Agent 托管平台竞品分析报告：给每个 Agent 一台"电脑"的生意，谁在闷声发财

1. 竞品调研摘要

本报告聚焦 AI Agent 托管运行平台（Agent 沙箱/Runtime）品类——为 Agent 提供隔离代码执行环境的基础设施层，对标 E2B、Daytona、Modal、Cloudflare、AWS Bedrock AgentCore、Vercel 以及阿里云、腾讯云、火山引擎等国内外 20 余家竞品。核心结论如下：

• "卖铲人"赛道已被资本验证：2026 年 5 月 Modal 完成 3.55 亿美元 C 轮、估值 46.5 亿美元（八个月前估值还是 11 亿美元）；Daytona 完成 2400 万美元 A 轮；E2B 累计启动沙箱数突破 10 亿次——巨头入场后，独立玩家非但没死，反而拿到了更大的支票。
• 行业标准动作惊人趋同：2026 年 4-5 月，Anthropic、AWS、Google 在六周内相继推出形态几乎一致的托管 Agent 运行时，"托管沙箱"已从卖点沦为行业门槛。
• 定价战的关键变量是利用率：同样 100 个沙箱小时，按预留资源计费（E2B、Daytona、Modal）与按实际活跃计费（Cloudflare、Vercel、Fly）的成本可以差一倍以上，"哪家便宜"取决于 Agent 有多忙。
• 国产厂商已实现技术对齐：腾讯云 Cube 冷启动约 60-100ms、阿里云 ACS 每分钟可弹性创建 1.5 万个沙箱，隔离技术与海外头部持平，且普遍提供 E2B 兼容 SDK 抢开发者迁移。

2. 调研概述

• 调研背景：Agent 从聊天走向执行后，每个 Agent 都需要一个安全运行"不可信代码"的电脑——云沙箱成为继模型 API 之后 Agent 技术栈中增长最快的基建层，也是 Manus 等明星产品的核心护城河所在。
• 对标维度：竞品清单与梯队、隔离技术与冷启动性能、定价与计费模式、生态位与渠道打法、开发者口碑与痛点、SWOT、缺口机会。
• 调研方法：依托公开网络信息，覆盖厂商官方定价页、第三方横向评测（Fly.io、Superagent、Dexto、OpenComputer）、融资报道（The Deep Feed、Bex）、行业技术博客与国内厂商产品文档，定价数据核查时间以 2026 年 9 月为准。
• 数据时效：2025 年至 2026 年 9 月。注意：本品类融资额、性能参数均以厂商自述与媒体报道为主，行业媒体已证实聚合平台上存在张冠李戴的假数据，正文均已标注口径。
• 适配场景：Agent 产品选型、基建立项、供应链与投资研究、竞争对标。

3. 赛道整体竞争格局（品类全景）

3.1 赛道整体竞争现状与市场集中度

这是一个新兴到还没有权威市场规模数字的品类，可用三个代理指标刻画其热度：融资端，Modal 一家 2026 年就募了 3.55 亿美元；使用端，E2B 官方计数器显示累计启动沙箱超 10 亿次、月 SDK 下载超 350 万次；需求端，Daytona 披露日均 85 万次 Agent 运行、月环比增长 74%。行业媒体判断，该品类的爆发与 Manus、OpenClaw 等通用 Agent 的走红直接相关——每个规模化运行的 Agent 背后都需要成百上千个一次性执行环境。

竞争格局呈"三层叠压"：独立沙箱厂商（E2B、Daytona）、云平台延伸产品（Cloudflare、Vercel、Fly、Modal、国内外大厂云）、以及模型厂商的托管运行时（Anthropic、AWS、Google）。三层玩家在同一个 API 面上正面竞争。

3.2 竞品梯队分层划分

第一梯队（定义品类者）：E2B（品类参照实现，Firecracker 微虚拟机）、Modal（46.5 亿美元估值，GPU+沙箱一体的宽平台）、AWS Bedrock AgentCore（企业级全家桶）。

