新瓶舊酒or涅槃重生？操作系統的 AI 進化終將走向何方？

作者 | 付秋偉

過去一年，AI 技術已從概念熱潮深度滲透至產業肌理，成為驅動 IT 基礎設施重構的核心引擎。當大模型、異構算力、智能體（Agent）等技術要素持續沖擊傳統技術體系，操作系統作為軟硬件協同的核心樞紐，其 AI 進化的本質也引發了行業的深刻思考：OS 的 AI 進化，究竟是換湯不換藥的 “新瓶舊酒”，還是顛覆底層邏輯的 “涅槃重生”？

帶著這一核心命題，「AI 進化論：智算時代 OS 的破局之路」收官直播，特別邀請到兩位橫跨學術前沿與產業實踐的頂尖專家——阿里云操作系統團隊資深總監、龍蜥社區技術委員會主席楊勇，以及中國科學院軟件研究所高級工程師、RISC-V 行業生態負責人郭松柳，從全球技術差異、內核價值重構、異構算力適配、生態建設路徑等維度，展開了一場深度對話。本文將基于直播實錄，以媒體視角整合核心觀點，解碼 AI 時代 OS 的破局之道。

行業爭議與全球分野

國內外 OS 的 AI 進化核心差異

當前，AI 與操作系統的融合已成為行業共識，但國內外主流廠商的技術路線卻呈現出顯著分野，這種差異背后隱藏著硬件基礎、生態模式與場景需求的多重博弈。

從產業實踐來看，OS 與 AI 的融合核心圍繞兩大方向：一是 OS 為 AI 基礎設施服務（OS for AI），二是將 AI 技術融入 OS（AI for OS）。國外以英偉達為代表，已跳出傳統 “以芯片為中心” 的思維，轉向系統級重構。“國外和國內廠商的差異，本質是是否從‘以芯片為中心’轉向重新設計系統”，楊勇直言，英偉達的超節點操作系統 DGX OS 通過將 Ubuntu 與自身并行棧深度融合，重新定義了操作系統的邊界。這種領先性源于英偉達在硬件算力與軟件棧積累的雙重優勢，“其核心價值不僅是高性能芯片，更是長期構建的完整軟件生態”。

國內廠商的突圍路徑則呈現出鮮明的本土化特征。郭松柳觀察到，國內在硬件絕對性能存在限制的背景下，走出了兩條有效路徑：一是開源社區的深度協同，“去年以龍蜥社區為代表的幾大操作系統社區聯合統一了內核版本，數百個基礎組件也實現了版本統一”，這種協同大幅降低了硬件適配成本與軟件重復開發工作量，而阿里云正是這一協同機制的核心推動者；二是 “以軟補硬” 的創新思路，“當硬件性能有差距時，我們可以從軟件或系統設計上做優化，挖掘算力潛力”。阿里云在龍蜥社區中主導的多項軟硬協同優化方案便是非常好的實踐。

“我們很難說今天一切就僅僅是以 AI 芯片為中心，GPU 確實重要，但是大模型的算法同樣重要。所以在這個過程中我們做一個支持異構的 AI 基礎設施就需要結合軟件、硬件去綜合考慮。”楊勇表示，阿里云聯合龍蜥社區做了 Attention Forward Disaggregation 優化，將 MoE 模型中運算特征不同的 Attention 網絡和 Forward 網絡拆開，然后部署在不同芯片上，最終獲得了明顯的性能提升。“目前我們向 SGLang 社區貢獻了相關代碼。這背后就是我們從模型角度切入的思路——神經網絡越做越大，很多問題本質是系統問題，而阿里云正好擅長計算網絡通訊量、研究高效網絡設計，這些能力和神經網絡的設計思路有大量相通之處，所以才能快速切入這個方向。這也印證了系統創新還有大量機會。”

