【深度】梁文锋署名，DeepSeek 发新论文｜首度公开 Agent 训练沙盒平台 DSec

这篇论文真正的信号不是"又发了一篇"，而是 DeepSeek 把 Agent 训练的底层算力基础设施摊开给外界看——瓶颈正从 GPU 算力转向沙盒的并发与管理能力。一、事件核心：130余人的技术细节披露DeepSeek 创始人梁文锋署名的最新论文公开，首次系统发布 Agent 训练沙盒平台 DSec（DeepSeek Elastic Compute） 的技术细节，作者名单超过130人，梁文锋在列，论文提交日期为 9月19日。关键事实：从 DeepSeek V3.2 到 V4.1 的强化学习训练与评测，所有沙盒负载都运行在 DSec 之上。这不是外部推测，而是官方披露的运行事实。

二、DSec 的规模：一个生产单元有多大论文披露，DSec 单个生产单元由：• 约160个 CPU 节点• 3万核 CPU• 250TB 内存• 托管 PB 级镜像这个配置已经不是"训练集群"的附属设施，而是一个独立且庞大的调度系统。

三、单日服务能力：三个数字• 单日服务约300万个沙盒• 峰值并发超过38万个• 创建速度超过每秒5000个• 单个训练任务最多可一次性拉起3.2万个沙盒38万个并发是什么概念——这已经是一台"模型训练用的云计算操作系统"的规模。

四、为什么重要：沙盒规模成为训练能力的边界论文的核心观点是：Agent 训练与传统的静态强化学习不同，模型每执行一步都会触发环境状态变化。因此除了模型与数据之外，研究人员还需要维护一大批"工作现场"——沙盒规模本身成为训练能力的边界。这意味着 AI 训练的基础设施需求正在分层：• 上层：GPU / 算力（模型与数据）• 中层：沙盒 / 调度（工作现场与环境状态）• 下层：CPU 节点 / 内存 / 存储（PB 级镜像托管）

五、财经映射① 算力基础设施：Agent 训练需求从 GPU 延伸到 CPU 节点、内存、存储与调度，利好数据中心、服务器、存储链条；② 云计算 / 弹性调度：沙盒并发与管理能力成为新瓶颈，弹性算力调度价值上升；③ AI Agent 应用：DeepSeek 的 Agent 训练能力公开化，利好 AI 编程、智能体工具链；④ 关注方向：重算力基础设施确定性、轻纯模型概念。

一句话判断当梁文锋把 DSec 的技术细节公开，等于向市场确认了一件事：Agent 训练的竞争已经下沉到沙盒并发与调度层面。 算力基础设施的需求正在从"拼GPU"扩展到"拼CPU节点+内存+存储+调度"。对 A 股而言，重算力基础设施、轻纯概念。

DeepSeek 梁文锋 DSec Agent训练 算力基础设施 AI

（据 DeepSeek 论文整理；仅为逻辑推演，不构成投资建议）