文章转载自「海外独角兽」 Multi agent 系统正成为新的突破方向的过程中，agent infra 也成为落地关键。在 computer use 带来范式创新的趋势下，virtual machine 将成为 潜在创业机会，E2B 就是这个领域的新兴参与者。 E2B 之所以受到市场关注很大程度上是因为 Manus，Manus agent 完成任务过程中的 virtual computer 支持正是来自于 E2B。E2B 成立于 2023 年，作为一个开源基础设施，允许用户在云端的安全隔离沙盒中运行 AI 生成的代码。E2B 本质上是一个可以快速启动（~150 毫秒）的 microVM， 它的底层类似于 AWS Firecracker 这个代表性的 MicroVM，在此基础上， AI Agents 可以在 E2B 中运行代码语言、使用浏览器、调用各种操作系 统中的工具。 随着 Agent 生态的繁荣，E2B 的 沙盒月创建量一年内从 4 万增长到 1500 万，一年内增长了 375 倍。 为什么 AI agents 需要专属的"电脑"？ 为了更好地理解这个问题，「海外独角兽」编译了 CEO Vasek Ml ...

核心观点 - Multi agent系统成为新突破方向，agent infra成为落地关键，E2B是该领域新兴参与者[3] - E2B提供安全隔离沙盒环境，支持AI生成代码运行，月创建量一年内从4万增长到1500万，增长375倍[3][10] - E2B愿景是成为AI Agent时代的AWS，提供从开发到部署的完整生命周期支持[4][13] E2B概述 - 成立于2023年，创始人为Vasek Mlejnsky和Tomas Valenta，前身为DevBook项目[7] - 核心产品是快速启动(~150毫秒)的microVM，支持Python和JavaScript，分别有50万和25万次月SDK下载量[11] - 从代码解释器转型为更通用的LLM/agent运行时环境，2024年实现快速增长[10] 技术架构 - 底层类似AWS Firecracker的MicroVM技术[3] - 已实现持久化(persistence)功能，支持沙盒暂停和恢复[17] - 计划推出分叉(forking)和检查点(checkpointing)功能，支持多agent并行探索[15] - 提供专用code interpreter SDK，预包装常用数据分析包[18] 应用场景 - 主要场景1：AI数据分析支持，支持创建图表、安装第三方库、错误修复闭环[18] - 主要场景2：AI生成应用运行平台，提供Fragments开源模板[20] - 新兴场景：模型训练，如Hugging Face用于强化学习和代码生成训练[23][26] - 探索场景：computer use agent，推出Desktop Sandbox和open-computer-use项目[32] 行业趋势 - Agent应用场景从coding、sales、customer support扩展到computer use[31] - 传统云计算为静态应用设计，agent需要动态生成代码的全新解决方案[13] - 开发者工具粘性关键在于无缝融入工作流，保持LLM中立性[27][28] - 定价模式面临挑战，需平衡简单性和资源消耗计量[30] 技术挑战 - computer use agent面临安全性、点击操作、推理能力等五大挑战[40] - 视觉界面操作替代API访问带来新的技术难题[44][55] - 小众LLM部署和实时画面流传输需要特殊解决方案[49][50] - 权限管理和敏感信息处理成为关键安全问题[56][58] 公司发展 - 选择扎根硅谷，因用户集中且人才密度高[62][64] - 早期采用定期驻点方式，后转为常驻以提升效率[62] - 创始团队强调面对面协作对初创期的重要性[64]