第二梯队（平台延伸者）：Cloudflare Sandbox、Vercel Sandbox、Fly Sprites、Daytona（独立厂商中冷启动最快）、Google GKE Agent Sandbox、Anthropic 自托管沙箱。共同特征：沙箱是母平台的引流功能，可亏钱补贴。

第三梯队（细分与新势力）：Blaxel（25ms 恢复，主打有状态 Agent）、Runloop、Beam、Freestyle、Morph、OpenComputer 等，均处种子期。

国内梯队：腾讯云 AGS（Cube 微虚拟机）、阿里云 ACS/FC（RunD 微虚拟机 + E2B 兼容 SDK）、火山引擎 AgentKit（万级并发创建）、阿里开源 OpenSandbox、字节 AIO Sandbox。

3.3 整体竞争核心特征与行业趋势

• 托管 Agent 运行时在六周内"标配化"：2026 年 4 月 8 日 Anthropic 推出 Claude 托管智能体，4 月 22 日 AWS 补齐 AgentCore 运行框架，5 月 Google I/O 把 Antigravity 改造成同类平台——三家独立收敛到同一产品形态，说明这一层已是行业基础门槛而非差异化卖点（搜狐科技评述）。
• 隔离技术三路线并存：Firecracker 微虚拟机（E2B、AgentCore、Cloudflare、腾讯 Cube）、用户态内核 gVisor（Modal、Google GKE）、容器共享内核（Daytona 默认，Kata 可选）。隔离强度与冷启动速度呈反比，成为产品定位的根本分野。
• 设计哲学从 DX 转向 AX：Modal CTO 提出"Agent 体验"（Agent Experience）替代"开发者体验"——基础设施的主要调用者不再人类，而是一个会重试、会并发、会死循环的程序，计费、限流、可靠性都要为此重新设计。
• 开源阵营出现裂痕：Daytona 2026 年 6 月把核心代码库转为闭源（理由是公开代码等于给攻击者递地图），社区随即分叉出 Nightona 继续维护；E2B 坚持 Apache-2.0 开源自托管路线，成为唯一"不被厂商锁定"的选择。

4. 核心竞品基础信息深度拆解

4.1 产品定位与目标人群

4.2 发展历程与当前阶段

• E2B：2023 年成立，靠开源运行时 + 极简 SDK 成为品类参照实现，被 Claude Agent SDK 列为官方推荐沙箱；累计融资约 3200 万美元（A 轮 2100 万美元由 Insight Partners 领投），官方宣称覆盖"94% 的财富 100 强"，Perplexity 为公开客户。
• Daytona：原为开发者环境管理工具（Gitpod 竞品），2025 年初果断转向 Agent 基建、砍掉 30 万美元存量收入，转型后不到 90 天做到 100 万美元 ARR；2026 年 2 月完成 2400 万美元 A 轮（估值 1.25 亿美元）；但 6 月转向闭源，GitHub 上 7.25 万 star 中大部分来自旧产品，是行业媒体反复提示的"数据陷阱"。
• Modal：从 GPU 无服务器云切入沙箱，2026 年 5 月 C 轮 3.55 亿美元、估值 46.5 亿美元，客户含 Runway、Suno、Lovable、Quora，ARR 超 3 亿美元，是品类中商业化最重的公司。
• AWS AgentCore：Runtime 为每个会话分配独立 Firecracker 微虚拟机，会话结束即销毁，支持最长 8 小时任务；EC2 Instances 模式单会话可跑 14 天；Gateway 用 Cedar 策略语言做默认拒绝鉴权，安全叙事最强。
• Anthropic：2026 年 5 月 19 日发布自托管沙箱公测，工具执行迁入客户环境（支持 Cloudflare、Daytona、Modal、Vercel 承载），配套 MCP 隧道打通私有内网——把"合规"做成产品。
• 国内厂商：腾讯云 AGS 端到端冷启动约 100ms、单机可跑 2000+ 沙箱、会话最长 7 天，覆盖代码/浏览器/电脑/手机四类沙箱；阿里云 ACS 号称每分钟创建 1.5 万个沙箱、支持内存级休眠唤醒，SDK 与 E2B 兼容；火山引擎 AgentKit 主打 1 万+ 并发创建与任务级网络隔离。

