AWS 推出了 Lambda MicroVM，这是一种新的无服务器计算选项，可在隔离的、有状态的虚拟环境中运行用户生成的代码和 AI 生成的代码。
Lambda MicroVM 使用 AWS Firecracker 虚拟化技术，为每个用户、作业或 AI 代理会话提供独立的执行环境。每个 MicroVM 都拥有专用的资源。 HTTPS 端点，并且在挂起时可以保留其内存和磁盘状态。
AWS 将该服务定位为 AI 编码代理、交互式开发工具、数据分析平台、安全扫描器、CI/CD 系统以及其他执行平台运营商未编写的代码的应用程序。
从 HostScore从他的角度来看，此次公告比AWS推出另一项计算服务意义更为重大。它表明AI托管正在扩展到模型部署之外。 GPU 容量。随着人工智能代理开始运行代码、使用工具和管理文件，这些操作发生的环境正在成为托管堆栈的一个独立部分。
AWS究竟发布了什么？
AWS Lambda 微型虚拟机提供隔离的执行环境，开发人员可以围绕单个用户、作业或代理会话创建这些环境。
开发者在请求 Lambda 构建 MicroVM 镜像之前，会将应用程序和 Dockerfile 打包在一起。AWS 会初始化应用程序并捕获已准备好的环境快照。之后，新的 MicroVM 将从该快照启动，而无需重复完整的设置过程。
每个微型虚拟机都有自己的 HTTPS 端点。AWS 支持 HTTP/2、gRPC 和 WebSocket 连接，使环境能够托管交互式开发工具、代码执行服务以及其他需要持续通信的应用程序。
MicroVM 在空闲时也可以挂起。AWS 会保留其内存和磁盘状态，并在流量恢复或应用程序请求恢复时将其恢复。MicroVM 的最大配置生命周期（包括运行时间和挂起时间）为八小时。
AWS 于 2026 年 6 月 22 日宣布推出 Lambda 微型虚拟机，并于 7 月 10 日发布了更详细的技术发布文章。首批版本已在弗吉尼亚州北部、俄亥俄州、俄勒冈州、东京和爱尔兰推出。
因此，Lambda 微型虚拟机扩展了 Lambda 的功能，使其不再局限于基于事件的短时执行。它们提供了一个更持久的环境，能够在 AWS 管理虚拟化、网络、暂停和终止过程的同时，保持工作状态。
为什么人工智能代理需要有状态的执行环境？
人工智能代理需要有状态的执行环境，因为它们的任务可能涉及在较长的会话期间执行的多个相互关联的操作。
代理程序可以生成脚本、安装软件包、处理文件、运行浏览器、调用 API、检查结果，然后更改其下一步操作。早期阶段创建的文件、依赖项和应用程序状态在后续阶段可能仍然需要。
每次操作后重建环境会增加延迟，并迫使系统反复重新创建代理的工作状态。
人工智能生成的代码需要隔离边界
AI 生成的代码需要隔离边界，因为平台不能假设每个命令都会按预期运行。
错误或被篡改的代码可能会访问敏感文件、泄露凭据、连接到非预期系统或干扰其他用户的工作负载。Lambda 微型虚拟机使用硬件虚拟化技术，为每个会话提供独立的客户环境，而不是在同一个应用程序进程中运行所有任务。
但是，虚拟机级别的隔离并不能决定代理可以执行哪些操作。
2026年7月的评论预印本“具备网络能力的AI代理：漏洞、评估遏制和防御响应作者：Abu Bakar Siddik（资源它审视了功能强大的AI代理与用于容纳它们的环境之间的边界。它识别出与凭证泄露、持续访问、与沙箱限制冲突以及自动化操作速度相关的风险。
AWS 还建议开发人员在 MicroVM 恢复运行时刷新凭证并验证网络连接。生命周期钩子允许应用程序在挂起前关闭连接，在恢复后恢复已批准的连接，并在终止前清理资源。
Lambda 微型虚拟机隔离了执行环境。应用程序所有者仍然必须限制其内部可用的工具、凭据、文件、网络和外部服务。
状态保留支持多步骤代理工作
状态保留允许代理暂停而不丢失其文件、内存、已安装的依赖项和中间结果。
AWS 会根据预先准备好的快照创建每个 MicroVM。代理运行时，环境会保持活动状态；经过一段可配置的空闲期后，环境会暂停；当收到新的请求时，环境会恢复运行。
此模型减少了重复初始化，但并非所有情况下都能立即恢复。AWS 指出，暂停后的第一个请求需要等待平台恢复内存和磁盘状态并运行应用程序的恢复钩子。较大的已保存状态和更复杂的恢复过程可能会增加此延迟。
状态保留功能还能保存可能需要刷新或删除的内容。已暂停的环境可能包含身份验证令牌、浏览器会话、生成的脚本、临时文件或过期的网络连接。
因此，有状态无服务器可以提高代理操作的连续性，但与一次性无状态函数相比，它需要更多的生命周期和访问管理。