目前，在 AI for OS 方向，國內外基本處于同一起跑線。“國內有獨特的場景優勢”，楊勇以豆包手機的 AI 融合嘗試為例，強調服務器側也正涌現出更多接地氣的產品。這種差異的核心驅動因素清晰可見：國外依托硬件與軟件棧的長期積累，偏向自上而下的系統級重構；國內則憑借開源協同的生態優勢與豐富的場景資源，走出自下而上的突圍路徑，兩者共同構成了全球 OS AI 進化的多元格局。

內核之辯：邊界入侵還是價值重構

國內外技術路線的分野，最終都指向一個核心爭議 —— 當用戶態技術能實現越來越多的資源管理功能，傳統內核的價值是否被削弱？GPU 時代，模型框架與 CUDA 生態在用戶態 / 應用層即可實現調度優化、顯存池管理等能力，恰好讓 “內核能力邊界被入侵” 的疑問成為行業焦點。但從兩位專家的視角來看，這一現象并非 “入侵”，而是技術演進下的邊界擴容與價值重構。

“與其說被入侵，不如說是另辟蹊徑”，楊勇給出了辯證的答案。他指出，Linux 內核誕生于 “CPU 為中心” 的體系結構，設計邏輯基于傳統計算場景，而 AI 時代的大模型與 AI 芯片是從邊緣走向中心的全新場景，傳統內核的演進路徑難以適配這種變革。英偉達的實踐恰恰說明，新的技術需求正在推動操作系統邊界的重構 ——“CUDA 等并行軟件棧并非獨立于 OS 之外，而是被重新定義為 OS 的一部分”。

據介紹，阿里云于 2025 年發布的 Alibaba Cloud Linux 4（簡稱：Alinux 4）正是以“智算底座重構者”的身份，推動操作系統從傳統通用計算架構向“AI 原生操作系統 + 通用計算融合體”的范式躍遷，打造面向未來的智算時代操作系統底座。

如何真正重構智算底座？Alinux 4 從三個維度給出了它的答案：

• 技術方案上，在 AI 領域，超大規模分布式訓練、訓推一體混合部署、異構計算資源調度等需求持續倒逼操作系統從底層架構到上層生態進行深度重構，確保智算模塊必須緊跟業界發展趨勢。

• 演進節奏上，智算時代，企業往往處于從“通用計算”向“通用和智能計算并重”演進的階段。因此，智能計算的架構選型要滿足當前 AI 訓練和推理的需求，還需要兼顧客戶的業務可持續發展。

• 生態支持上，AI 芯片市場呈現出高度碎片化的趨勢，如：NVIDIA、AMD、華為昇騰、寒武紀等廠商各自擁有不同的硬件架構和軟件生態，阿里云服務器操作系統 V4 在設計之初就綜合考慮了以上因素，并在系統和內核層屏蔽了相關差異。

郭松柳則從內核演進歷史進一步佐證：“Linux 內核的功能邊界始終在動態擴展，從最初的基礎資源管理，到后來納入文件系統、外設驅動，本身就是不斷吸納新需求的過程”。AI 計算的特性與傳統計算截然不同，“數據量巨大且呈流式傳輸，對 Cache 安排、數據存儲順序的要求都不一樣”，這意味著內核需要針對性優化，而非被用戶態技術替代。他分享了一項學術研究成果：“通過 eBPF 調控 Cache，能讓 AI 計算性能提升 2-3 倍，這正是內核適配 AI 場景的創新嘗試”。

這場辯論的核心結論已然明確：AI 時代的內核并非被入侵或替代，而是在適應新場景的過程中實現了功能邊界的擴容與能力進化。“今天只是起點，我們需要重新思考基礎設施與 AI 應用的研發邏輯，內核也會在這個過程中進化出全新能力”，楊勇強調，作為軟硬件協同的核心樞紐，內核的價值只會隨著 AI 技術的深入而更加重要。

核心技術重構與實踐落地

從云原生到 AI 原生的技術躍遷

內核價值的重構，本質是 OS 底層技術邏輯適配 AI 場景的必然結果。其中，阿里云 OS 從 “應云而生” 到 “因 AI 而進化” 的躍遷，正是產業界 OS AI 進化的典型樣本，從技術演進的視角來看，這場進化并非 “新瓶裝舊酒”，而是底層優化邏輯的徹底重構。

