模型在 GPU 上思考，agent 在 CPU 上干活：Daytona 凭“agent 云”杀入独角兽

10 亿美元，买的是"agent 的电脑"

10 月 20 日，给 AI agent 做云基础设施的 Daytona 宣布完成 6000 万美元 B 轮融资，估值 10 亿美元，总融资额达到 9100 万美元。本轮由 FirstMark 领投——这是 Daytona 正式迈入独角兽行列的一轮。

先把这条新闻放进今年的融资坐标系里看：过去一年，AI 融资的聚光灯几乎全打在模型和应用两端——更大的模型、更贵的大模型公司、各种"AI 套壳应用"。Daytona 融的这 6000 万美元，买的不是模型，也不是应用，而是一个听起来有点" boring "的东西：agent 干活用的电脑。估值 10 亿美元说明，资本已经开始为 agent 时代的"水电煤"定价了。

Daytona 的产品一句话概括：给 AI agent 用的安全、隔离的云计算环境。agent 要执行代码、调用软件工具、完成任务，总得有个地方"落脚"——不能直接在你的生产服务器上裸奔。Daytona 提供的就是这个"落脚处"：开发者通过一个 API 就能启动计算环境，支持 Linux、Windows 和 macOS，算力随任务弹性伸缩，还支持暂停、恢复，以及"多路试错不丢进度"。听起来像云主机？接近，但它是为 agent 这个"新用户"重新设计的：启动速度、隔离性、按任务计费的弹性，都是按 agent 的工作节奏来的。

这一轮的钱从哪来：天使名单比领投更抢眼

B 轮的领投方 FirstMark 是老牌风投，但真正让这条融资新闻出圈的，是跟投名单里那一串名字：Stripe 的 Patrick Collison、Quora 的 Adam D'Angelo、Mercor 的 Brendan Foody、Shopify 的 Tobi Lütke、Datadog 的 Olivier Pomel、Perplexity 的 Aravind Srinivas、Zoom 的 Eric Yuan——个个都是各自赛道的创始人或 CEO 级别人物。此外还有 Alumni Ventures、Evergreen Fund、Okta Ventures、Qualcomm Ventures、Samsung Next、Torch Capital 等机构参与。

更值得玩味的是老股东的态度：Pace Capital 把投资翻了一倍，Upfront Ventures 翻了三倍，E2VC 翻了四倍，约 5000 万美元来自老股东的追加。在 2026 年这个对"烧钱换增长"越来越挑剔的年份，老股东用真金白银加注，往往比新钱入场更能说明问题——他们看过内部数据。

什么样的内部数据？Daytona 自称，从 1 月到 9 月，收入 run-rate 增长了 25 倍，Burazin 对 The Recursive 透露的口径是"平均每个月增长 50.9%"。注意，这是公司自报的数字，没有经审计的财报背书，读的时候要打一点折。但即便打对折，9 个月 12 倍以上的增长，对一家基础设施公司来说依然是"产品找到了需求"的信号。资本市场给 10 亿美元估值，赌的正是这条曲线的延续性。

差点死掉的重生：把客户"送给"竞争对手

Daytona 的故事里最戏剧性的一章，是这次融资前的一次豪赌。据 The Recursive 报道，Daytona 2023 年成立时做的并不是 agent 基础设施，而是开源的开发环境管理工具——解决开发者"配环境浪费生命"的老问题。创始人 Ivan Burazin 是克罗地亚 IT 老兵，此前创办过云端开发环境公司 Codeanywhere，还曾在克罗地亚第一家独角兽 Infobip 负责开发者战略。

转折发生在生成式 AI 从聊天机器人走向自主 agent 之时。Burazin 判断：真正的机会不在"给人配环境"，而在"给 agent 配电脑"。于是公司做了一个狠绝的决定——把原来的客户全部让给竞争对手，推倒重来。Burazin 对 Fortune 的原话是："We basically gave our competitors all our customers, rebuilt everything, had like three months left of revenue in the bank, and then relaunched this thing."（我们基本上把客户都送给了竞争对手，把一切推倒重来，账上只剩三个月的收入，然后重新发布了这个产品。）

账上只剩三个月钱的时候 all in 转型，赌赢了：今年 2 月 FirstMark 领投了 2400 万美元 A 轮，8 个月后同一家机构又领了 6000 万美元 B 轮。从转型到独角兽，Daytona 只用了不到两年。这段经历也解释了为什么 Burazin 敢喊"CPU 需求超过 GPU"这种话——一个敢把公司推倒重来的人，不怕观点激进。

