腾讯云为亿万AI智能体配备专属存储空间，破解隔离难题

设想一下：你的AI助手正在处理一份合同文件，旁边那个助手属于另一个用户，两个程序共享同一个存储区域，仅靠文件夹名称来区分归属。

某一天，一位开发人员不小心输错了一个路径符号。

你的合同内容，暴露在了他人的界面上。

类似的安全事件，过去两年间已在多个开发团队中真实上演。几乎所有打算大规模部署AI智能体的团队，都不得不面对这种担忧。

过去的AI，对话结束便遗忘一切，最多留下一段聊天记录。如今的智能体截然不同：它会获取文件、编写脚本、产出报告、跨任务记住此前的工作，还要将完成的内容分享给团队成员。

它宛如一名真正在云端办公的职员。职员需要工位、储物柜、通行证。智能体所需的，是一块完全属于自己、他人无法侵入的存储区域。

难题在于，云存储这套体系，从诞生之初就未曾为“数以亿计的自主软件”做过设计。

传统对象存储仅提供两种选择：

第一种方式，为每个智能体单独建立一个存储桶。听起来清晰直接，但翻阅腾讯云技术文档便会发现一处细节——同一账户下，存储桶的数量上限默认仅为200个。应对几十套业务系统绰绰有余，面对成千上万个智能体实例，两百个桶转眼间就会耗尽。

第二种方式，所有智能体共用一个存储桶，依靠文件夹前缀假装彼此隔离。省力是省力，代价是：配额、速率限制这些权限细节难以按每个智能体单独配置，隔离完全依赖应用代码中的几行判断逻辑支撑。开发人员稍有不慎，路径拼接出现漏洞，他人的数据便暴露在你眼前。

一面是数量激增，一面是隔离靠运气。这道选择题，难住了几乎所有认真打造智能体产品的团队。

2026年7月9日，科技媒体智东西的官方账号@Chinazhidx与腾讯AI官方英文账号@TencentAI_News，几乎同步将这一消息推向了国际信息流。

▲ 智东西官方账号：腾讯云发布Agent Bucket，兼容S3，可为数亿级AI智能体提供隔离云存储，1.1K次查看，20个赞

"TODAY:#TencentCloudunveiled Agent Bucket, an agent-native storage service. S3-compatible, it provides isolated cloud storage for hundreds of millions of AI agents."

「今日，腾讯云推出Agent Bucket——面向智能体的原生存储服务。兼容S3，可为数亿级AI智能体提供隔离云存储。」

产品的核心思路并不复杂：在存储桶之下，新增了一层名为Space（空间）的结构。

每个智能体实例、每个终端用户、甚至每辆汽车、每台AI PC，都能获得一个独立的Space——独立的访问密钥、独立的存储限额、独立的速率控制策略。这层隔离由存储系统自身来保障，与应用代码是否正确无关。

腾讯云存储高级产品经理王致铭为这次调整定义了方向：仅给存储桶换个名称远远不够，真正要做的，是为每一个智能体配备一个原生独立的空间。

这个定义背后，才是此次升级真正关键的部分：将每个智能体的边界，从应用层的一张数据表，迁移到了存储系统的底层架构中。去重、共享、审核，都是建立在这层架构之上的能力。

细看官方英文长帖，功能被总结为四条，恰好是理解此次升级的四把钥匙。

▲ 腾讯AI官方账号：独立空间、开箱即用的文件管理、GooseFS加速、已在多个场景验证规模，1.3K次查看

"Independent space at scale. Each agent gets its own Space, with dedicated credentials, quota, and rate limits. Isolation becomes a system capability, not app code."