楊勇以親身經歷復盤了這場躍遷的核心差異。“我剛加入阿里云的時候，正是云計算正快速發展的時候，云原生被視為產業目標”，楊勇表示：“云原生時代，OS 的核心命題是支持應用的云原生化，當時操作系統的壓力來自于資源切分、隔離與穩定性”。他回憶道，當時的服務器以 256GB 內存為主，512GB 已屬高端，阿里云服務器操作系統的核心破局點是容器技術，比如通過安全沙箱實現隔離，通過 cgroup 技術優化資源 QoS，目標是 “更小的資源切分、更低的成本、更強的運維穩定性”。

進入 AI 原生時代，大模型參數量的指數級增長帶來了全新的命題。“AI 時代的模型太大了，對顯存、顯卡、主存的需求激增，現在 TB 級內存的服務器已成常態”，楊勇表示，AI 芯片在服務器成本中占比極高，這帶來了兩個核心變化：一是資源難以切分，二是大量資源由并行軟件棧和 AI 芯片驅動管理，OS 的角色從 “主導者” 轉變為 “協同者”。

核心目標的轉變更為關鍵。“AI 時代的核心是優化算力效率，哪怕提升 5%、10%，帶來的收益都非常顯著”，楊勇強調。但這種進化并非割裂，“云原生時代積累的容器技術、分布式架構，為 AI 算力部署提供了基礎，現在所有 AI 業務系統都運行在云原生底座上”。兩者既有延續性，核心命題卻完全不同，AI 不僅是對 OS 的功能補充，更在推動 OS 進行底層邏輯的重構。

以 Alinux 4 為例，作為阿里云面向下一代基礎設施推出的操作系統，Alinux 4 通過加強 GPU、CPU 及 CIPU 之間的協同設計，來提升 I/O 性能與資源利用率。這樣，在 AI 原生化趨勢的演進過程中，操作系統能夠更全面地實現了對智算服務器及各類 AI 新硬件平臺的兼容性與使能支持，進而助力創新應用的高效運行。

從學術視角看，郭松柳認為這種進化體現了明確的技術范式迭代。“操作系統的核心角色是‘管理硬件、提供統一接口’，但 AI 時代的硬件形態與負載特性都發生了本質變化”，他用一個生動的比喻解釋：“就像交通管理，從只有轎車到有了高鐵，管理邏輯必須完全重構”，GPU 的并行計算能力與 CPU 的串行計算差異，正是這種范式轉變的核心體現。

異構算力適配與實踐價值驗證

技術范式的轉變，最終要落地到算力適配與場景價值上。GPU 、RISC-V 等帶來的異構算力的普及，是 AI 時代的顯著特征，也推動 OS 在技術適配與實踐落地中不斷突破。

實際上，AI Infra 驅動下的 OS 全棧優化，核心圍繞 “降低 Token 成本” 展開，具體體現在性能、穩定性、部署效率三個維度。

其中，性能優化的核心是釋放 AI 芯片算力。阿里云推出的操作系統 AI 增強套件，正是針對這一目標的實踐成果。“AI 場景的性能提升主要在數據面，核心是讓 GPU 充分發揮算力”，楊勇以智駕場景為例，車廠將模型訓練放在云端，海量數據從存儲到內存再到 AI 芯片的傳輸路徑上，常出現 “CPU 機頭拖累 AI 芯片” 的瓶頸，“我們的優化就是聚焦這條鏈路，提升 CPU 與 GPU 的數據交換效率”。

實踐落地的價值已得到充分驗證。阿里云服務器操作系統 V4 通過 “云 + AI” 驅動研發，在九代實例上實現 15%+ 的端到端性能提升。“我們的性能驗證建立在垂直場景 Benchmark 基礎上”，楊勇介紹，在智駕場景中，模型訓練迭代周期縮短 15%；在電商推薦場景，推理吞吐量提升 20%，這些成效通過開源工具驗證，確保了可復現性。

