需要沙箱？为什么需要这个？为什么需要那个？”然后就像你说的，变成“哦，我需要沙箱做这个，我需要沙箱做那个，我需要沙箱。”最后发现，每件事都需要它。所以基本上，这听起来像老生常谈，但你每天都会用笔记本电脑，对吧？你只是一个人。但现在想象一下，顺便说一句，笔记本电脑、计算机、PC 市场，PC 市场规模大概和云市场差不多。每年大约 1500 到 1800 亿美元，差不多是三大云巨头的规模。和苹果、惠普、联想这些公司差不多，可能略小一点，但大致相当。现在想象一下，这个可寻址市场有多大？世界上有多少人？最新数据是多少？

80 亿。对。假设每人有两台电脑，比如一台个人用、一台工作用，那就翻倍了，也就是 160 亿，对吧？那么两年后、十年后、一百年后，会有多少 agent 在运行？每个任务都需要一个这样的东西。所以这个市场有多大？基本上可以说是“无限”。你会遇到资源瓶颈。Dylan Patel 在会上提到过，他是 Semi Analysis 的，通常讲 GPU，但这次他也说 CPU 现在会成为瓶颈，因为它是约束条件。你无法增长，或者说我们无法生产足够多的 CPU 来满足需求。

对，有很多。我们最初的产品是开源的。这样做对我们确实很有好处。有句话怎么说来着？那些做得好的公司，会用自由现金流来衡量自己；一般的公司看 EBITDA；再往下，就看 GitHub 星星数。GitHub 星星数，GitHub 星星数。

所以一路往下，就是 GitHub 星星数。我们最初的产品就是靠 GitHub 星星数。我们当时聊的就是这个。现在我们到了谈收入的阶段，所以我们在那个层级上已经往上走了。我们开始——

对，我们还没到，但会到的。不过基本上，那时候我们确实看星星数和 GitHub 这些东西，也挺有用的。我们最初做的那个版本，把核心代码拆分到自己的仓库里，用的是 Apache 2.0 许可证，非常宽松。然后我们在企业端，会把核心和一个专有仓库打包在一起。这算是开放核心模式，但仓库本身很干净。当我们转型时，没时间重新思考这个问题，而且我们有一个开源社区，不继续做下去感觉挺可惜的。但我们还是想加一些限制。所以在新的沙箱产品里，我们用了 AGPL-3 许可证，这是一种捷径，它算是开源，从某种意义上说，企业如果想用也可以，但你不能在不开源自己代码的情况下做出一个竞争对手。

对，还有其他一些。纯粹的开源信仰者认为这不算是完全的开源，我完全尊重这一点。这确实没错。但我们保留了这一点，Daytona 本质上，除了功能标志下的内容（比如 Windows 相关、GPU 相关等），其他所有东西都在开源里。所以一切都在那里，包括我们自己的调度器等等。所以我们是——有些竞争对手说，“你们其实是真正的开源，开源。”就像，“你们真的是，你能看到代码。”人们确实喜欢这一点，它也有点帮助，但更多是帮助我们云产品的消费，而不是直接转化用户。原因是，你在集成 Datomic 时，可以把仓库发给你的 agent，让它有更多上下文。它就会明白，“哦，原来是这样，所以才会发生这个。哦，所以那个不是这样。”

对，我同意。但公平地说，这其实对今天的增长帮助不大。我们和投资者以及其他人都聊过这个话题，比如“你怎么把开源用户转化过来？”

不，不，完全同意。在 AI 转型过程中，我们历史上也发现过类似情况。我们还没聊过这个，Daytona 的客户从单个开发者、YC 初创公司，到所谓的财富 500 强，我甚至想说财富 5 强，也就是全球最大的那些公司。

对，对。

巨型公司，对吧？因为市场拉力太强了，我们能够绕过这些流程。我不是说我们通过了安全审计之类的所有环节，但就像你提到的，Temporal 早期和 Daytona 旧版本时，我们往往要花几个月，最后他们还会因为“你们公司太小了，我们不够信任”而流失。而现在，这些大公司会推动我们，比如在采购流程中，通常成为大公司的供应商要花两三个月，我们现在五天就能搞定。这倒不是说我们有多厉害，更多是反映了当前市场的状况。所以从这个角度看，开源从市场推广角度来说，我们考虑得并不多，因为我们现在的一切都是通过云产品的 PLG（产品驱动增长）模式，用户注册后就把我们拉进去。