「规模化独立空间：每个智能体拥有自己的Space，独立凭证、配额与限速。隔离成为系统能力，而非应用层逻辑。」

根据官方文档，单个存储桶内的Space数量默认可达1000万，联系扩容后可至10亿级别；单个Space内可存放的文件数量不受限制。桶名依旧全局唯一、系统自动生成，账号下智能体桶的数量沿用COS原有规则，默认还是200个——但每个桶里能容纳的Space，已经从「一对一」变成了「一对亿」。

对象的Key会经过哈希分散，避免海量并发请求全部堵塞在同一热点上。这是能支撑「亿级」这个词的工程细节，而不只是一句宣传语。

除了隔离，Agent Bucket还将一整套网盘级的文件能力嵌入存储层：

S3兼容接口的意义，是让开发人员不必更换手中熟悉的工具链——备份软件、数据流水线、各类SDK，依然可用。真正改变游戏规则的，是Space、AccessToken、独立配额这套此前从未在存储系统里原生存在过的隔离模型。S3负责让外界觉得熟悉，Space负责让内部规则变了。

▲ 腾讯云官方文档《智能体桶优势》：旧方案下Bucket/Prefix/Object靠代码隔离、有泄露风险、无法海量扩展；新方案下AgentBucket→Space→File实现平台级隔离、独立配额限速、天然支持海量用户

对照图上打了红叉的旧方案，几乎就是前面提到的“前缀隔离靠运气”那套做法的原样写照；打了绿勾的新方案，把每一条痛点都对应成了一个具体能力。

这句判断，出自腾讯云存储总经理陈峥。接受媒体采访时，他又补充了一句分量更重的话：

「光存，数据没有价值。」

▲ 2026年6月5日，腾讯云AI产业应用大会现场，陈峥（图中桌签）就存储范式变化接受媒体采访

在他的描述里，云存储走过了三个阶段。最早是通用存储时代，存得住、不丢、能管，是个沉默的后勤仓库。后来到了AIGC时代，重点变成读得快，数据要不停喂饱GPU。而现在，进入了Agent Bucket所代表的阶段——存储要分得开、记得住、找得到。

这句话背后有具体数字支撑：Gartner曾给出一个预测，2026年的非结构化数据量，大约是2023年的三倍。这些数据里，相当一部分来自智能体自己生产的代码、截图、日志与中间产物，人工上传的照片视频占比正在被稀释。数据在膨胀，制造数据的主体也在膨胀——过去一个企业的“用户”是几百上千号人，现在同一个企业里，可能同时运行着成千上万个智能体实例。

存储行业过去比拼的是耐久性、单价、吞吐量这几个老指标。现在，能不能按智能体分配额度、能不能语义检索、去重率高不高，正在变成新的考核项。谁先把这套新指标讲明白，谁就更接近“AI基础设施”，也更能甩开“换了个说法的网盘”这顶帽子。

Agent Bucket已经嵌入了好几条产品线，公开材料显示它没有停留在PPT里。

腾讯自己的桌面智能体产品WorkBuddy，用它来做团队协作空间：一份共享的项目空间，加上每个成员的独立空间，外链分享、在线预览、回收站，这些网盘该有的功能全部开箱即用。企业级产品ClawPro，把公共技能库和每个智能体的私有产物盘分开摆放，官方案例给出的说法是，存储模块的开发周期，从「月级」压缩到了「天级」。

中文互联网给这套架构起了个更好记的名字——「一虾一盘」。这源自OpenClaw生态里那波"免费安装龙虾"的产品热潮：每一只虾（每个智能体实例），都配一个自己的盘。说法虽然带着梗，落到技术上就是Space隔离本身。

设备侧的合作同样在推进。腾讯云与华硕联手，基于Agent Bucket为AI PC用户打造「个人空间盘」，面向的是百万级笔记本用户。东风日产则用它为N7、NX8等车型的车主提供独立云空间，存放和检索哨兵摄像头拍下的视频——车主一多，隔离要求跟智能体场景其实是同一道题。

最有分量的一个案例，来自具身智能公司灵生科技。机器人越多，需要采集和训练的数据就越庞大，本地存储不安全、训练时的IO跟不上GPU的胃口，这些都是实打实的工程难题。灵生用COS打底防止数据丢失，用GooseFS拉高吞吐把GPU“喂饱”，再用Agent Bucket给每台设备分配独立空间。这套组合最终换来三样东西：数据独立隔离，训练效率提升，从采集到推理被彻底打通。

