編輯｜Panda

2026 年初這幾個月，隨著 OpenClaw 的爆火，AI 領(lǐng)域也正式步入了 Harness 時代。在這股浪潮中，MiniMax 憑借其敏銳的技術(shù)嗅覺，成為了這場變革中的一大核心焦點。

其近期相繼推出的云端 AI 助手MaxClaw以及剛剛?cè)掳l(fā)布的MaxHermes便是最佳例證。這兩款應(yīng)用分別基于 OpenClaw 架構(gòu)以及近幾天大熱的 Hermes Agent 構(gòu)建，徹底掃清了本地部署服務(wù)器與配置 API 密鑰的工程門檻。

其中，MaxClaw 已在用戶規(guī)模上躋身同類服務(wù)第一梯隊。而剛面世的 MaxHermes 則能通過「自主智能演化」機(jī)制，在完成每一項復(fù)雜任務(wù)后都解鎖全新的專屬技能，持續(xù)擴(kuò)張能力邊界。此外，MaxHermes 實現(xiàn)了 10 秒以內(nèi)的極速部署與全天候穩(wěn)定可用，并支持全場景接入，用戶無需切換第三方平臺，在日常聊天應(yīng)用中即可直接開啟實時對話。

這種從單機(jī)工具走向大規(guī)模云端部署的爆發(fā)式增長，讓底層系統(tǒng)瞬間涌入海量的并發(fā)請求，也揭示了當(dāng)前 AI 領(lǐng)域的一個核心命題：應(yīng)用落地正面臨極其殘酷的工程大考

站在行業(yè)演進(jìn)的客觀視角，這輪大爆發(fā)標(biāo)志著一場 AI Agent 架構(gòu)重心的大轉(zhuǎn)移：早期的智能體主要基于Context Engineering架構(gòu)，重點在于將問題描述清楚，給模型提供更多輸入，以優(yōu)化其「認(rèn)知能力」。

然而，隨著應(yīng)用深入真實業(yè)務(wù)場景，行業(yè)正迅速向Harness Engineering架構(gòu)演進(jìn)。這一全新架構(gòu)要求智能體深入本地數(shù)據(jù)、辦公應(yīng)用并完成最終動作交付，其實質(zhì)是賦予大模型強(qiáng)大的自主「執(zhí)行能力」。正如 OpenAI 的《Harness Engineering》博客文章說的那樣：「Humans steer. Agents execute.（人類掌舵。智能體執(zhí)行。）」

當(dāng)數(shù)以十萬計的智能體并發(fā)執(zhí)行這類高權(quán)限與多步驟的復(fù)雜任務(wù)時，傳統(tǒng)的系統(tǒng)架構(gòu)往往難以支撐。業(yè)界十分好奇：MiniMax 是如何扛住 MaxClaw 和 MaxHermes 如此龐大的流量洪峰并保證業(yè)務(wù)穩(wěn)定的？

近期，阿里云與 MiniMax 披露了一些底層技術(shù)合作，為我們解開了這道超級智能體背后的基礎(chǔ)設(shè)施謎題。

本文將基于此，深度剖析 MiniMax 究竟是如何借助阿里云的云原生方案重塑了 Agent 運行底座，撐起了智能體時代的系統(tǒng)變革。

可用→落地

企業(yè)級 Agent 的四道鴻溝

毫無疑問，對于個人開發(fā)者與輕量級自動化場景而言，OpenClaw 與 Hermes Agent 所代表的 Harness Engineering 架構(gòu)展現(xiàn)出了很高的應(yīng)用價值：部署靈活、接入成本低，能夠快速連接本地文件系統(tǒng)、桌面應(yīng)用和瀏覽器環(huán)境，較好滿足通用任務(wù)自動化需求。

然而，當(dāng) AI Agent 試圖步入企業(yè)級生產(chǎn)環(huán)境時，問題的核心也會隨之發(fā)生轉(zhuǎn)移：企業(yè)更關(guān)注系統(tǒng)能否在安全、穩(wěn)定、可控、可運維的前提下持續(xù)運行