有一点。

关于这个，我想了很多，也在推特上发过，还亲自投资过一些项目。

不，不是。

对。我见过 Thomas，或者说是线上见过，我们聊过。我真心觉得，这也是我关注的原因，因为我们有一堆后台长期运行的 agent，其中大部分是 coding agent。大家都在打造 Lovable 或 Devin 的竞品。我们从客户那里看到，他们都在想办法做版本控制，而且方式五花八门，有些方法非常奇怪。原因在于 GitHub 本身是个瓶颈，它不够快，解决不了他们需要的问题。公平地说，GitHub 是为发布后的内循环设计的，对吧？它是针对你笔记本之外的部分。

没错。人们开始把它用于沙盒环境，这属于内循环，通常是在笔记本上运行的，对吧？所以它并不适合这个用途。然后我们遇到各种情况，最有趣的是，有个客户会把整个代码库放进沙盒，然后每隔一段时间——我忘了具体时间间隔——就把所有内容转储成一个 JSON 文件，再推送到 S3。

就这样。

甚至没有差异比较，每次都是整个文件。因为这样超级快。然后他们回去搜索，找到文件当时的状态等等，因为文本文件、JSON 都很小，网络成本很低，他们不在乎，就这么做了。我当时想，如果人们都这么干，那就说明这个问题需要新的解决方案。对吧？所以对我来说，观察谁在构建这些以 agent 为先的新东西很有意思。我觉得 git 本身在未来仍然存在，甚至 GitHub 也可能存在，但会有一个全新的服务出现。

对。

所以我觉得这方面有值得探讨的地方。但另一方面，还有个有趣的问题是 CI。现在 PR 的数量简直疯狂，对吧？

每个人都在创建大量 PR。然后所有这些都要经过 CI，这就成了瓶颈。所有人都在瓶颈上，不只是 Actions，你去任何 CI 提供商那里，如果 PR 吞吐量高，你都会遇到问题。我们聊过一家公司，他们每天有 1000 个 PR，这意味着他们只能排队等着。

我不知道，可能是 Circle。

我们聊过这个。

我们看看进展如何。我们围绕这个聊了不少。我们绝对不是 CI 提供商，对吧？

本质上，你可以用 Daytona 沙盒来代替你用的 GitHub runner。对。

但性能很重要。

性能很重要。对。

对。

我们发现最能打动人的，可能更多是第二天的事，而不是第一天的事。

我们反复看到这一点。我们有一堆案例研究，还有更多正在发布。这些都是第三方做的，我们不参与。看这些案例很有意思，因为是第三方，人们更开放，会告诉你，哦，我们用这个竞品，或者我们更喜欢那个竞品之类的。而人们回头找我们的首要原因是，我们的响应速度非常快。

说的是团队。对。

极致的响应速度是目前为止——我们现在可以聊功能、产品广度、并发、CPU这些，但我觉得那可能……如果其他条件都差不多，这确实是我发现的一个差异化因素。而且我并没有——

邮件也有。还有电话，但绝大多数是现场沟通。所以主要是 Slack。比如我们有客户说，嘿，我们有个问题，能上 huddle 吗？我们真的会在 5 分钟内就上线。我做过很多次了。所以是的。

目前 25 人。

我们很疯狂。不睡觉。007。你听过这个新说法吗？007。

所以——

是的，我们都有 Slack 疲劳。我们非常非常累。我们独特的地方——我不知道是不是独特——但我觉得任何成功的连续创业者独特的地方在于，你能把以前共事过的人拉进来。作为首次创业者你做不到。我以前也做不到。但在 Daytona 的 25 个人里，大概有 13 个，我们共事了 7 年以上。

