AI代理计算机能力测评：Daytona深度解析

在产品侧，当Perplexity、Manus、Cursor这些公司都在给“AI电脑”开疆拓土时，研究领域那边，像TerminalBench和GDPVal这样的智能体评估基准，也默认把“电脑”作为基础设施（比如Harbor）。从任何一个角度看，那个逐渐成型的LLM OS技术栈，都已经变成了一套标准工具箱。而Daytona，正是因此受益，成为了正在快速崛起的AI基础设施公司中的佼佼者。

说起来，“消灭localhost”这件事，Ivan Burazin已经执着地念叨了超过十年。

这是个一听就懂的老大难问题……

那时候，人们还没把“智能体”挂在嘴边，Ivan就一直在琢磨一个念头：**软件开发不应该依赖一台脆弱的本地电脑。** 他早期的产品CodeAnywhere——最早一批基于浏览器的IDE之一，就是这个想法的雏形：把开发环境搬到云上，让设置可复现，把开发者从“在我机器上明明能跑”的泥潭里解救出来。方向是对的，但市场还没准备好。

不过，智能体的到来改变了一切。**它们不在乎你的笔记本是M1还是M3，不在乎你桌面多酷，也不在乎你用哪个编辑器。** 它们需要的是一台可以通过API访问的电脑：状态能持续、启动要瞬时、资源可弹性伸缩、环境要隔离安全，最好还能任意组合，以应对真正软件工程里那些杂乱无章的挑战。

Daytona现在提供的，远不止是狭义上的“沙箱”。更准确地说，**它是Ivan那个“消灭localhost”愿景的最新版本。**

在这个访谈中，Daytona的CEO深入解释了：为什么AI智能体需要的不是简单的代码执行环境，而是可组合的电脑、有状态的沙箱、秒级启动、动态资源，以及能承受从零到十万核CPU尖峰负载的基础设施。

我们深入探讨了这个**新兴的智能体计算市场**：Daytona如何从服务人类开发者的环境，硬生生转向AI沙箱；那个在新年夜写出来的MVP，为什么客户会追着要API Key；为什么Daytona选择用裸金属加自有调度器；以及某个客户是如何每天跑将近85万个沙箱的。此外，还聊到了强化学习/评估工作负载如何在短短几个月内，从零飙升到Daytona使用量的50%。

我们讨论的核心话题包括：

- Daytona如何从CodeAnywhere“长”出来，以及对“消灭localhost”这一理念的坚持 - Daytona为什么从“人类开发环境”跳转到“AI沙箱”这个赛道 - 为什么智能体需要的是“可组合的电脑”，而不是“用完即弃的代码执行盒子” - 那个连API Key都还没准备好，客户就开始“催单”的新年夜MVP - 为什么Daytona选择裸金属、有状态的快照和自研调度器 - 如何实现单个沙箱启动只需60毫秒，同时创建5万个沙箱只需约75秒 - 最大的客户为何每天要跑约85万个沙箱 - 强化学习/评估这种工作负载，如何造成“零到十万核”的瞬时CPU峰值 - 为何强化学习负载从零迅速增长到Daytona使用量的约50% - 为什么客户把Daytona和EKS/GKS比较后，会说“再也不回去了” - 为什么每个AI智能体都可能需要一台电脑，包括Windows和macOS环境 - Apple的许可协议，如何让macOS沙箱这件事变得困难重重 - 为什么在智能体里，CLI可能比MCP更有力量 - 开源如何帮助智能体更好地“消化”Daytona - 智能体生成的PR，可能会如何打破今天的CI/CD流程 - 为什么那些“转卖Token”的AI SaaS公司，可能会迎来一场冷水浴 - 未来的AI云，形态上可能更像Stripe而不是AWS **Ivan Burazin** **Daytona** **Website:** https://www.daytona.io 00:00:00 开场 00:01:12 介绍 00:03:15 CodeAnywhere, Shift, 与“消灭localhost” 00:05:58 Daytona究竟是什么：为AI智能体设计的可组合电脑 00:08:07 从开发环境到AI沙箱的转型之决 00:10:17 