客觀剖析 OpenClaw 與 Hermes Agent 此類本地單機(jī)執(zhí)行框架，在應(yīng)對企業(yè)級復(fù)雜業(yè)務(wù)時，往往會暴露出四道難以逾越的關(guān)鍵鴻溝：

第一道鴻溝在于極度敏感的安全邊界：企業(yè)的核心痛點在于執(zhí)行鏈路的絕對可控。OpenClaw 與 Hermes Agent 直接運行于宿主操作系統(tǒng)之上，天然具備 Shell 執(zhí)行、文件讀寫等高危權(quán)限。一旦大模型遭遇提示詞注入，極易引發(fā)越權(quán)操作與惡意代碼執(zhí)行。公開披露的信息顯示，截至 2026 年 3 月，OpenClaw 已累計披露 82 個 CVE 漏洞。這意味著僅僅具備本地執(zhí)行能力遠(yuǎn)遠(yuǎn)不夠，平臺也必須擁有更堅固的沙箱隔離機(jī)制。

第二道鴻溝是長任務(wù)執(zhí)行中的狀態(tài)易失性：AI Agent 的運行模式正從短時交互演變?yōu)槎嚯A段、跨會話的長流程任務(wù)。這要求系統(tǒng)必須能夠持續(xù)維護(hù)上下文記憶與執(zhí)行進(jìn)度。OpenClaw 與 Hermes Agent 的設(shè)計重心偏向單體運行時，在持久化狀態(tài)管理上能力受限。一旦遇到實例重啟或網(wǎng)絡(luò)中斷，任務(wù)上下文極易丟失，難以支撐企業(yè)級業(yè)務(wù)閉環(huán)的要求。

第三道鴻溝是大規(guī)模集群運維的系統(tǒng)性困境：真正的企業(yè)級挑戰(zhàn)在于海量實例的統(tǒng)一調(diào)度。OpenClaw 與 Hermes Agent 的架構(gòu)更適合單機(jī)自治部署。當(dāng)企業(yè)需要并發(fā)運行數(shù)十萬級 Agent 時，如何實現(xiàn)彈性調(diào)度、版本灰度升級與故障自愈，成為了單機(jī)框架無法解決的系統(tǒng)級難題。

第四道鴻溝是成本消耗與劇烈負(fù)載波動之間的博弈：OpenClaw 與 Hermes Agent 這類自治型 Agent 通常需要常駐運行以維持維持會話狀態(tài)、心跳檢測和任務(wù)響應(yīng)能力。這種模式在空閑期會持續(xù)占用計算資源并產(chǎn)生較高的基礎(chǔ)成本。而在復(fù)雜任務(wù)被觸發(fā)的瞬間，模型推理與工具調(diào)用又會在極短時間內(nèi)急劇拉升 CPU 與內(nèi)存消耗。這種波谷空轉(zhuǎn)與波峰搶占的典型特征，使得企業(yè)在面臨規(guī)模化場景時，承受著巨大的成本控制與資源調(diào)度壓力。

MaxClaw 與 MaxHermes 的云上重構(gòu)與

阿里云 ACK/ACS 破局

面對本地單機(jī)執(zhí)行框架在生產(chǎn)環(huán)境中暴露出的底層鴻溝，單純在應(yīng)用層修補(bǔ)代碼已無濟(jì)于事。MiniMax 的研發(fā)團(tuán)隊選擇了一條云原生重構(gòu)的道路。

在 MaxClaw 與 MaxHermes 的整體架構(gòu)中，他們拋棄了控制與執(zhí)行高度耦合的單體設(shè)計，轉(zhuǎn)而采用控制平面與執(zhí)行平面分離的模式。在這套架構(gòu)中，阿里云容器服務(wù) Kubernetes 版 ACK承載了統(tǒng)一的控制面，負(fù)責(zé)海量消息分發(fā)、任務(wù)編排、策略下發(fā)以及統(tǒng)一的運行觀測。而最繁重且充滿未知風(fēng)險的工具執(zhí)行工作，則全權(quán)交由ACS Agent Sandbox進(jìn)行動態(tài)調(diào)度與承載。