所以这是高信任、高产出、高——我们都知道自己要做什么。尤其是这些人，在我们创业初期、真正拼命的时候——就是那种为吃饭而奔波的程度——就和我们一起工作。现在新加入的人，几乎都是隔了一层关系。就是有人认识的人。所以他们进入这个组织，我们也遇到过不适合的人。就是那种文化，对在线状态和回复有很高的期望。我自己先做到。你去问任何一个工程师，他们都会说，你从来不睡觉。我这么做不是刻意做榜样，我就是这种性格。我妻子不太欣赏这一点，我得告诉你。我跟她提过 996，她说，我倒希望。

所以这就是现实。我觉得每家公司都有自己的文化，而且非常根深蒂固。我们的文化就是这样，每天都会被提醒。我当初并没有刻意想这样建设团队，只是我做事的方式就是这样。

两个孩子。

是的，现在两个。

每一天都是这样。我的家人现在在这里，但通常——我在克罗地亚和这里之间飞来飞去。我们很多团队在克罗地亚，一部分团队现在在旧金山这边成长。所以我花很多时间远离家人。这很难。这是一种你必须做出的牺牲。但一开始，人们会说，你临终时会错过一些东西。这可能是真的——但我在开始做这件事时就已经知道，这会很痛苦，而一切都要有痛苦。顺便说一句，我非常相信一切都要有痛苦。去健身房很痛苦。减肥很痛苦。一切都要有痛苦，对吧？确实如此。

确实如此，但你实际上得享受这种痛苦。如果你不享受痛苦，那就不适合你。所以你会习惯那种痛苦。我爱我的孩子，尤其是我有一个女儿和一个儿子。女儿是老大，我很爱她，她不在的时候确实会想念。但这就是我选择的路。我有一个计划和目标，我正在努力实现。现在希望和我妻子——她支持我——我们能更好地协调，让情况不那么糟。但她承担了很大一部分。所以如果你有一个能接受这一点的伴侣，那你就能做到。但即使他们接受，你也得接受自己不在场的事实，对吧？

嗯。

我觉得是。我们得教他们，他们并不富有。

爸爸建了沙盒。爸爸建了沙盒。

哦，我的回应是，这就是我做不到的原因。

哦，创业生态。最近的一个观点是，我觉得——而且这是普遍性的商业问题——我觉得在 Twitter 上表达得不太好。有些人总是误解，那就是市场正在给那些转售 token 的 SaaS 供应商加溢价。

我认为这是不对的。

为什么我认为不对，是因为你看，首先，你的定价取决于价格，无论是公开市场还是私有市场。读到这句话的人会说，收入的重新加速等于过去的收入，但事实并非如此，甚至差得很远。因为第一，在 SaaS 上，你有典型的 SaaS 利润率，不管是多少，对吧？粘性等等。现在你做的事情是，你说，这是我的 agent，我有多少利润率。实际上要差得多，对吧？

现在你通过我这个 SaaS 模式使用 Anthropic 或 OpenAI 之类的。然后我们作为社区说，这是重新加速。所以第一，我认为这是错的，因为首先，构成不一样。另一个问题是，回到我之前提到的，比如 KUA 和我怎么建立 OpenClaw 之类的。我不想要你的 agent。Agent 本质上——因为现在有一个问题，历史上一直存在，数据被隔离在 ClickHouse、QuickBooks 里，都是孤岛。现在你给我一个 agent，它会给我数据，但它仍然是孤岛，对吧？所以我现在得拿那些数据，再找另一个 agent。

是的，直接暴露出来就行。我想说的是，把所有东西都暴露出来，然后按使用量收费。所以按 API 消耗来收费。这样你仍然保留原来按席位计费的模式给人类用户用。按这个来收费。Agent 的数量会暴增，如果你的产品有价值，使用量会更大，收费也会更多。所以有些论点是有道理的，有些产品确实有价值。它是个数据库，又不完全是数据库。我们可以深入讨论，但有些确实有价值。而且我其实很惊讶，第一个这么做的人是 Benioff。