穩定性優化是降低 Token 成本的關鍵保障，也是當前 AI Infra 領域的突出短板。“今天的分布式推理、訓練框架里，缺少過去通算領域成熟的可靠性技術”，楊勇直言，不管是推理還是訓練，當前都以分布式部署為主，但行業普遍缺乏冗余備份、容錯機制以及 Scale out 或 Scale up 的自動伸縮能力。“穩定性不好會帶來服務爆炸半徑大的問題，一旦一塊卡壞了，部署又沒有冗余，直接就不能服務了，甚至幾百塊卡同時算力斷供，Token 成本會大幅上升”。針對這一短板，阿里云在系統層面融入了通算領域的可靠性設計思路，進而減少因硬件故障或負載波動導致的算力損耗。

性能與穩定性的提升，最終需要通過高效部署轉化為實際價值。部署效率的優化，核心是解決智算集群 “上架慢、落地難” 的痛點。“建一個智算中心，采購了上千塊卡，卻要花很長時間搭建調試”，楊勇舉例，前一階段某科技公司股票大跌，部分原因就是市場發現其囤了大量算力，但上架交付周期過長，導致算力無法及時轉化為價值。

對于企業而言，AI 增強型 OS 的落地門檻還集中在復雜鏈路運維、環境適配與人才短缺，這正是部署效率優化的核心靶點。阿里云通過容器化解決方案降低環境配置門檻，“把大模型、推理框架預集成到容器模板，用戶一鍵部署即可”，同時通過自動調優技術，讓用戶 “無需手動配置，開箱即享最優性能”。楊勇也坦言，全鏈路標準化的缺失是當前最大的門檻，“需要硬件、OS、框架、模型廠商共同制定標準，降低企業落地成本”，目前阿里云正聯合龍蜥社區推進這一工作。

而在異構算力的適配方面，RISC-V 的崛起則提供了一種全新可能。“RISC-V 的核心優勢是指令集可任意擴展，能根據 AI 負載定制設計”，郭松柳分享了行業進展：Ubuntu、Fedora、龍蜥等國內外主流 OS 社區均已發布支持 RISC-V 23 的版本，RISC-V 正式成為 OS 支持的 “一等公民”。在智算領域，英偉達、摩爾線程等廠商已將算力卡上的控制芯片替換為 RISC-V 架構，美國 Tenstorrent 公司更是構建了 “RISC-V CPU+RISC-V 算力卡” 的全棧體系，“統一架構能夠大幅降低軟件棧的維護復雜度”。

RISC-V 的功耗優勢同樣值得關注。“在相同算力條件下，RISC-V 的功耗可降低 20%-30%”，郭松柳強調，這一優勢在智算中心規模化部署后尤為重要，能顯著降低能源消耗與運營成本。楊勇補充道：“谷歌的 TPU 也使用了 RISC-V 的 IP，做了很多創新性工作，AI 服務器、AI 算力是 RISC-V 的重要機會”。

未來趨勢與生態共建之路

進化方向：通用化與場景化的螺旋上升

技術的落地與算力的適配，讓 OS 的 AI 進化的輪廓愈發清晰。關于未來 OS AI 進化的主流趨勢，楊勇結合阿里云的實踐給出了 “螺旋上升” 的判斷：“從當前的專用化，走向中期的通用化，再到長期的專用化與通用化融合”。

他認為，當前 AI 技術仍處于早期階段，模型與場景的適配性不足，專用化是必然選擇。“不同行業、不同應用的需求差異顯著，通用化的 OS 難以滿足所有場景的優化需求”。但隨著模型架構的成熟、算力成本的降低，通用化將成為中期主旋律。“就像電氣化時代，電力技術從專用化走向通用化，成為所有行業的基礎支撐”，AI OS 也將逐步形成通用的技術框架與接口標準，降低行業應用的門檻。

當 AI 技術全面普及后，行業對 “極致效率” 的追求將推動專用化的回歸。“在通用框架的基礎上，針對特定場景進行深度定制”。這種螺旋上升的趨勢，在通算領域已得到驗證：“先通過通用化實現信息化普及，再通過專用化提升行業效率”。