4.3 核心技术壁垒

• 冷启动速度是第一显学：Daytona 约 71-90ms（优化配置宣称 27ms）、E2B 约 150ms、Cloudflare 60-125ms、AgentCore 300-800ms——但行业媒体提醒，各家口径不一，冷启动数字本质是营销指标。
• 隔离强度才是底牌：Firecracker 微虚拟机提供独立内核，是运行不可信代码的最强边界；容器共享宿主内核，一旦内核漏洞被利用即可能横向移动——这正是 Daytona 转闭源与 AgentCore 坚持微虚拟机的底层逻辑。
• 有状态管理：暂停/恢复（E2B 暂停时停止计费）、快照分叉（Daytona 可对运行中环境做 Git 式分支）、待机恢复（Blaxel 约 25ms）构成第二竞争维度。
• 生态位锁定：Vercel 绑定 Next.js、Cloudflare 绑边缘网络、Modal 绑 GPU 计费面、AgentCore 绑 AWS 治理栈——母平台协同是独立厂商最难复制的壁垒。

5. 多维度竞品横向对标分析（核心章节）

5.1 核心性能对标

5.2 定价与计费模式对标（2026 年 9 月核查）

各家的列表价被 Fly.io 换算成统一口径后高度接近，但计费哲学截然不同：

归一化后每小时成本（Superagent 基准）：E2B、Daytona、Blaxel 均为 $0.0828，Cloudflare $0.09，Modal $0.1193，Vercel $0.1492，Beam $0.23。但真实成本由利用率决定：100 个沙箱小时在"25% CPU 忙碌"场景下 Cloudflare 约 $11.2 最便宜，"100% 满载"场景下 Fly 约 $10 最便宜，而 E2B/Daytona/Modal 两种场景同价（$16.6-23.8）——"哪家便宜"是个反问：你的 Agent 有多忙？

隐藏成本清单（Fly.io 总结）：套餐并发上限（E2B Hobby 仅 20 并发、Vercel 10 个）、空闲沙箱的存储费、快照费、跨区流量费，都不在列表价里。

5.3 场景与落地能力对标

• 编码 Agent：Daytona（完整开发环境）与 E2B（干净代码沙箱）分居两端；Blaxel 的 25ms 恢复适合有状态长任务。
• AI 推理混部：Modal 凭 GPU 全系支持独占，E2B 无 GPU 是明确短板。
• 全球边缘分发：Cloudflare 独一档。
• 企业合规：AgentCore（Cedar 策略+审计）与 Anthropic 自托管沙箱（数据不出企业边界）把"过安全评审"做成了产品能力；有行为安全公司刻意选择无外联沙箱模式，防止 Agent 失控外泄数据。
• 国内信创：腾讯、阿里、火山以微虚拟机+国产云协同主打政企与私有化，并借 E2B 兼容 SDK 降低迁移门槛。

5.4 渠道与生态打法对标

• 开源分发：E2B 与 Anthropic 的 sandbox-runtime、阿里 OpenSandbox、K8s Agent Sandbox SIG 用开源定标准；AGENTS.md 开放格式已被超 6 万个开源仓库采用（Linux 基金会维护）。
• 官方推荐位：进入 Claude Agent SDK 推荐的 6 家沙箱供应商名单，等于获得模型厂商的流量直通车。
• 母平台捆绑：Vercel、Cloudflare、Fly 把沙箱作为平台功能补贴销售，独立厂商无法跟进价格战。
• 并购预期：行业普遍认为独立沙箱公司的终局是被云巨头或模型厂商收购，赛道媒体直言"看戏就好，别下场对战 Modal"。

5.5 用户口碑与痛点差评对标

• 好评集中：E2B 的 SDK 易用性与生态兼容性（"一行代码创建沙箱"）；Daytona 的启动速度与有状态快照；AgentCore 的企业级安全治理。
• 差评集中：定价黑盒（实际成本严重依赖利用率模型，需自建测算表）；并发上限卡脖子（Hobby 档位跑不了生产负载）；Daytona 闭源引发信任危机（"今天跑的开源代码可能是你拿到的最后一份"）；Session 时长限制（E2B Hobby 1 小时）打断长任务。