Agent Bucket服务的对象，早已越过聊天框里的对话智能体，延伸到在物理世界里采样的机器人。

产品发布之后，官方帖子下面出现了一批早期反馈。互动量还不算大，但态度出奇一致。

▲ 开发者Rameswar在推文下方留言，18次查看

"giving every agent its own storage boundary feels like the right abstraction, isolation is way cleaner when the infrastructure handles it instead of every app reinventing it"

「给每个智能体划出自己的存储边界，这感觉是正确的抽象——隔离交给基础设施来做，比每个应用各自重造一遍要干净得多。」

另一位开发者Zora Vale AI，把这次升级对工程复杂度的削减看得更透：

"Native, isolated storage with familiar S3 compatibility removes a lot of complexity for developers while scaling to billions of agents."

「原生隔离存储加上熟悉的S3兼容性，在可扩展到数十亿智能体的同时，大幅降低了开发者的复杂度。」

中文评论区的表达更简洁，一位开发者留言：「每个代理独立空间这点挺实用，省掉不少隔离心智负担。」

把视角拉远一点会发现，为智能体寻找一套可靠的存储方案，全球多条赛道都在同时发力，腾讯云只是其中一家。

AWS这边，S3依旧是基石，但也在往上长新器官——S3 Vectors这类新桶类型的出现，说明对象存储正在把向量检索、分析类负载也纳入自己的势力范围。腾讯云同期推出Agent Bucket与Vector Bucket的组合，走的是相似的路：给老牌存储桶家族增添新物种。

也有一批创业公司选择了另一条路。以Mesa为代表的团队认为，现在生产环境里的智能体文件系统，基本靠胶带粘出来的——S3加GitHub加沙箱盘再加自研的差异比对工具。他们给出的方案，是专门为智能体打造的文件系统，强调POSIX语义、版本管理、分支与权限控制。云厂商做的是厚而全的数据底座，创业公司做的是薄而美的文件层，两者未必互斥。

Hugging Face则推出了面向AI工作负载的可变存储桶，比起Git，对模型checkpoint和训练轨迹更友好。模型社区平台、公有云、终端设备，三条赛道的玩家不约而同地用“桶”这个词，重新定义各自的数据层。这几乎说明，Bucket这个概念，正在从一个云厂商的专有名词，变成AI时代的基础设施代名词。

严格说，Agent Bucket算不上7月9日凭空冒出来的新品。它的产品哲学在3月的上海城市峰会上已经成型，4月末的重庆峰会给出了正式发布表述，6月初的北京大会上完成了一次彻底的深讲。7月9日这天，是腾讯云通过官方英文渠道和媒体矩阵，把这套已经打磨了几个月的能力，一次性、完整地摆在了更多人面前。

理解这件事的钥匙，藏在它揭示的那个更大趋势里：有没有拿到「全球首发」这顶帽子，其实没那么重要——当软件开始大规模代替人类去干活，数据的边界就必须从应用代码里，长到云的骨架上。

过去十年，云厂商教会了企业怎么弹性伸缩虚拟机和容器。过去两年，企业学会了怎么采购Token、调用大模型。接下来，几乎可以肯定，企业还要学会一件新事情——怎么管理数以亿计、没有身份证的软件主体，各自的数据边界。

谁能先把这道边界，做成默认就有、不用额外开发的能力，谁就更有机会成为AI时代真正被依赖的水电煤。

对大多数普通用户来说，你大概率永远不会亲手在控制台里创建一个Agent Bucket。你能感觉到的，只是桌面助手生成的文件终于稳定地找得到了，新买的笔记本电脑出厂自带一块「个人AI空间」，车里的哨兵录像不会莫名其妙和别的车主搅在一起。

基础设施最好的样子，往往是让人感觉不到它的存在。