AI Agent 需要计算机：月环比增长74%、日运行85万次与全新 Agent Cloud——Ivan Burazin，Daytona
摘要
Daytona 押注每个 AI Agent 都需要一台可通过 API 调用的计算机，而今天的“沙箱”只是通往更大基础设施市场的入口。 公司月环比增长74%，而整体基础设施市场增速约为40%；Burazin 认为，最明确的产品信号来自客户对 API key 的追问：“你不给他们权限，他们真的会直接打电话过来。” 他的核心问题也是这笔投资的逻辑：“未来所有会出现的 Agent，合起来到底是一个多大的市场？”
架构上的核心押注是：Agent 需要具备状态、能够长时间运行，同时拥有无服务器级启动速度的计算机，而不是为人类开发流程设计的一次性容器。 Daytona 将“Lambda 和 EC2”结合起来：裸金属调度、本地 NVMe 快照、暂停与恢复状态，以及可动态组合的 CPU、RAM、磁盘、操作系统和未来的 GPU。Burazin 称，单个沙箱启动只需60毫秒，5万个并发启动约需75秒，最大客户每天运行的沙箱接近85万个。
RL 和评测工作负载几个月前还几乎为零，如今预计将占 Daytona 使用量的50%，但其经济性会惩罚传统的容量规划方式。 不同于遵循人类工作日节奏的后台 Agent，研究任务以不可预测的“方块”形式到来：突然让1万、5万或10万个 CPU 跑满100%，随后全部释放。Daytona 平均利用率只有15%，峰值却能达到90%，因此必须依靠客户承诺和容量规划，避免昂贵的 GPU 等待更慢的 CPU 配置。
Computer use 可能是最大的需求释放点，因为 API 仍只能触达传统应用中一部分被困住的工作。 Burazin 估算，全球知识工作者薪酬约为50万亿美元，其中一半来自主要行业，约40%可能被能力更强的 Agent 自动化——这是一条刻意粗略的路径，指向模型的10万亿美元 TAM。Daytona 的 Windows 沙箱约1秒启动，而 EC2 或 Azure 需要3–5分钟，目标是为 Agent 提供充当“人类模拟器”所需的快照、分叉和持久化能力。
实现规模化的最强路径，是通过应用层 Agent 公司销售基础设施，而不是直接面向单个 OpenClaw 用户。 Daytona 的核心客户是 B2B 或 B2B2C 产品，包括 Agent 平台、实验室，以及 Manus/Lovable 这一类应用；Burazin 将其消费模式比作 Twilio 或 Stripe，而不是 AWS。Claude Code 和 CLI-first 工作流扩大了拉力，因为 Agent 可以执行脚本、分析数据，而 MCP 本身仍只是“针对 API 的接口”。
开源有助于建立信任和完成集成，但 Burazin 并未将其视为 Daytona 的主要增长引擎。 当前技术栈大部分采用 AGPLv3，包括调度器；Windows 和 GPU 能力则隐藏在 feature flags 之后。开放代码可以让接入的 Agent 获得更多上下文，也能降低大型企业的采用门槛。更具影响力的机会，可能是 GitHub 之前的一层 Agent-native 基础设施：一家客户将完整代码库以 JSON dump 的形式版本化并存入 S3，另一家每天生成1000个 PR，最终让 CI 成为瓶颈。
Burazin 预计，那些把代币转售称作“再加速”的 SaaS 公司将迎来重新定价，而持久价值会转向按量计费的 API 和 Agent-native 云。 Agent 收入的毛利率和粘性都不同于经典 SaaS，底层还依赖 Anthropic 或 OpenAI 的模型，因此他希望供应商开放所有底层数据，按 Agent 的使用量收费，而不是在数据孤岛外再套一层助手。Daytona 可能增加 GPU 沙箱和更多基础能力，但暂时不会自建数据中心；最终形态或许“更像 Stripe，而不是 AWS”——一个为 Agent 定制的云，提供计算机、搜索、数据库，以及尚未被发明的基础能力。
精读
上游暂未提供，后续同步将继续补齐。