有状态微型虚拟机正在取代传统托管吗？
有状态微型虚拟机并不会取代传统主机。它们执行临时代理任务，而云服务器、VPS主机、专用服务器和裸机系统则继续运行围绕这些任务的持久性服务。
产品规格Box 揭示沙盒速度为何重要
最新研究表明，沙箱准备工作会对人工智能代理的性能产生实质性影响。
2026年7月的论文“产品规格Box：用于高效LLM代理服务的推测性沙箱调度“（资源研究了按需启动沙箱和始终保持沙箱运行状态之间的权衡。仅在代理请求时才启动环境可能会导致冷启动延迟。保持所有可能的沙箱都处于运行状态可以减少这些延迟，但会消耗更多内存。
产品规格Box 在语言模型仍在生成输出时，系统会预测代理可能需要的沙箱环境。然后，在工具调用完成之前，系统就开始准备该环境。
在作者的测试中，SpecBox 与按需沙箱基线相比，P99 端到端延迟降低了高达 2.9 倍。与永久预留沙箱部署相比，峰值内存使用量也降低了 45.9%（见下方截图）。
产品规格Box 这是一个研究原型，并未测试 AWS Lambda 微型虚拟机。但其结果仍然表明，沙箱启动、恢复和切换速度可能成为重要的 AI 托管指标。
快 GPU 当执行环境延迟每次工具调用时，无法保证代理程序运行速度快。
持久托管仍然运行着人工智能平台
传统托管服务运行的系统必须在每次临时代理会话之前、期间和之后保持可用。这些持久性系统可能包括应用程序。 APIs关系数据库、向量存储、代理编排、消息队列、监控服务、模型网关和长时间运行的工作进程。专用 GPU 基础设施还可以运行持续的模型推理或训练工作负载。
Atlantic.Net例如，它为架构的持久化部分提供基础设施。其目前的服务包括云虚拟服务器、专用服务器、裸机系统、托管基础设施以及云或专用服务器。 GPU 主机托管。主机托管提供商目前列出了 NVIDIA L40S 和 H100 NVL 选项适用于人工智能、机器学习、推理和加速计算工作负载。
AI平台可以使用有状态的微型虚拟机来隔离运行其应用程序、数据库、存储和私有环境时的临时代码执行。 APIs 或 GPU 来自持久基础设施的工作负载 Atlantic.Net 或其他服务器提供商。
这些托管模型解决了同一架构的不同部分。微型虚拟机 (MicroVM) 管理基于会话的执行，而虚拟专用服务器 (VPS)、专用服务器、裸机服务器和…… GPU 服务器为必须保持在线的服务提供支持。
HostScore 观点：AI托管正变得远不止于此 GPUs
AI主机托管正在扩展到其他领域 GPU 规格、模型支持和推理速度。这些属性仍然决定着服务提供商能否运行高要求的模型。然而，AWS Lambda 微型虚拟机凸显了基础设施堆栈的另一个组成部分：人工智能代理执行其操作的环境。
在研究我们最近的 最佳人工智能主机 和 最佳LLM课程托管指南我们发现，主机提供商主要通过加速器可用性、支持的模型、部署灵活性、托管服务以及对软件堆栈的控制来区分自身。
AWS 的声明表明，执行环境可能成为另一个差异化优势。
AI 基础设施提供商可能会在以下方面展开竞争：启动沙箱的速度、保持工作状态的效率、隔离会话的强度以及对网络和工具访问的控制力度。
这也可能改变分配托管资源的单位。
共享主机围绕账户分配资源。VPS主机分配虚拟服务器。容器平台分配应用程序实例。无服务器函数围绕请求或事件分配计算资源。
AI代理平台可能会围绕代理会话分配基础设施。代理会话启动一个隔离环境，运行工具，修改文件，暂停，恢复，并在完成任务后终止。这种模式介于短暂运行的无状态函数和永久运行的虚拟服务器之间。
我们并不认为代理会话基础设施会取代现有的托管类别。它更有可能成为混合人工智能架构中的另一层。
持久云、VPS、专用服务器和 裸机服务器 将继续托管应用程序和数据服务。 GPU 基础设施将执行模型工作负载。有状态微型虚拟机和其他沙箱技术将处理临时代理操作。
AWS 正在发出人工智能基础设施领域更广泛转变的信号
AWS Lambda 微型虚拟机表明，AI 代理正在创造对具有临时状态保留和提供商管理的生命周期控制的隔离执行环境的需求。
该服务不提供云服务器、VPS主机、专用服务器、裸机基础设施或其他服务。 GPU 托管服务已过时。这些系统将继续运行数据库、应用程序、编排服务，并模拟围绕每个代理会话的工作负载。
更广泛的变化在于如何评估人工智能托管服务。
GPU 容量和模型速度仍将是核心要素。托管服务提供商也可能在启动、暂停、恢复和终止隔离执行环境的速度和安全性方面展开竞争。
这是AWS Lambda MicroVM背后更重要的托管信号。