6. 头部竞品独立 SWOT 分析

6.1 E2B

• S：品类参照实现+事实标准；Apache-2.0 开源自托管是唯一去锁定选项；10 亿次沙箱的规模数据与财富 100 强客户背书。
• W：无 GPU、无编排、无记忆层，功能单薄；A 轮后未再披露新融资，资本弹药弱于 Modal。
• O：成为"中立的沙箱层"——企业不愿被单一云绑定，E2B 是避险选择；K8s 标准化若以其架构为蓝本则赢者通吃。
• T：云巨头把沙箱做成亏钱引流功能；Daytona 等对手用闭源+GPU 卡位高端。

6.2 Daytona

• S：品类最快冷启动；有状态快照与分叉独一无二；转型执行力极强（90 天破百万 ARR）。
• W：闭源决策重创开源社区信任；容器隔离弱于微虚拟机；7.25 万 star 掩盖了新产品的真实采用度。
• O：编码 Agent 与长任务市场高速扩容；GPU 沙箱与 Computer Use 覆盖四端是差异化王牌。
• T：社区分叉 Nightona 分流自托管用户；"既收开源红利又闭源"的口碑反噬。

6.3 Modal

• S：46.5 亿美元估值与 3 亿+美元 ARR 的碾压级资本与商业化；GPU 全系+沙箱统一计费面；"AX（Agent 体验）"叙事定义行业方向。
• W：gVisor 隔离弱于 Firecracker 微虚拟机；沙箱只是宽平台一环，专用场景深度不及纯玩厂商。
• O：Agent 重试循环带来的算力消耗是新增量；GPU 沙箱（训练+执行一体）暂无敌手。
• T：估值八个月涨四倍，透支预期；云巨头在 GPU 价格上的垂直整合挤压。

6.4 AWS AgentCore

• S：Firecracker 微虚拟机原生厂（Lambda 同源）的隔离正统；Runtime+Memory+Identity+Gateway+Policy 全家桶；企业存量渠道。
• W：冷启动 300-800ms 慢于独立厂商；AWS 锁定加深；创新节奏受大厂流程拖累。
• O：受监管行业（金融、医疗）的 Agent 化只能选它；Agent 采购预算随"数字员工"叙事放量。
• T：Anthropic 自托管沙箱把"客户环境执行"标准化，绕开 AWS 中间层；多租户安全事件一旦发生将重创信任。

6.5 国内三强（腾讯 AGS、阿里 ACS/FC、火山 AgentKit）

• S：隔离技术与海外对齐（亚百毫秒冷启动）；母云生态+信创市场保护；E2B 兼容 SDK 降低迁移成本。
• W：全球开发者生态弱，出海客户少；开源社区声量不足。
• O：国内 Agent 应用放量（第 15 期已论证平台层卡位完成）带来的确定性基建需求；国产化替代窗口。
• T：海外厂商若借模型生态（Claude/GPT 官方推荐位）形成事实标准，国产沙箱将被隔离在全球 Agent 技术栈之外。

7. 市场差异化与竞争缺口分析

7.1 现有竞品同质化问题汇总

• API 形态同质：create、execute、read/write files、pause/resume 四件套几乎逐字雷同。
• 指标营销同质：冷启动毫秒数成为军备竞赛，口径不统一且脱离真实负载。
• 叙事同质："给 Agent 一台电脑"被从 Daytona 用到各家的宣传物料。

7.2 赛道未被满足的需求与功能缺口

• 透明成本测算工具：没有任何厂商提供基于客户真实利用率曲线的成本模拟器，第三方博客靠手算表格填补空白。
• 跨沙箱编排与沙箱间通信：多 Agent 协作需要沙箱间低延迟组网，目前各产品均以"单沙箱"为原子单位。
• GPU 沙箱+强隔离的组合：Modal 有 GPU 但用 gVisor，E2B 有强隔离但无 GPU，两者兼得的产品是空白。
• 沙箱内安全审计标准：Agent 生成的代码在沙箱里做了什么，缺少统一的取证与审计输出格式；OpenClaw 生态约 15% 技能含恶意指令的安全事件（第 15 期已引述）放大了这一需求。
• 长会话+低成本组合：7 天以上会话与 scale-to-zero 计费兼得的产品尚不存在。