核心论点：模型在 GPU 上思考，agent 在 CPU 上干活

这轮融资的技术叙事，藏在 Daytona 讲的一个判断里。据 The Recursive 等媒体报道，Daytona 的核心观点是：推理云（inference clouds）是 agent"思考"的地方，而 Daytona 的云是 agent"工作"的地方——模型在 GPU 上思考，agent 在 CPU 上干活。

这句话值得拆开看。过去两年，AI 基础设施的全部注意力都在 GPU 上：谁有卡，谁就有话语权。但 agent 的工作模式不一样：一个 agent 跑起来，大部分时间不是在调用大模型做推理，而是在执行代码、读写文件、调 API、等网页加载、跑测试——这些活儿跑在 CPU 上。一个"数字员工"一天的工作流里，GPU 推理可能只占几分钟，剩下的几小时全是 CPU 活。

于是 Daytona 的创始人 Ivan Burazin 抛出了一个有点挑衅的判断：未来对 CPU 算力的需求，可能会超过 GPU，CPU 可能成为新的硬件瓶颈。这个判断对不对，时间会验证，但它点出了一个真实的结构性变化：agent 时代的基础设施账单，正在从"GPU 租赁"向"CPU 沙箱"分流。

支撑这个叙事的另一个硬数字是启动速度：据报道，Daytona 通过预置机器快照，能做到 60 毫秒启动一个沙箱，而传统超大规模云厂商启动一台虚拟机要 30 秒到数分钟。差了近三个数量级。为什么启动速度是胜负手？因为 agent 的工作方式是"高频、短时、大量并发"：一个任务可能要起几十个沙箱并行试错，跑完即销毁。如果每次启动都要等 30 秒，agent 的"思考—行动"循环就被基础设施拖慢了。60 毫秒意味着沙箱可以像函数调用一样随用随起——这才是 agent 原生的基础设施体验。

客户名单：Anthropic 和 OpenAI 都在用

Daytona 公布的客户名单相当有分量：Anthropic、OpenAI、NVIDIA、Cursor、Cognition，以及 Meta、Cohere、Mercor、Handshake、Surge AI、SambaNova、Postman、Bolt.new、n8n、Clay。注意 Anthropic 和 OpenAI 同时出现在名单里——这两家是直接竞争对手，能同时用同一家基础设施供应商，说明 Daytona 切的是足够中立、足够底层的一层。

用途也值得注意：Snorkel 和 Trajectory 用 Daytona 的基础设施做 AI 训练与评测，以缩短处理时间。这说明"沙箱"不只服务于 agent 在生产环境跑任务，还吃到了"模型训练/评测"这个更大的盘子。一家公司同时收 agent 和训练两份钱，故事就更好讲了。

创始人 Ivan Burazin 在融资声明里说了一句很形象的话："Companies are going to manage thousands of digital employees, and each one needs a safe place to fail. Daytona ensures one rule breaking agent doesn't spill into company wide chaos."（公司未来要管理成千上万的数字员工，每个都需要一个可以安全犯错的地方。Daytona 确保一个违规的 agent 不会把混乱蔓延到全公司。）

这句话点出了沙箱产品的本质：它卖的不是算力，是"犯错的安全边界"。agent 越自主，犯错的概率和破坏力就越大，企业敢不敢把 agent 放进生产环境，取决于有没有一个"炸了也只炸自己"的隔离层。Daytona 赌的就是这个心理。

agent 基础设施正在分层，沙箱是其中一层

把视野拉开，2026 年的 agent 基础设施正在快速分层，至少能看到四层：

第一层是模型层：Anthropic、OpenAI、Google 提供推理能力，这是 agent 的"大脑"。第二层是执行层：Daytona 所在的沙箱/隔离环境，这是 agent 的"身体和办公室"。第三层是支付层：agent 开始自己花钱买服务，需要可编程的支付原语（Mastercard 刚开放的 Agent Pay for Machines 就是这一层的玩家）。第四层是编排与记忆层：工作流、长期记忆、工具调用框架。

每一层都在长出独角兽。Daytona 的 10 亿美元，标志着"执行层"正式进入独角兽俱乐部。这个分层的意义在于：agent 的商业化不再是"一个模型打天下"，而是一整套分工明确的基础设施。就像云计算时代分出了计算、存储、网络、安全一样，agent 时代也在分。