跨年夜MVP，以及追着客户要API Key的奇景 00:12:56 裸金属、有状态沙箱与Daytona的调度器 00:17:28 60毫秒启动、5万个沙箱，以及日运行85万次 00:21:53 尖峰式的RL/Eval工作负载，与新的智能体基础设施难题 00:28:12 RL工作负载、Kubernetes的痛点，与动态资源伸缩 00:33:31 为什么每个AI智能体都需要一台电脑 00:38:48 macOS沙箱与苹果的许可困境 00:44:28 为什么CLI可能比MCP更重要 00:48:11 开源、GitHub星星，与智能体集成 00:53:11 Git、CI/CD，与智能体协作的瓶颈 00:58:15 创始人生活，以及如何打造一个25人的基础设施公司 01:02:44 AI SaaS、Token转售，与API优先的商业模式 01:06:10 GPU沙箱、数据中心，与算力增长 01:09:48 为什么未来的AI云可能更像Stripe而非AWS 01:11:26 结语 **Swyx:** 好，我们今天的嘉宾是Daytona的CEO，Ivan Burazin，欢迎你。 **Ivan:** 谢谢老兄。 **Swyx:** Ivan，咱俩可是老相识了。 **Ivan:** 那可不是一般的交情。 **Swyx:** 我都忘了咱俩最初是怎么勾搭上的。是因为Shift大会？ **Ivan:** 是我主动找的你。当时我们在想，我是CodeAnywhere的联合创始人，那是第一个浏览器IDE。我们一直觉得，localhost这玩意儿就该被淘汰。而你刚好写了那篇文章。 **Swyx:** “消灭localhost”。 **Ivan:** 对，就因为这文章我找了你。后来我们聊了，那会儿我还在做开发者体验，你又是这方面的专家，我就向包括你在内的很多人请教该怎么做。你人很好，接了电话。我记得那次我还迟到了。 **Swyx:** 这我真不记得了。 **Ivan:** 我记得可清楚，当时我跟女朋友（现在是老婆了）在意大利度假，所以说我迟到了，特别不好意思，你倒挺大度。 **Swyx:** 我宽容是因为我也总迟到，谁没点小毛病呢，对吧？对不了解的听众说下，你之前搞过InfoBip Shift大会，那基本上也是启发我创办AI Engineer的原因之一。多亏你，我才知道“哦，原来会是可以自己办来卖的”。 **Ivan:** 我记得刚开始你让我给点顾问股份，我当时满脑子都是自己的事，就拒绝了。现在想想，真该接下来。抱歉啊，兄弟。 **Swyx:** 没事，我们又不靠风投。 **Ivan:** 那倒也是。不过，你真正让人佩服的是，CodeAnywhere这个执念，你中途放到一边，去InfoBip忙活了几年，最后又绕回来，创立了Daytona。给我们讲讲这段故事吧？ **Ivan:** 没问题。说起来话长，我跟我的联合创始人搭档了很久。我用一句玩笑话形容我俩的关系：结过婚，离过婚，又复婚。甚至有人以为我们真是夫妻，当然不是。我们一起创立了好几家公司。你提到的那个转折点，就是从CodeAnywhere搞出了Shift大会，然后又绕回Daytona。我们最早是搞服务器的，做虚拟化，捣鼓路由器，算是底层的活儿。那是一家服务型公司，后来卖掉了，专心做我搭档的发明——第一个基于浏览器的IDE。我敢说是第一个，虽然后来Heroku也短暂搞过，但之后就变身为Heroku了。除他们之外，我们是最早的。产品叫…… **Swyx:** Cloud9呢？ **Ivan:** Cloud9比我晚。还有Replit，那是在我们停了之后才出来的，它们后来很成功，挺好。当时还有Nitrous.io等等，那会儿这个市场参与者不少，但说白了，太早了。有趣的是，那时候VS Code还没影子，Kubernetes不存在，Docker也刚开始冒头。所以我们必须从零开始，搭建整个技术栈。这段经历带给我们的宝贵经验，后来全用在了Daytona上。那会儿确实太早了，大概有300万人用过CodeAnywhere。公司主要是天使投资，不算风投。后来因为规模没起来，我们就把投资人的钱都还了。