VAST与英伟达发布AI Agent沙箱基础栈：零拷贝克隆与全审计追踪
据StorageReview报道，VAST数据公司于2026年10月22日在英伟达GTC柏林大会上正式发布Agent沙箱基础栈（Agent Sandbox Foundation Stack）。该架构将NVIDIA NemoClaw智能体运行在OpenShell沙箱内，通过零拷贝克隆实现工作空间的秒级创建，并记录每一次工具调用。其设计目标是在生产环境中支撑数千个AI agent，同时保证状态持久化与可审计性。
明星结婚零拷贝克隆：将存储与执行分离
传统容器化agent面临的一大问题是工作空间创建的高延迟和存储冗余。VAST的Agent沙箱基础栈通过DataStore Block CSI驱动，为每个OpenShell沙箱从零拷贝克隆中分配持久卷。据VAST CTO兼联合创始人Alon Horev介绍，该过程仅需数秒，完全避免了全量数据复制。当新任务启动时，系统为工作流创建一个头部持久卷声明（head PVC），每个子agent再克隆该头部卷；卷快照用于挂起和恢复操作，休眠的沙箱保持其卷状态。这使得计算节点可以临时化，agent的持久状态始终独立于运行节点，支持暂停、恢复甚至迁移至其他可用基础设施。
明星怀孕持久状态与智能体生命周期管理
在大量agent需要协同的场景下，状态管理成为核心挑战。VAST DataBase作为共享向量存储和知识库，为数百个推理agent同时查询同一数据集提供支持，无需为每个agent单独复制数据。在GitHub参考实现（Apache 2.0许可）中，DataBase同时保存各部门的agent内存、追踪跨度与轮次以及最终报告。Model Context Protocol（MCP）服务器成为沙箱访问数据库的唯一通道。NemoClaw则提供agent层，支持Hermes、LangChain、OpenClaw或自定义框架。Horev强调：“每个将agent投入生产的企业最终都需要回答agent做了什么以及为什么这么做。一个agent可能只存在几分钟，产生数千个其他agent然后消失，但它的工作必须持久化，其行为必须长期可理解。”
明星互撕全面审计与可观测性
OpenShell应用基于身份的行为策略，并记录agent与沙箱外部的每一次交互。VAST DataBase保存这些记录的持久副本，包括每一次工具调用、提示词、token消耗、成本与决策，确保审计轨迹在agent和沙箱消失后依然存在。VAST管理系统提供跨集群的实时数据流遥测，且该遥测可与英伟达Sentry（基于BlueField-4 DPU）互操作，监控Vera CPU上agent与Rubin GPU上模型之间的流量。当Sentry标记或隔离异常agent时，VAST AI OS会隔离该agent的数据访问并冻结沙箱状态以供取证。英伟达生成式AI软件副总裁Kari Briski表示：“随着AI agent承担更复杂的工作，企业需要既能支持安全执行，又能保护agent依赖的数据、上下文和状态的基础设施，贯穿其整个生命周期。”
明星恩怨关键组件对比
| 组件 | 功能 | 关键特性 |
|---|
| --- | --- | --- |
|---|
| VAST DataStore CSI | 持久卷零拷贝克隆 | 秒级创建，无数据重复 |
|---|
| VAST DataBase | 共享向量存储与知识库 | 支持数百并发查询，持久化记忆 |
|---|
| OpenShell | 沙箱隔离与策略执行 | 身份访问控制，全交互日志 |
|---|
| NemoClaw | 智能体编排框架 | 支持多agent层级，可插拔工具 |
|---|
| NVIDIA Sentry | 安全监控与隔离 | BlueField-4 DPU流量分析 |
|---|
该表格展示了堆栈中各组件的分工，从存储层到安全层形成完整闭环。
行业合作与开放参考实现
VAST的Foundation Stacks系列是将英伟达AI蓝图封装为可重复部署的方案。前两个分别覆盖企业研究助手（基于Nemotron）和视频智能（基于Cosmos）；本次发布的第三个直接针对agent运行时。它同样建立在VAST DataEnclave（机密计算运行时，9月预览）和英伟达OpenShell参考架构（同届大会发布）之上。在GTC柏林现场，VAST演示了一个受管控的多agent工作流：主导agent在NVIDIA NIM模型上制定计划，人工审批或编辑后，多个子agent在OpenShell沙箱内并行执行，针对DataBase中的财报电话会议语料进行分析。该实现的全部代码已在GitHub开源。
FAQ
Q1: 零拷贝克隆如何实现秒级创建持久卷？
A1: 零拷贝克隆基于共享存储的快照技术。创建新卷时，系统仅复制元数据指针，而不复制实际数据块。当agent写入新数据时，按需分配新块；读取时则直接从共享数据源访问。因此，即使源数据集达数TB，克隆操作仍可在数秒内完成，极大加速了沙箱启动。
Q2: 该堆栈是否依赖特定的硬件配置？
A2: 当前VAST未公布详细的硬件要求或GA日期。参考实现基于Kubernetes和VAST AI操作系统，理论上可部署在兼容VAST存储和NVIDIA GPU的计算集群上。规模化支持数千个agent的设计目标尚未提供实测吞吐或并发性能数据。
VAST Agent沙箱基础栈将存储、安全与可观测性统一为一个平台，为企业大规模部署可信AI agent提供了坚实基础设施。随着英伟达OpenShell生态的完善，该方案有望成为Agentic AI生产化的重要参考架构。
