谷歌 Agent Compute Engine：20 万智能体 500 毫秒挂起恢复

一句话结论：谷歌把每个 AI 智能体的运行环境做成了一台可快照暂停的独立虚拟机，在 20 万智能体规模下做到挂起与恢复低于 500 毫秒，单机承载密度提升 10 倍。

2026 年 10 月 22 日，在 AGNTCon 加 MCPCon 大会上，谷歌云发布了一项名叫 Agent Compute Engine 的服务，并向外界开放了它背后的开源运行时 Agent Substrate。这项服务已经在谷歌内部支撑 Gemini 作为工作型智能体的运行，客户预览版将在未来数月开放。

这件事的分量在于谷歌把一个此前很少被摆到台面上的问题摊开了。智能体推理的算力开销固然存在，但真正持续烧钱的环节是为每个智能体准备的那些隔离运行环境。谷歌给出的答案是让每个智能体独占一台微型虚拟机，并在它「思考」的间隙把机器让给别的任务。

Agent Compute Engine 是什么：每个智能体一台独立计算机

今天的企业智能体已经不只是聊天。它写代码并执行、打开浏览器、调用外部工具、编排多步骤流程。这类任务的共同点是单个智能体会持续驻留几分钟甚至更久，期间可能随时执行一段来路不明的第三方代码。

传统云原生的两个基本单元在这类场景下各有短板。容器启动快、密度高，但共享宿主内核，隔离强度不足以承载不可信代码。虚拟机隔离扎实，但启动、暂停、恢复往往要花上数秒到数分钟，在智能体高频起停的节奏下开销被放大。

Agent Compute Engine 选择的是中间路线。每个 Gemini 智能体分到一台硬件隔离的 microVM，这台虚拟机有自己的 guest 内核和自己的 root 权限，外面隔着一层 Cloud Hypervisor 边界。谷歌称这一层隔离加上硅片级的防护，是为不可信智能体代码准备的纵深防御。

这台机器的另一半设计来自谷歌的 Titanium。Titanium 是谷歌用于卸载基础设施处理任务的芯片，智能体的执行被放在这块硅上，等于在硬件层多了一道隔离，而不只是在软件层做文章。

与之配套的是身份体系。每个 microVM 运行自己的一套身份，凭据是短期的；每个 microVM 还会拿到一个经过密码学校验的唯一 ID；服务凭据在 microVM 之外的网络出口处注入，避免在沙箱内部长期驻留敏感凭证。

模型侧的对应关系也很直接。谷歌的 Gemini 4 Argon 之所以能在一台机器上跑起百万 token 输出的长会话，后端的算力与调度工程是重要一环，此前站内已经拆解过这条 Gemini 4 Argon 的工程细节。而谷歌云此前推 Gemini Agent 时给出的成本下降三分之一，也一直缺少底层解释，这次的服务正好补上了这一块，站内那篇 谷歌云 Gemini Agent 成本与落地进展 可以对照来看。

挂起与恢复：20 万智能体 500 毫秒是怎么做到的

整项服务最核心的机制是空闲挂起。当一个智能体执行完工具调用、进入模型「思考」阶段，它的 microVM 会向宿主发出空闲信号。宿主随即通过快速检查点把这台虚拟机从活跃状态转到空闲状态，机器释放给池子里其他任务。等智能体再次需要执行动作时，运行时直接从快照把它恢复回来。

另一个降低成本的手段是写时复制内存共享。基于同一操作系统模板构建的多个智能体可以共享一份底层内存，每个实例只持有自己的差异页。这一项直接摊薄了单实例的内存占用，让「每台机器放十个智能体」在成本上成立。

谷歌给出的实测规模是 20 万个智能体。在这次测试中，系统持续维持每秒 500 次激活，单个智能体的挂起与恢复完整耗时低于 500 毫秒，而相对传统虚拟化方案的单机计算密度最高提升 10 倍。这三个数字构成了这套运行时对外承诺的量化边界。

每秒 500 次激活这个数字值得单独看一眼。它意味着在一台机器上，智能体的空转时间被压缩到了可以忽略的程度，模型思考的等待不再需要一台闲置虚拟机守着。智能体数量增长时，成本曲线从常驻进程形态被拉回到按需调度形态，这才是密度提升十倍真正的价值所在。

Agent Substrate：同一套思路开放给 Kubernetes 用户

不少团队不想被托管服务绑定。谷歌因此把 Agent Substrate 作为开源运行时发布，它跑在 Google Kubernetes Engine 上，也能在任意 Kubernetes 集群上运行。

架构上它遵循零信任设计，把智能体执行与机器管理彻底解耦。智能体进入空闲时，Agent Substrate 快照它的活跃内存并把机器归还资源池，需要时再恢复。因为是开源且原生 Kubernetes 的，团队可以自行改造、扩展，或与现有工作负载并行部署。

兼容性是另一个关键点。官方点名这个运行时可以配合主流智能体框架与 harness 使用，其中包括 Claude Code。这一点把竞争关系摆到了明面上：谷歌在推自己的智能体基础设施，同时把开源运行时做成 Claude Code 这类第三方编码智能体也能落脚的公共地面。谷歌自己的 Antigravity CLI 这类跑在受管笔记本上的本地编码智能体，也在后续的治理扩展计划里。