对 Daytona 来说，真正的考验在后面： hyperscaler（超大规模云厂商）不会坐视"执行层"独立长大。AWS、GCP、Azure 都有自己的沙箱和容器产品，一旦它们把"60 毫秒启动"做成标准功能，Daytona 的护城河就只剩下"agent 原生体验"和中立性。好消息是，中立性在基础设施领域是真护城河——正如 Anthropic 和 OpenAI 同时用它所证明的，云厂商的"既当裁判又当运动员"恰恰是独立第三方最大的机会。

对 vibe coder 意味着什么：本地跑不动的重活，丢给云沙箱

说回我们最关心的读者：vibe coder。Daytona 这类产品对个人开发者的意义，可能比对大公司更大。

想想你现在的 vibe coding 工作流：让 agent 跑测试、装依赖、起服务，全在你自己的笔记本上。轻量任务没问题，但稍微重一点的——并行跑三个 agent 同时改三个分支、让 agent 在一个干净的 Linux 环境里复现 CI 的报错、半夜让 agent 自己跑完一整套 E2E 测试早上看结果——本地机器立刻吃不消，风扇狂转、内存告罄，还不敢让 agent 碰你的真实环境。

云沙箱解决的正是这个问题：把"重活、脏活、危险活"丢到云端一个隔离的环境里，本地只留一个轻量的指挥台。单 API 启动、按秒计费、跑完即焚——这正是 agent 时代个人开发者的"云电脑"。Daytona 的客户名单里已经有 Bolt.new 这样的 vibe coding 产品，说明这条路已经有人在走了。

举个具体的例子：你在 vibe coding 一个带支付功能的 SaaS。本地 agent 改完代码，你想让它在"干净环境"里完整跑一遍：装依赖、起数据库、跑迁移、执行 E2E、甚至模拟一次真实的支付回调。本地跑这套，环境互相污染不说，支付回调的 webhook 还得内网穿透。有了云沙箱，agent 一条命令起一个全新环境，跑完把测试报告扔回来，沙箱销毁——你的笔记本全程安静，风扇都不带转的。这就是"指挥台"模式：你只管下指令，重活都在云端。

更长远一点看，当"给每个 agent 开一台云电脑"的成本降到足够低，vibe coding 的工作流会从"一次指挥一个 agent"变成"一次指挥一支 agent 军队"：十个沙箱并行，每个 agent 负责一个模块，早上你只验收合并结果。Daytona 融资新闻里"thousands of digital employees"（成千上万的数字员工）的愿景，对个人开发者翻译过来就是：你未来管理的不是代码，而是一群有电脑的 agent。

从 Codespaces 到 Daytona：开发环境十年演变

Daytona 的 pivot 故事，其实是一部"开发环境"十年演变的缩影。2013 年前后，Cloud9、Codeanywhere（正是 Burazin 的上一家公司）让"在浏览器里写代码"成为可能；2021 年 GitHub Codespaces 把云端开发环境做成了主流；2023 年之后，Replit、Bolt.new、Lovable 让"一句话生成应用"把云端环境的门槛打到最低。每一步，都是"环境"离开发者越来越远、离云越来越近。

Daytona 的 pivot，是把这条演变线的"用户"换掉了：以前云端环境的用戶是人，现在是 agent。人一天开 2-3 个 Codespaces 就算重度用户，一个 agent 一天能开 200 个沙箱。用户变了，产品逻辑全变：人要的是"顺手"，agent 要的是"快和多"——60 毫秒启动、API 驱动、跑完即焚。这就是为什么 Daytona 敢说传统云是"给人设计的"，而自己是"给 agent 设计的"。同一个"云端环境"，换了个用户，就长出了一家独角兽。

这个视角也解释了为什么一线 AI 实验室都成了它的客户：Anthropic、OpenAI 做 agent 评测时，需要一次起上千个隔离环境跑任务；Cursor、Cognition（Devin 背后的公司）做编程 agent 时，需要每个用户会话都有独立的执行沙箱。他们的需求不是"再买几台云主机"，而是"一种新的计算原语"——沙箱即函数调用。Daytona 卖的正是这个原语。

中立性：Daytona 真正的护城河

前面提到 Anthropic 和 OpenAI 同时用 Daytona，这件事值得再深想一层。在 AI 基础设施领域，"中立第三方"是一个被反复验证的护城河：CoreWeave 靠"只卖算力、不做模型"吃到了 GPU 短缺的红利；Cloudflare 靠"不站队"成了所有 AI 公司的默认选择。Daytona 正在复制这个剧本——它不做模型、不做应用，只做 agent 干活的"地皮"。