MiniMax MaxClaw 技術(shù)架構(gòu)圖

這種深度的架構(gòu)演進(jìn)，配合阿里云底層的技術(shù)重塑，為企業(yè)級 Agent 落地提供了四個維度的破局思路：

1、筑牢執(zhí)行邊界：面向高權(quán)限執(zhí)行場景的安全隔離能力

對于企業(yè)而言，OpenClaw 與 Hermes Agent 直接運行于宿主機(jī)所帶來的最大挑戰(zhàn)，不在于 Agent 是否具備執(zhí)行能力，而在于高權(quán)限執(zhí)行過程是否處于可控邊界之內(nèi)

針對這一安全暴露面，MiniMax 采用的核心思路是將 Agent 的執(zhí)行過程從「宿主機(jī)直接運行」重構(gòu)為「沙箱內(nèi)受控執(zhí)行」，通過云原生隔離基礎(chǔ)設(shè)施為每個運行實例建立獨立、安全、可治理的執(zhí)行邊界。即使單個沙箱遭遇提示詞注入或越權(quán)攻擊，其風(fēng)險影響范圍也會被嚴(yán)格收斂在實例內(nèi)部，難以橫向滲透或逃逸；再結(jié)合動態(tài)權(quán)限收斂、端到端數(shù)據(jù)加密與操作留痕審計，形成覆蓋執(zhí)行前、執(zhí)行中與執(zhí)行后的全流程安全閉環(huán)。

在具體實現(xiàn)上，阿里云提供的 Agent Infra 從計算、存儲和網(wǎng)絡(luò)三個層面，與 MiniMax 共同構(gòu)建面向企業(yè)場景的安全隔離能力：

計算層面，針對越權(quán)與惡意執(zhí)行的風(fēng)險，ACS Agent Sandbox 為每個 MaxClaw 或 MaxHermes 實例提供了 MicroVM（輕量級虛擬機(jī)）級別的隔離環(huán)境。每個沙箱均運行在獨立的內(nèi)核之中，攻擊者必須突破虛擬化層才可能實現(xiàn)逃逸，這從根本上阻斷了高危指令對宿主機(jī)的影響。

存儲層面，系統(tǒng)為每個 Agent 分配了基于 ESSD 云盤的專屬可加密存儲空間，并在會話啟動時結(jié)合 NAS 動態(tài)掛載子目錄，從操作系統(tǒng)級別收斂了數(shù)據(jù)的可見邊界。

網(wǎng)絡(luò)層面，沙箱采用了默認(rèn)拒絕（Default Deny）的輕量級訪問控制策略 TrafficPolicy，結(jié)合企業(yè)安全組實現(xiàn)出入站流量的精細(xì)管控。這種三管齊下的防御機(jī)制，將潛在風(fēng)險嚴(yán)格封鎖在單一實例內(nèi)部。

2、擊碎狀態(tài)丟失：面向長任務(wù)與跨會話場景的持久化狀態(tài)管理

長周期任務(wù)的連續(xù)性一直是業(yè)界公認(rèn)的難題。MiniMax 創(chuàng)造性地將易失的運行時環(huán)境與底層狀態(tài)進(jìn)行了剝離，構(gòu)建了一套分層的持久化存儲架構(gòu)

在此架構(gòu)中，不同類型的狀態(tài)數(shù)據(jù)被精準(zhǔn)映射到最適合的物理介質(zhì)之上：

1. 基于沙箱內(nèi)置 ESSD 云盤的高 IOPS 特性，系統(tǒng)將其作為私有工作空間，承載配置類信息、API 密鑰以及短期記憶等核心數(shù)據(jù)。
2. 對于需要跨實例協(xié)同的 Skills 資產(chǎn)與工作流定義，系統(tǒng)通過 CSI 動態(tài)掛載 NAS 共享空間來實現(xiàn)統(tǒng)一分發(fā)。
3. 結(jié)構(gòu)化的業(yè)務(wù)結(jié)果數(shù)據(jù)與高頻緩存狀態(tài)則依托 PolarDB 與 Tair 進(jìn)行存儲與讀取加速。