大概三天前有条推文说，Salesforce 的每个产品都通过 API 暴露出来了。

所有东西。我当时就想，现在我明白这个人为什么这么做了。这太疯狂了。给他点赞。太棒了。就像，谢谢你。我不知道你是不是听了我的建议还是别人的，但总之，谢谢有人这么做。这是世界的发展方向。所以如果你能在这方面真正加速，推动 API 消耗，那就是实实在在的收入，是真正的增长。价值就来源于此。而且我觉得，当人们意识到没人真的会用和付费给这些 agent 和 token 时，会迎来一盆冷水。那其实不是真正的增长，它会回落。

不，不，完全同意。这没什么不对。而且我要说清楚，这不是在贬低任何做这件事的人。每个人都得去获取收入、拿到倍数、获得估值，做该做的事来进入下一阶段。完全同意。但我们作为社区，现在好像在说，哦，这是神奇的出路。其实不是这样。这不是正在发生的事，对吧？

哦，会的，但不是用于推理。我们想的是 GPU 沙箱。如果你电脑里有 GPU，那就是沙箱里的 GPU。有些工作负载确实需要 GPU。再说一次，我总拿 3D 渲染举例，因为它最容易理解。但如果你想在 CAD 或类似东西上做任何类型的强化学习，你就需要沙箱里的 GPU。所以这个也快来了。是的。

自己的数据中心。我们运行在托管服务商、裸机服务器、数据中心上。从技术上讲，我们可以跑在这些上面，或者自己的数据中心。我们就是这么架构的。目前从毛利率角度看，我们进入这个领域不划算。你得筹集大量资金，承担大量风险，只为了个位数的百分点。所以现在这不合理，但我们的架构从根本上支持我们如果想做就能做。是的。

走着瞧吧。是的，走着瞧。

他们觉得——我觉得他们在建什么东西，或者现在有自己的数据中心了。

这是个疯狂的数字。我有点不敢说出口。所以，它非常大。嗯，光是沙箱市场，而且我们——我们之前聊过，整个基础设施市场月增长 40% 左右。每个人都在月增长 40%。这也是个热点观点：如果你没增长 40% 左右，那就不算——这只是市场本身。你基本上不用来上班也能增长那么多。我半开玩笑，但你知道，趋势就是这样。那终点在哪？我们等着看。至少从 CPU 的角度，GPU 更疯狂。从 CPU 的角度看，很可能提前拥有 CPU 本身会成为一种市场策略。而且很可能，因为你大概和很多 GPU 供应商聊过，他们的增长受限于你拥有的 GPU 数量，对吧？

对吧。

对，那就是他们能增长多少，对吧？所以我们 CPU 市场整体上，比如像 Railway、Vercel 之类的，或者部署，或者沙箱。还是 CPU。所以每个都在以市场速度增长，加上或减去市场波动，但不受那个限制。所以我的想法是，对我们这个市场里的所有人——数据库也属于这个范畴，因为数据库也跑在 CPU 上——我们都得尽可能快地增长，这样才能从 Intel 或 NVIDIA（它们现在也有 CPU 了）那里拿到足够的 CPU，以后还有其他人。所以当那一步到来时，会很有趣。

有意思，有些类比，比如新 Cloudflare，但新 Cloudflare 就是新 Cloudflare。他们在这方面做得确实不错——

他们做得很好。不，我想说的是，他们整个 agent 产品组合其实非常好。我得说，我个人觉得有些技术限制，比如所有东西都受限于 Workers，Workers 是他们的核心。但从市场策略的愿景来看，我觉得他们真的非常棒。我认为他们比其他一些公司更懂这个。至于你的问题，会有什么——会有个对等的东西。每个人都说会有个面向 AI agent 的 AWS，但你的答案，它可能更像 Stripe 而不是 AWS。所以会有一个专门为 agent 构建的云。那个云会有沙箱、网络搜索、数据库（比如 SQLite 或 Neon 或其他专门为 agent 设计的东西），还有其他东西。我们还没到终点。为 agent 构建的新基础设施原语还没结束。还会有更多。

所以人们会觉得，哦，没别的了。但其实还有更多。我们对下一步有一些想法，只是没时间去做，但确实有更多面向智能体的原语正在构建中。而且我认为，未来会有一个云平台来运行这一切。

谢谢你的邀请。这次交流非常棒。