7.3 可突破切入点

• 做"成本路由层"：在多家沙箱之上做智能调度，按任务特征自动选最便宜的执行环境，赚差价与抽成。
• 做"合规沙箱包"：面向金融/医疗输出开箱即用的审计日志、数据驻留、等保合规方案，绕开与巨头拼性能。
• 做"国产 E2B"：借 E2B 兼容 SDK 顺势承接国内 Agent 开发者，以开源社区换全球心智。

8. 整体市场竞争风险与挑战

8.1 巨头捆绑与挤压风险

沙箱对云巨头是引流功能，可以长期亏钱；独立厂商的 $0.05/vCPU 时在"母平台补贴"面前没有价格防线，终局大概率是并购整合或退守细分。

8.2 技术与安全风险

• 隔离逃逸：容器共享内核方案的逃逸风险已被反复警示，多租户场景一旦发生跨租户数据串扰即是灭顶之灾；AWS 自身也确认"容器化在多租户下不是足够强的隔离边界"。
• Agent 失控放大器：沙箱给了 Agent 执行力，也放大了失控后果——Meta 安全总监的 OpenClaw 批量删邮件事件说明，执行层失控与模型层失控同样致命。
• 标准未定：K8s Agent Sandbox SIG 尚在推进，若标准形态与现有产品架构冲突，头部厂商将面临重写成本。

8.3 商业与数据风险

行业媒体已证实聚合平台存在编造的融资数据（Morph"2280 万美元融资"查无实源、Steel 数据张冠李戴），选型与研究都需回到一手来源；同时 Daytona 闭源事件表明，"开源承诺"在本品类不具备长期可靠性，任何基于他人开源项目的路线图都有被抽梯风险。

9. 未来赛道竞争趋势预判

9.1 技术迭代趋势

GPU 沙箱（训练与执行一体）、更长会话（小时级走向天级）、微虚拟机与专用芯片（如 Morph 的 MCU 路线）三条线并行；WebAssembly 在浏览器侧沙盒补位但难撼 OS 级沙箱；K8s 原生沙箱标准落地后，"沙箱即 K8s 资源"可能重塑产品形态。

9.2 市场与商业模式趋势

计费从"预留资源"向"活跃用量+scale to zero"全面迁移；独立厂商的退出通道以被收购为主；托管 Agent 运行时（模型厂商层）与沙箱层（基建层）将出现垂直整合，模型厂商自建沙箱把独立产品挤压向"企业私有化+多云中立"两个堡垒。

9.3 差异化发展方向

从"性能竞争"转向"治理竞争"——身份、策略、审计、数据驻留成为企业采购的真正决策项；从 DX 转向 AX——为"程序化调用者"重新设计限流、重试、并发与可观测性，是下一轮产品分水岭。

10. 竞品应对落地策略与优化建议

10.1 产品差异化破局建议

停止毫秒数军备竞赛，转攻"可解释的成本+可验证的隔离"：公开利用率-成本计算器，公布第三方安全审计报告，把选型决策从"信任宣传"变为"复现数据"。

10.2 市场与运营突围策略

绑定模型厂商生态（进入 Claude Agent SDK、OpenAI、Dify 等官方推荐位）是最便宜的获客渠道；同时用开源社区版渗透长尾开发者，用企业版（私有化+合规+SLA）变现，形成"社区养心智、企业养营收"双循环。

10.3 竞品短板针对性卡位方案

• 卡"GPU+强隔离"空白：在 Firecracker 架构上叠加 GPU 直通，同时承接 Modal 的推理混部与 E2B 的高隔离需求。
• 卡"多沙箱编排"：提供沙箱间组网与共享状态层，卡位多 Agent 协作的原生基建。
• 卡"成本路由"：做多厂商沙箱调度层，把同质化竞争转化为自己的套利空间。