做编码智能体的团队对这类问题并不陌生，Vercel 开源 durable-harness 拆解编码智能体崩溃续跑机制 处理的是同一个问题的另一半：进程崩了怎么接上。谷歌这套处理的是进程没崩，但空转等待怎么把资源还回去。集群侧的另一种解法可以参考 llm-d 1.0 在 17000 节点上的吞吐实践，而 英伟达开源 Run:ai 与 KAI Scheduler 讲的是同一门调度课在 GPU 侧的做法。

企业侧已经有先行者。开源研究机构 Nous Research 用 Agent Substrate 在客户既有基础设施上部署智能体，不必为智能体单独采购一套云资源。Agent Substrate 通过开源仓库即可在 GKE 上直接试用，托管版则要再等数月。

治理三件套：身份、预算与审计

这次发布里容易被忽略的另一半是治理。谷歌把 Gemini for business 的智能体治理能力扩展到了智能体实际运行的各类环境，不再局限于谷歌云内部。

Agent Gateway 扮演流量调度塔的角色，管理用户、智能体与工具之间的往来，在这条链路上施加数据保护与攻击防护策略。Agent Registry 维护一份受批准的智能体、工具、MCP 服务器、skills 与模型清单，充当白名单。Agent Identity 给每个智能体一个符合标准体系的唯一身份，用于登录、访问控制与审计记录。可观测性部分输出标准的 OpenTelemetry 指标、日志与链路追踪，每一次模型调用与工具使用都在其中。

本季度内进入预览的新增项包括令牌与成本治理、模型路由策略，以及对 Ping Identity、SailPoint、Saviynt 等第三方身份提供方的委托用户登录支持。这些能力会延伸到 Cloud Run、GKE 与托管端点。多云与混合环境下的轻量策略执行，以及受管设备上本地编码智能体的管控，同样计划在近期以预览形式推出。

对企业采购方来说，令牌预算与逐智能体身份正在从加分项变成准入门槛。Agent Registry 这类清单机制之所以重要，也在于 MCP 生态扩张后，一个智能体可以调用的外部组件数量已经远超人工审核的能力范围。协议层的分歧同样在收敛，Figma 联合创始人谈 MCP 协议方向正确但仍不完美 里的那些争议，落到基础设施层就是权限边界怎么画的问题。

怎么选：托管服务还是开源运行时

如果团队要跑的智能体会执行不可信代码，且已经在谷歌云上，Agent Compute Engine 的预览值得排队申请，它的隔离强度、身份模型与预算治理是一套完整方案。

如果基础设施已经标准化在 Kubernetes 上，或者有多云与可移植性要求，开源的 Agent Substrate 可以今天就在测试集群上验证。它也支持配合 Claude Code 这类既有 harness，不用等谷歌的预览窗口。

如果智能体数量还在个位数，收益不明显。500 毫秒的恢复与十倍密度的价值要在并发规模上才成立，零星任务用普通容器就够了。

无论走哪条路，有两件事建议现在就做。一是给每个智能体规划独立身份与令牌预算，等治理能力变成采购硬条件时再补改成本很高。二是盘点智能体实际在执行什么代码，如果里面混进了外部仓库或用户上传的片段，隔离等级就该往上抬一档。

常见问题

Agent Compute Engine 和普通云服务器有什么区别

它的差异集中在两点：每个智能体独占一台硬件隔离的 microVM 而非共享宿主的容器；空闲的 microVM 会被检查点暂停并把机器归还资源池，需要时再恢复。这套暂停恢复机制正是单机密度最高提升 10 倍、20 万智能体规模下恢复低于 500 毫秒的原因。

Agent Substrate 是必须用的吗

不是。它是托管服务背后的开源等价实现，给已经标准化在 Kubernetes 上的团队一条自建路径，也能跑在任意 K8s 集群上。不想依赖托管预览的团队可以直接用开源版本，但它不包含谷歌云侧的托管运维与部分企业集成能力。

现在能定价吗

还不能。谷歌尚未公布 Agent Compute Engine 的正式价格，托管版预览窗口也只是「未来数月」。本季度会先进入预览的是 Agent Gateway 的令牌成本治理、模型路由策略与第三方身份支持等治理能力。至于每个智能体一台虚拟机的实际成本，密度提升十倍能否转成账单上的降幅，要等价格落地才能算清。

小结

这轮发布的信号很清楚，智能体竞争的战场正从模型能力转向运行底座。模型层的差距在收敛，隔离、成本与治理的差距会直接决定谁能规模化跑起数以百万计的智能体。谷歌把支撑 Gemini 的内部设施开放成产品，同时用开源运行时降低锁定顾虑，这套组合的推进速度值得关注。

相关阅读

• Gemini 4 Argon 深度：ARC-AGI-3 97.5% 背后的工程奇迹
• 谷歌云发布 Gemini Agent，综合成本降至三分之一
• Vercel 开源 durable-harness：5 个编码智能体框架崩溃续跑机制拆解
• llm-d 1.0 发布：17000 节点吞吐提升 2.9 倍
• 英伟达开源 Run:ai 深度：KAI Scheduler 与 3 至 6 倍加载加速