三年前，我们创立了Daytona，一开始也不是现在这样，而是面向人类工程师的自动化开发环境，算是CodeAnywhere那个底层技术栈的延续。然后，去年一月，我们做了一个彻底的转身，转向了沙箱。就这样。 **Swyx:** 历史性的转型。有意思的是，我投了CodeAnywhere，也投了E2B，结果你们俩都转向了同一个领域，我当时心里就想“得！”。 **Ivan:** 你不仅投了CodeAnywhere，也投了Daytona。而且，要是没有你的那张支票，我们可能根本就不会这么干。 **Swyx:** 别逗了。 **Ivan:** 真的。我们当时就想，“必须先把他拉进来”，你就是那个kickstart的人。 **Swyx:** 还不是你非把我放PPT里，“这投资人名单要是没我，那不成欺诈了嘛”。 **Ivan:** 因为PPT里引用了你的话啊。 **Swyx:** 没错，“消灭localhost”。 **Ivan:** 我们当时围绕着“消灭localhost”做了大量研究，找那些对这个概念感兴趣的人。 **Swyx:** 那个博客是我写的，结果这个领域的每家公司都来找我，然后所有收到他们方案的VC，也都得打电话跟我过一遍。 **Ivan:** 现在终于来了，终于来了。 **Swyx:** 确实来了。只不过是先由非人类用户领路。那么，Daytona现在到底是什么？给我们一个简洁的描述。你看我还穿着你们的T恤。 **Ivan:** 你穿着呢。我们的品牌很统一。上面写着“跑AI代码”。 **Swyx:** “Run AI Code”，简单得不能再简单了。 **Ivan:** 对。不过我们可能得改一下。 **Swyx:** 哦？糟了。 **Ivan:** 因为它只是我们做的一部分。但我们真的很喜欢这句标语，太简洁了。大概发出去5、6千件T恤，大家穿得还挺自豪，因为上面没强推我们的品牌。 **Swyx:** 对，Daytona在背面。 **Ivan:** 背后才是营销。它营销的是穿T恤的人。但说到正题，当人们看到“跑AI代码”，通常会想到那些小型的、隔离的“代码执行盒子”：丢段代码进去，拿个结果出来。但今天Daytona做的事，本质上是**为AI智能体提供可组合的电脑**。市场叫它“沙箱”，但这其实有点误导。 **Swyx:** 都是这些称谓…… **Ivan:** 对，因为沙箱容易让人联想到Demo或测试环境，而不是生产环境。Daytona提供的是什么呢？想象一下你面前的笔记本电脑，或者那边那台电脑。我太太是个建筑师，她用一台装了3D显卡的Windows工作站跑渲染。人类会根据任务选用不同配置的电脑。我们坚信，现在的和未来的智能体也是这样。它们需要不同配置的电脑来完成不同任务。而我们，就是通过API来提供这些。 **Swyx:** 我试图把所有“Aha时刻”都串起来，让大家能一直看下去。这个市场正在爆发，对吧？你们自己报告的是月环比增长74%，而且已经持续增长了一段时间了。不只是你们，所有算力提供商都这样。 **Ivan:** 没错，每家都这样。 **Swyx:** 都是产品驱动增长，企业业务也做得非常好。我想回到去年一月，你做转型的那个时刻。你显然很早就看到了这个市场，并且现在成了领头羊之一。是什么洞察让你下定决心转型的？ **Ivan:** 让我们下决心的洞察，来自转型前的一个季度。那会儿，我们给Devin做了个演示，它当时还没公测，是你给我的访问权限。 **Swyx:** 是我给你开的门？好吧，我不该给的。 **Ivan:** 对，你给了我。 **Swyx:** 我给过三个朋友权限。 **Ivan:** 不管怎样，当时OpenDevin（现在叫OpenHands）已经有了。我们就想，“嘿，这事儿可能要火。它还没公开，但我们可以拿我们那套自动化人类开发环境的东西，加上OpenDevin，搞个SaaS先跑起来。” 然后就做了。虽然没多少用户注册，但很多在构建智能体的人找到我们，问“嘿，我的智能体需要计算资源，需要沙箱运行时……” 我们就觉得，“哇，这是个新市场。我们有现成的底层架构和产品，上吧！” 但我们很快就发现，人们并不买账。