大规模智能体强化学习最烧钱的地方，往往不是模型本身，而是等。等沙箱启动，等控制面调度，GPU 就在那里空转。谷歌这次给出的方案是 GKE Agent Sandbox，配套一个强化学习编排 SDK，目标很直接：把沙箱冷启动和控制面频繁调度带来的 GPU 闲置时间压下去。

沙箱冷启动是隐形成本

打开网易新闻 查看精彩图片

智能体强化学习的 rollout 阶段需要大量并行环境，每个环境通常跑在独立沙箱里。环境一多，沙箱的创建和销毁就变成高频操作，冷启动时间叠加起来，直接吃掉本该用于计算的 GPU 时间。谷歌的思路不是让模型算得更快，而是让沙箱起得更快、调度更稳。

两个组件各管一段

  • GKE Agent Sandbox：负责沙箱这一层，减少冷启动开销
  • RL 编排 SDK：负责调度这一层，降低控制面churn

两者配合，指向的是同一个结果——让 GPU 少等、多算。对于正在跑大规模智能体强化学习 rollout 的团队来说，这类基础设施层面的优化，往往比换一张更贵的卡更划算。