10.4 风险规避与长期布局建议

国内团队优先补齐"出海资质+全球节点"，避免被模型生态推荐位排除在外；对开源策略要预设退出机制，闭源决策必须配套社区补偿方案以免重蹈 Daytona 覆辙；长期看，该品类的终局定价权在模型厂商手中，独立厂商应尽早建立"中立性+可迁移性"的护城河，把"随时可搬走"做成对客户的核心卖点。

11. 全文调研总结

Agent 托管平台是本轮 Agent 浪潮里最典型的"卖铲人生意"：模型越强、Agent 越多，沙箱的调用量就越指数级增长。2026 年的格局已经清晰——Modal 用 3.55 亿美元和 46.5 亿美元估值证明宽平台的价值，E2B 用 10 亿次启动和开源标准证明中立层的价值，AWS/Anthropic/Google 用六周内的三连发证明这一层已成为标配，而国内三朵云用亚百毫秒冷启动和 E2B 兼容 SDK 完成了技术对齐。竞争的下半场不在冷启动的毫秒数上，而在成本透明度、强隔离与 GPU 的组合、以及面向企业的治理能力上。对入局者，这是一条需求确定、终局却由巨头定价的赛道——最好的生存策略是做巨头不愿做的脏活（合规、私有化、多云路由），把中立性本身做成产品。

12. 参考资料

1. Fly.io《AI Sandbox Pricing, Compared》（2026 年 9 月 10 日价格核查），https://fly.io/learn/ai-sandbox-pricing
2. Awesome Agents《Agent Platform Pricing Compared - August 2026》，https://awesomeagents.ai/pricing/agent-platform-pricing/
3. Dexto《8 Best AI Sandbox Platforms for Agents (September 2026)》，https://www.dexto.ai/blog/best-ai-sandbox-platforms
4. OpenComputer《E2B Alternatives for AI Agent Sandboxes (2026)》，https://opencomputer.dev/guides/e2b-alternatives
5. Superagent《AI Code Sandbox Benchmark 2026》，https://www.superagent.sh/blog/ai-code-sandbox-benchmark-2026
6. Bex《Modal's $355M, Daytona's $24M, E2B's Billionth Sandbox: Where Agent-Infra Money Went in 2026》，https://bex.co/blog/2026/09/11/ai-sandbox-funding-modal-daytona-e2b
7. Bex《E2B vs Daytona vs Modal: Picking an Agent Sandbox You Can Self-Host》，https://bex.co/blog/2026/09/14/ai-agent-sandbox-market-e2b-modal-daytona
8. The Deep Feed《The agent-sandbox wars: 23 companies and a contested substrate》，https://www.thedeepfeed.ai/posts/2026-05-29-agent-sandbox-infrastructure-race
9. AgentMarketCap《The Code Execution Sandbox Race 2026》，https://agentmarketcap.ai/blog/2026/04/11/code-execution-sandbox-race-2026
10. Cipher Projects《AWS AgentCore vs Daytona vs E2B (2026)》，https://cipherprojects.com/blog/posts/aws-agentcore-vs-daytona-vs-e2b
11. 搜狐科技《谷歌入场后，AI 智能体最重要的功能已成行业标配》，https://news.sohu.com/a/1033927880_114765
12. 腾讯网《Anthropic 推出 MCP 隧道，供私有代理访问内部系统》，https://new.qq.com/rain/a/20260525A07YMQ00
13. 搜狐《亚马逊云科技给出 AI Agent 安全防御策略》（AgentCore 架构解析），https://www.sohu.com/a/1013579729_374240
14. 搜狐《Gemini"越界"之后：AI Agent 安全正从模型护栏走向系统治理》，https://www.sohu.com/a/1078784474_128075
15. 翁家林《AI Agent Sandbox: A Comprehensive Guide from Architecture Patterns to Enterprise Practice》（国内外厂商产品对照表），http://wengjialin.com/blog/agent-sandbox
16. AtomGit/CSDN《从 Manus 看 AI Agent 云端沙箱：技术演进与底层实现解析》
17. 今日头条《云端沙箱：AI Agent 的「安全驾驶舱」》，https://www.toutiao.com/a7645122362572079679