我一开始跟人聊，说我们在给智能体建沙箱。对方都说，“这有什么不同？不就是EC2、VM吗？” 结果呢，我们给20、30个人试用，他们全都说“不”，“这不是我们要的，不够好，会出问题。” 说实话，我跟搭档是搞底层架构的，不是搞AI的。所以我就开始狂补课，把能找到的播客、博客全看了一遍。 **Swyx:** 可以给听众推荐一些你当时觉得有帮助的资源吗？ **Ivan:** 我看了很多，比如你们的频道，No Priors，Bill Gurley的频道（虽然已经停了）。20VC视角不同，也不错。还有Red Points。 **Swyx:** 你关注的是算力市场？ **Ivan:** 不，我关注的是整个智能体基础设施市场。我会参加会议、活动、聚会，读白皮书，尽一切可能去理解正在发生什么。当我们大概想明白该造什么后，就在新年夜，我几乎是vibe-coding出了第一个MVP。凌晨3点，我把老婆孩子哄睡，又爬回电脑前搞到很晚。做完发给我的CTO，他早上看到后说，“这代码简直一坨屎，千万别给任何人看，但方向是对的。” 然后他花了两周，把它重写了。 **Swyx:** 比现在这个还差？ **Ivan:** 差得远了。但它至少是个雏形，能用，但远不完美。然后CTO拿出了新版本。我们把之前说“这玩意不行”的那些人又请回来，给他们演示。每个原定15分钟的会议，都自动延长到25、30分钟。所有人都说，“我们要用，给我们权限！” 我们当时连登录界面都没有，就是个测试版API Key。我们就说，“没问题。” 结果第二天，如果我们还没发，每个人都会找回来，“我的API Key呢？” 全都在催。我们当时就意识到，“我靠，成了。” 这感觉我从未有过。我做过好几家公司，但从来没见过客户追着你讨要API Key的。他们想要的东西似乎当时市场上不存在，或者他们还没找到。我们做了什么？当我们明白过来，再看这个市场的规模——人类工程师和企业市场已经很大了，比如GitLab。但未来所有智能体的市场呢？那得多大？所以我们说，“全押了。” 就这样，我们干脆地切断了旧产品线，全力转向新方向。 **Swyx:** 但当时还不具备“可组合性”，对吧？ **Ivan:** 对，最初版本就是一个你只能定义CPU、硬盘和内存的Linux盒子。你不能换操作系统，不能动态扩容，不能加GPU。它只是一个最基础的变体。 **Swyx:** 当时就是用裸金属吗？ **Ivan:** 从一开始就是。我们当时就想，大多数提供商都用的是VM，比如跑在Firecracker上。但他们有个共同点：要么机器的状态（硬盘）不是沙箱的一部分，要么沙箱不能持久运行（会被回收）。我们的想法是，智能体会像人类一样——你在电脑上工作时不希望它被关机，你要的是合上盖子再打开，状态还在。智能体也需要这种暂停后回来“恢复现场”的能力，需要速度。所以我们需要一个既快又能持久、有状态的东西，相当于把Lambda和EC2合二为一。当时我们对这个市场并不十分了解，只是认为这就是客户需要的。我们看了看，Kubernetes不够好，Nomad也不行。好在我们有CodeAnywhere时期自己写调度器的经验，CTO就把那套东西拿了出来。第三个合伙人看到后说，“哥们儿，这玩意儿是2008年的吧？” 答案是，“没错。” Daytona之所以能在基准测试里跑这么快，就是因为我们跑在裸金属上，有自己的调度器，直接利用底层机器的本地磁盘、CPU和内存，所以IOPS奇快，完全没有从EBS拉数据的网络延迟。同时，快照和模板也预先加载到了裸金属服务器上。当你从模板或快照启动一个沙箱时，你就会被引导到存有那份快照的NVMe盘所在的机器上，然后在本地瞬间开机。这就是我们从一个智能体电脑的“第一性原理”推导出来的一套做法。 **Swyx:** 我不确定你是否认可，但有些像Compute SDK的基准测试，你们的TTI成绩非常出色。 **Ivan:** 那些基准每天在变，今天可能又不一样了。不管怎样，我们在这个维度上一直是冠军，但沙箱的定义也在不断变化，比如RKL数据存S3，概念完全不同。总之，我们确实是启动最快的之一，时间在0.10到0.11秒左右。 **Swyx:** 那已经够用了，还要怎样？ **Ivan:** 老实讲，基准测试成绩不一定直接转化成市场份额或收入。这只是一个入门门槛。 **Swyx:** 这是基本操作。 **Ivan:** 对，它不丢人，但也不是全部。客户还关注并发能力、特性、支持等等。但你必须在基准测试上盯住第一梯队。 **Swyx:** 那并发能力呢？你们能同时跑多少个？ **Ivan:** 我们关注三个指标：单个启动时间（60毫秒，从请求到响应全部），然后是并发启动。我们目前能在75秒内同时启动5万个沙箱。别的提供商，有公开数据显示需要2000秒（30分钟）。第三是持续在线数量。我们没有上限，因为我们控制着自己的物理机。最大的客户每天运行大约85万个沙箱。我们甚至收到过一个请求，要求支持50万个并发，也就是同时要有50万个CPU在跑。 **Swyx:** 他们按vCPU秒付费？ **Ivan:** 对，按秒计费。另外还有快照的休眠和恢复，因为有状态持续。在这些所有特性里，哪种工作负载最耗资源？ **Ivan:** 最贵的是CPU，然后是内存，然后是磁盘。我们目前不收网络费。 **Swyx:** 哦，这得改改了。 **Ivan:** 对，它越来越贵了，我们正在调整。基本上按成本排序就是 CPU > 内存 > 网络（因为没向客户收）> 硬盘。我们的工作负载可以分成两大类：一类是后台智能体（长期运行的），另一类是强化学习和评估。这两者的使用模式完全不同。后台智能体，比如Cognition、Lovable、Harvey这些，它们的使用模式类似人类，是跟随太阳的：中午最忙，午夜最闲，周末比工作日低。 **Swyx:** 你们是全球化分布的吗？主要是美国市场？ **Ivan:** 美国是大头，但我们已在亚洲、欧洲和美国都部署了节点。挺有意思的是，我们用户数最多的城市不是美国的，而是新加坡。 **Swyx:** 真的？这挺意外的。 **Ivan:** 我们也挺惊讶。日本东京也排在前列，这在以前的科技周期里几乎没出现过。 **Swyx:** 可能是因为日本人特别爱AI吧。然后巴西也一直很靠前。 **Ivan:** 巴西历来都是，在CodeAnywhere时代，用户来源通常是美国、西欧，然后是印度、巴西、中国。新加坡和日本这次是头一回进前列。 **Swyx:** 全球化对你分摊负载有好处，但研究型负载就完全不同了。他们会一次性开1万、5万、10万个CPU，全力跑完，然后停掉。这种使用模式像一个个方块，不跟随太阳，且完全不可预测。如果公司规模大，你可以大致预测后台负载来备容量。但强化学习/评估这种负载是超级尖峰式的，不用的时候零，用的时候要十万核，然后唰地又归零。 **Ivan:** 对，所以我们需要他们签一些承诺作为容量预留。目前Daytona的平均利用率只有15%。 **Swyx:** 天啊。 **Ivan:** 很低，因为太尖峰了，但峰值时能到90%。我们现在正在解决的事情，类似Cloudflare通过地理分布来平衡负载，但那对后台负载很有效，对这种尖峰模式不管用。这不单是我们的问题，我们搞了个“计算大会”，跟Neon的Nikita、Parallel的Parag聊，大家都一样，都面临这种历史上前所未有的超高振幅尖峰负载。这确实是个有趣的新问题。 **Swyx:** 说到这个大会，你在Chase Center搞的，我看去了很多人，很成功。你想从中得到什么？ **Ivan:** 我的想法是把所有为AI智能体建基础设施的人聚在一起。因为当把智能体作为主视角来考虑时，它的使用模式和人体工程学是全新的。结果我发现，大家面临的是完全一样的底层问题——这种人类计算时代从未有过的尖峰和不可预测负载。这跟Cloudflare不一样，它们能通过地理分布平衡负载，但那种负载的尖峰不会到10倍甚至几十倍。我们所有人都在想办法解决这个问题。 **Swyx:** 再深挖一下。比如Neon，我知道他们核心依赖S3，所以可以利用S3的全球基础设施来分摊。但你们和Parag他们搞CPU和内存的，就没那么轻松了。 **Ivan:** 对，你还是要为CPU和内存分配好容量。