这也是投资人在 dealroom 报道里追问 "AWS 也能做这个，为什么需要 Daytona" 时，Burazin 最好的答案：AWS 当然能做，但当你的 agent 跑在 AWS 的沙箱里，而你的竞争对手的模型也跑在 AWS 上，你会担心什么？数据、优先级、路线图——云厂商"既当裁判又当运动员"的结构性矛盾，是独立第三方永远的红利。Anthropic 和 OpenAI 的同时采购，就是这份红利的实证。

当然，中立性不是免死金牌。真正的风险在于"抽象层上移"：如果未来主流 agent 框架（LangChain、CrewAI 这类）把沙箱做成了内置的标准组件，或者 hyperscaler 把 60 毫秒启动做成 ECS/EKS 的默认能力，Daytona 的差异化就会被压缩。它必须跑得比巨头快——而 20 人的克罗地亚团队+三地扩张计划，恰恰是为"跑得快"准备的组织形态：小团队、高密度、靠近欧洲工程人才池。

三个追问：读这条新闻时别漏掉的

第一，25 倍增长的分母有多小？从 1 月到 9 月增长 25 倍，听起来惊人，但如果 1 月的基数是 4 万美元 run-rate，9 月也就是 100 万美元——对 10 亿美元估值来说依然很贵。公司自报的 run-rate 没有审计，读的时候要留一分清醒。

第二，客户名单里的"使用"有多深？Anthropic 和 OpenAI 是"在用"，但用的是生产级的大规模部署，还是某个团队的试点？融资新闻稿的客户名单一向是"往大了写"，真实的收入集中度只有下一轮融资时才会见分晓。

第三，克罗地亚团队能撑起全球扩张吗？据 The Recursive 报道，Daytona 20 人的技术团队主力在克罗地亚的 Split 和 Zagreb，是克罗地亚第三家独角兽。本轮融资明确要用于扩建算力、在旧金山、克罗地亚、新加坡三地招人。从 20 人到全球化运营，组织能力的爬坡和算力扩张一样，都是硬仗。

vibe coder 现在就能做的三件事

道理讲完，落到行动。如果你是每天和 agent 打交道的人，Daytona 这条新闻至少带来三个可执行的启发：

第一，把"环境"从本地剥离。检查一下你的 agent 工作流里，有多少步骤是"必须在我的电脑上跑"的——大概率 80% 都不是。试着把测试、构建、数据处理这些步骤，挪到云端沙箱或 CI 里跑。本地只保留编辑和指挥。你的笔记本会感谢你，你的 agent 也会因为"环境干净"而少犯很多莫名其妙的错。

第二，为"多 agent 并行"设计任务。很多人用 agent 还是"一次一个任务"的串行思维。试着把一个大任务拆成 3-4 个可独立验证的子任务，让多个 agent 并行跑——前提是每个 agent 有自己的隔离环境，互不污染。这正是云沙箱的甜点场景：环境即抛，冲突归零。

第三，关注"执行层"的价格战。沙箱正在商品化，价格只会越来越便宜。未来 12 个月，值得关注的不是"哪家沙箱更快 10 毫秒"，而是"哪家先把价格打到你不在乎开 100 个"。当开 100 个沙箱的成本低于一杯咖啡，vibe coding 的工作流会被彻底重写——而你最好在那一天到来之前，就已经习惯了"指挥一支军队"。

接下来看什么

Daytona 说，这笔钱将用于把 agent cloud 从沙箱产品向外扩展、扩建计算基础设施，并在三地招人。翻译一下：它不想只做"沙箱"，想做 agent 的"整片云"——执行、编排、观测，可能还有更多。

对观察者来说，接下来值得盯的三个信号：一是收入 run-rate 的曲线能不能延续（下一轮融资见分晓）；二是 hyperscaler 会不会下场做"60 毫秒级"的 agent 沙箱（AWS/GCP 的 re:Invent 和 Next 大会值得看）；三是"CPU 需求超过 GPU"这个判断，会不会在某个 agent 大规模落地的财报季被验证。

一句话总结：Daytona 的 10 亿美元，买的是"agent 需要电脑，而不只是模型"这个判断。模型负责思考，agent 负责干活，而干活的地方，正在成为一门独立的大生意。对每天指挥 agent 写代码的你来说，这意味着：你的下一台"电脑"，可能不在桌上，而在云端，一次能开几十台。