這套精密的分層架構(gòu)使得 Agent 即使遭遇實例漂移或系統(tǒng)重啟，也能迅速基于歷史快照重建完整的執(zhí)行上下文。

3、跨越單機(jī)門檻：面向大規(guī)模生產(chǎn)環(huán)境的平臺化運維能力

當(dāng)企業(yè)需要同時運行海量 Agent 時，平臺級的統(tǒng)一治理能力至關(guān)重要。MiniMax 放棄了單機(jī)式的工具運行模式，基于 ACK 與 ACS 構(gòu)建了控制平面與執(zhí)行平面分離的云原生架構(gòu)

其中，ACK 負(fù)責(zé)承載統(tǒng)一的接入層與業(yè)務(wù)控制層，集中處理消息分發(fā)、任務(wù)編排、策略下發(fā)、狀態(tài)管理和運行觀測等核心能力。這種控制面上收的設(shè)計，使企業(yè)能夠從「管理單個 Agent 進(jìn)程」升級為「管理一套可編排的 Agent 平臺」。

在執(zhí)行側(cè)，ACS Agent Sandbox 負(fù)責(zé)根據(jù)任務(wù)請求動態(tài)拉起、分配和回收沙箱實例。Agent 的運行徹底擺脫了固定節(jié)點或環(huán)境的綁定，直接通過統(tǒng)一調(diào)度實現(xiàn)彈性承載。

依托這套統(tǒng)一控制面，無論是單個實例的故障恢復(fù)，還是成千上萬實例的批量部署與版本切換，均可通過平臺化方式進(jìn)行治理，完全免去了人工逐點維護(hù)的繁瑣。同時，消息分發(fā)、文件訪問、狀態(tài)存儲和工具調(diào)用也被統(tǒng)一納入標(biāo)準(zhǔn)鏈路，協(xié)助企業(yè)圍繞 Agent 建立完善的 SLA 與監(jiān)控運營體系，推動應(yīng)用真正走向生產(chǎn)級規(guī)�；涞亍�

4、瓦解閑置成本：面向波動負(fù)載的彈性調(diào)度與資源治理

AI Agent 天然具有常駐與突發(fā)交織的負(fù)載特征：空閑時需保持在線以維持狀態(tài)響應(yīng)，任務(wù)觸發(fā)后又會在短時間內(nèi)迅速拉升計算消耗。

為了突破冷啟動瓶頸并壓縮用戶的感知時延，ACS Agent Sandbox 引入了自定義模板預(yù)熱機(jī)制，將 OpenClaw 或 Hermes Agent 運行所需的鏡像及依賴提前加載至緩存之中。結(jié)合MicroVM 的輕量虛擬化能力，系統(tǒng)實現(xiàn)了 20~40ms 的極速實例供給，大幅優(yōu)于傳統(tǒng)容器數(shù)十秒的冷啟動耗時。

面對海量并發(fā)和明顯的潮汐流量，該平臺支持最高每分鐘 15000 個沙箱的大規(guī)模彈性供給。任務(wù)發(fā)起時按需創(chuàng)建，結(jié)束后自動釋放，系統(tǒng)無需為峰值負(fù)載長期預(yù)留固定資源，顯著提升了整體的資源利用率。