两个办法：要么超额配置来应对突发，要么，我称之为“即时计算”，就是当负载超过阈值时，临时去别的云提供商那儿拉机器。但这会慢一些，因为要排队、要配环境。如果客户不允许慢，比如强化学习训练，GPU很贵，你得让GPU全程100%运转。如果CPU这边掉链子，GPU就得等，这就会产生成本。 **Swyx:** 跟我们说说工作负载的变化吧。你提到，几个月前RL的负载还是零，现在已经占到50%了。 **Ivan:** 对，很快就要到50%了。这种工作负载和后台智能体差别很大。后台智能体执行动态代码，而RL跑的基本是相同的代码，只是大规模并行。他们会用我们的声明式镜像构建器，指定依赖和环境变量，然后我们构建一份快照，之后就能对着这个快照启动任意多的沙箱。模型可以决定对快照做增删改，然后开始下一轮。我们在这个场景下主要在和托管Kubernetes（EKS、GKE）竞争。所有用过Daytona的人回头都说，“我再也不会用K8s了。” 原因有三：一是人体工程学，Daytona的API和SDK用起来像Twilio、Stripe，而不是AWS；二是速度，我们已经提过；三是一个关键特性——我们可以动态调整沙箱的内存（防止OOM），这在其他平台几乎不可能实现。 **Swyx:** 像TerminalBench团队，就直接在文档里推荐你们。 **Ivan:** 是的，Alex和他的团队把我们带入了这个圈子，我们并没给他们钱。 **Swyx:** 这确实罕见，一个框架会直接说“用Daytona”。 **Ivan:** 还有Harbor的人。此外，我们底层有多个隔离层级，默认是Docker容器（用Sysbox加固），隔离性达到VM级别但仍是容器。对于RL训练，他们特别喜欢可以跑docker-compose甚至在里面跑K3s，这能解锁其他提供商上跑不了的工作负载。 **Swyx:** 随着这个新负载类型进来，你学到了什么？ **Ivan:** 我们的故事就在于和客户的大量沟通。有意思的是，这个生态圈子很小，或者模型变得更聪明了。当一个客户提需求，只要这周内再有3到5个客户提一模一样的需求，我们就知道这事儿该上路线图。这种事发生得非常频繁。 **Swyx:** 因为他们都在同一个聊天群里。 **Ivan:** 大概吧。我本人尽量参加所有的“销售会议”，进了大概一千个Slack Connect频道。在这里能发现很多有趣的信息，比如看见人跳槽。话说回来，我们最近一个比较大的押注是“电脑使用”（Computer Use）这个方向。 **Swyx:** 有可以展示的内容吗？ **Ivan:** 网站上就能看到。现在业界有个新主题，就是让智能体去模拟人类操作，比如Elon的xAI就在提。我认为最高效的方式是“无头”模式，通过终端操作。但看看知识工作者这个群体，美国一亿，全世界十亿。他们创造的薪资规模高达数十万亿。其中很大一部分工作被锁定在Windows的遗留应用程序里，这些程序永远不会被重写。如果智能体能自动化其中哪怕40%的工作，那也是个十万亿美元级别的TAM。要解锁这个市场，就必须给智能体配上电脑，而且最好是Windows电脑（或macOS）。现在唯一的选项是AWS或Azure的EC2，启动要3到5分钟。我们建立了一个能在秒级（不是毫秒级）启动的Windows沙箱，支持快照、fork等所有功能。这才是我们下一个大赌注。 **Swyx:** 听着像是RPA（机器人流程自动化）的下一波浪潮。UI Path IPO的时候很火，但所有人都明白没人想重写那些烂应用，只能通过远程操作来搞定它们。 **Ivan:** 我自己就在实践。上个月我要做一份董事汇报，所有数据分散在ClickHouse、PostHog、QuickBooks里。我先用Claude Code加API去拉，结果拿回来说“数据不全”。来回好几次都是“部分数据”。后来我找了个Mac Mini虚拟机，跑上OpenClaude，给它创建个公司内部只读账户，让它像实习生一样自己登陆网页去导出数据，才终于把事情办好。连我们这种用着最热门工具的初创公司都需要“电脑智能体”，高盛那类大公司能怎么办？ **Swyx:** 为什么微软自己不深度搞这个？ **Ivan:** 我觉得Satya前两天刚发了条推，“每个智能体都需要一台电脑”。他们有Power Automate，但我们也想做我们自己的版本。不过macOS沙箱这事确实很棘手。 **Swyx:** 是许可问题吧？ **Ivan:** 许可问题。第一，每台物理机最多只允许跑两个并行的macOS VM。第二，每24小时内，一个许可只能换给一个不同的用户。所以按秒计费根本不可能，我可能得按24小时收费。更麻烦的是，macOS只允许在本地物理机上做内存快照的暂停、恢复。在Windows和Linux世界，我可以把快照在后台挪到不同机器上去管理负载，但macOS不行。这完全限制了可扩展的智能体工作负载。 **Swyx:** 那可能需要有人写个macOS的Clean Room实现，就像当年Linux那样？ **Ivan:** 会有人做的。我们可以很快提供，但定价和特性集都会有约束。 **Swyx:** 实验室们最需要这个，因为他们要对着macOS做强化学习。 **Ivan:** 没错，他们跑RL的话，下一代模型就能用上这些工具，然后这些模型又需要地方跑。苹果这边，我觉得他们是在限制自己未来的潜在营收。如果他们能像Windows和Linux那样开放并发模型该多好。 **Swyx:** 他们肯定听过这些抱怨，只是不在意。 **Ivan:** 也许下个CEO会改主意。 **Swyx:** 市场在Windows上就很大了，但客户肯定两边都想要。OpenClaude对你们影响大吗？ **Ivan:** 对我们不大，因为定位不同。虽然我们也是PLG（产品驱动增长），但大部分用户是B2B2C（平台型客户）。研究员世界是B2B，卖给大实验室；长期运行的智能体，从收入规模看，主要是卖给像Manus、Lovable这类应用层平台。 **Swyx:** 这听起来比直接服务个人开发者好多了。 **Ivan:** 是的。我做过CodeAnywhere，那完全是面向最终开发者。这会收获很多开发者之爱，但很难规模化。个人开发者对价格敏感。但企业不一样，很多公司现在的态度是“只要能提升生产力，你尽管花”。 **Swyx:** 聊聊对你有利的一些趋势吧，比如MCP和CLI之争。显然你希望CLI赢，因为它对你有利。 **Ivan:** 所有这些事都对我们有利。比如Anthropic推出的Claude Code袋里SDK，就很有意思。很多应用层智能体公司发现，“我只要用Claude Code，把它丢进沙箱，就能快速做出产品。” 这催生了更多公司，它们都来买沙箱。至于MCP和CLI，MCP是调用API的接口，而CLI能真正去“做事”。能熟练调用CLI，让智能体可以做更多的事。它是对数据集进行分析、跑脚本、给出结果，而不是仅仅从API拉数据。 **Swyx:** 你已经在B2B这个大盘子里了。对于你的未来，有什么想法？4月份月增长75%，年底会怎样？ **Ivan:** 这个数字大得吓人，我都不敢公开说。整个基础设施市场听说都在以40%左右的速度增长。这某种程度上也是个“热门观点”：如果你没到这个速度，可能单纯的“市场红利”都够你躺平了。从CPU角度看，很有可能“预先持有CPU”本身会成为一项重要的市场策略，就像现在GPU提供商被NVIDIA的供应量卡住一样。我们所有做CPU生意的，包括数据库，都要尽可能快地去锁定和采购未来的CPU产能。 **Swyx:** 最后一个概括性问题：你认为Daytona的潜力，更像是新一版的Heroku，新AWS，还是新Stripe？ **Ivan:** 好问题。很多人说“AI时代的AWS”，但从用户体验来看，**它可能看起来更像Stripe而不是AWS**。未来的AI云会是为智能体专门打造的，里面会有沙箱、网络搜索、像SQLite或Neon那样的数据库，以及其他为智能体优化的服务。我们现在还没到终点，更多的底层基础设施范式正在被创造出来。我们有些关于下一个范式的想法，只是没时间去做。但我确信，会有一个把所有这些东西整合在一起的“AI云”出现。

来源：互联网