更為關(guān)鍵的是，為了在如此高的彈性中保障任務(wù)的連續(xù)性，平臺通過獨占 MicroVM 沙箱、獨立 ESSD 云盤、獨立彈性網(wǎng)卡以及運行時 Checkpoint 能力，構(gòu)建了堅實的運行保障機(jī)制。即使在擴(kuò)縮容、網(wǎng)絡(luò)波動或?qū)嵗w移過程中，任務(wù)狀態(tài)依舊可恢復(fù)，確保執(zhí)行鏈路連貫且用戶體驗不中斷。這種機(jī)制讓 Agent 的資源消耗變得可調(diào)度與可預(yù)測，在低負(fù)載時有效降低了空轉(zhuǎn)成本，同時在高峰期穩(wěn)健保障了算力供給。

智能體時代的「操作系統(tǒng)」

當(dāng)控制面與執(zhí)行面在云端完成解耦后，上層應(yīng)用的復(fù)雜性被成功屏蔽。然而，無論軟件架構(gòu)如何精巧，海量智能體的高頻啟停、高密度虛擬化隔離以及極其龐大的并發(fā)請求，最終都需要彈性且高效的基礎(chǔ)設(shè)施資源來承載�；A(chǔ)設(shè)施的 Serverless 化，對系統(tǒng)的吞吐極限與經(jīng)濟(jì)性提出了更嚴(yán)苛的考驗。

整體來看，MiniMax 在云端的基礎(chǔ)設(shè)施演進(jìn)，為整個 AI 產(chǎn)業(yè)提供了一個極具前瞻性的切面。隨著大模型能力邊界的不斷拓展，算力市場的結(jié)構(gòu)正在發(fā)生不可逆轉(zhuǎn)的傾斜

知名研究機(jī)構(gòu) IDC 在最新的《FutureScape 2026》預(yù)測中指出，到 2027 年，全球 2000 強(qiáng)企業(yè)的 Agent 使用量將增加 10 倍，相關(guān)的 Token 和 API 調(diào)用負(fù)載將激增 1000 倍。同時，Agentic 自動化將增強(qiáng)超過 40% 的企業(yè)應(yīng)用能力。此外，IDC 的一項全球調(diào)研顯示，推理已經(jīng)成為最大的 AI 工作負(fù)載細(xì)分市場，占據(jù)了所有 AI 運營的 47%。這標(biāo)志著整個行業(yè)的重心，已經(jīng)全面步入大規(guī)模的后訓(xùn)練與推理執(zhí)行階段，且算力焦點正快速向 Agent 場景轉(zhuǎn)移。在這個新階段，高能效、高彈性且具備強(qiáng)安全邊界的調(diào)度平臺，將成為所有 AI 企業(yè)必須跨越的技術(shù)門檻。

同時，另一份來自 Gartner 的行業(yè)報告指出，到 2028 年，大約 95% 的新 AI 部署將基于 Kubernetes 環(huán)境運行。當(dāng)數(shù)以十萬計的 AI Agent 走向全天候在線，云計算平臺正在實質(zhì)性地演變?yōu)橐慌_巨大的「AI 超級計算機(jī)」。而以 ACK 與 ACS 為代表的現(xiàn)代容器服務(wù)，正順理成章地蛻變?yōu)檫@臺超級計算機(jī)的「云原生操作系統(tǒng)」。

在這個全新定義的操作系統(tǒng)之下，阿里云 ACK/ACS 與上層的智能體業(yè)務(wù)邏輯共同構(gòu)成了一套安全、彈性、狀態(tài)保持、生態(tài)兼容的生產(chǎn)級 Agent 運行底座。這種涵蓋「上層應(yīng)用驅(qū)動」與「云端系統(tǒng)調(diào)度」的合作模式，為海量 Agent 的企業(yè)級落地提供了標(biāo)準(zhǔn)范本。

未來，當(dāng)這種由前沿應(yīng)用、高性能平臺與強(qiáng)悍物理算力組合而成的架構(gòu)被推廣到千行百業(yè)時，海量的 AI Agent 將依托這套智能底座實現(xiàn)真正的自組織與自演化。這預(yù)示著技術(shù)發(fā)展邁出了關(guān)鍵的一步，必將助力全行業(yè)加速向智能體賦能的新紀(jì)元躍遷。