郭松柳從 RISC-V 生態的角度補充了場景化的價值。端側場景的多樣性（如 AI 眼鏡、智能手表、工業傳感器）決定了 OS 必須走向場景化。“不同設備的資源限制、交互方式、AI 負載差異巨大，通用化的 OS 難以兼顧所有需求”。以 AI 眼鏡為例，“其 3D 顯示、手勢交互等需求，對傳統 2D 渲染、鍵鼠交互的 OS 架構提出了全新挑戰，需要針對性定制”。

實際上，兩位專家的觀點最終形成了一個共識：即通用化是技術普及的基礎，場景化是效率提升的關鍵，兩者將在不同階段占據主導地位，最終形成 “通用框架 + 場景插件” 的融合形態，其中 OS 提供通用的資源管理、安全隔離、生態適配能力，同時通過插件化方式支持不同場景的定制化優化。

Agent 生態：OS 的新戰場與技術挑戰

通用化與場景化的融合，在 Agent 生態中體現得尤為明顯。2025 年，Agent 成為 AI 領域的熱門詞匯，其演進被視為人工智能發展的重要方向，而操作系統作為底層支撐，在擁抱 Agent 的過程中同樣面臨著新的機遇與挑戰。

從產業實踐來看，阿里云服務器操作系統面向 Agent 的布局主要圍繞兩大方向：一是利用 Agent 技術解決自身系統服務問題，二是構建兼容開放的 Agent 生態底座。“操作系統代碼量龐大，傳統運維與研發依賴大量人力，大模型技術為這些場景提供了優化空間”，楊勇介紹，阿里云已開始嘗試 AI 輔助代碼 review、智能化運維故障排查等應用，“我們有數據和場景優勢，能更好地將大模型能力融入 OS 的研發與運維流程”。

但 Agent 生態的發展仍面臨巨大的不確定性。“AI Agent 的開發模式仍在快速迭代，從早期的提示工程、RAG，到如今的多輪對話、Multi-agent 架構，應用開發框架尚未成熟”，楊勇透露了一個關鍵行業現狀：“目前主流 Agent 廠商均采用閉源商業路徑”，這源于 Agent 開發的重資產特性——“需要消耗大量 Token，成本很高”。

對此，他提出了開源社區的應對思路：“就像 Linux 能運行 Oracle、SAP 一樣，開源社區應以包容的心態支持閉源 Agent 廠商”，龍蜥社區正計劃邀請 Agent 廠商加入智算聯盟，通過解決方案合作的方式推動生態適配。“當前生態建設的核心是開發者生態，而非商業互認”，在技術標準尚未成熟的階段，通過聯合創新形成解決方案，是 Agent 生態落地的關鍵路徑。

從學術視角看，郭松柳指出，OS 支撐 Agent 生態還需突破三大技術底座能力。首先是資源調度與平衡能力，“未來大量 Agent 將運行在端側、邊緣側等資源受限設備上，如何在 Agent 占用大量資源的同時，保證其他應用正常運行，是核心問題。Agent 運行過程中能否被打斷？打斷的代價是什么？這些都需要 OS 來平衡”。

其次是安全性保障能力。“Agent 需要連接大模型與終端設備，涉及數據傳輸與系統控制，數據安全與系統安全至關重要”，尤其是在車、工業控制等關鍵場景，“Agent 的不靠譜可能導致嚴重后果，這個時候就需要 OS 提供有效的隔離機制與應急控制能力”，比如通過通用計算介入，對 Agent 進行打斷或指令修正。

最后是多模態交互適配能力。“隨著 Agent 與物理世界的連接日益緊密，OS 需要支持 3D 顯示、手勢交互等多模態方式”，這對傳統 OS 架構提出了全新挑戰。郭松柳總結道：“Agent 生態的發展，要求 OS 從‘管理資源’向‘連接人與物理世界’進化”。

涅槃重生：OS 的進化關鍵與行業啟示

無論是技術路線的選擇、算力的適配，還是 Agent 生態的布局，最終都指向 OS 實現 “涅槃重生” 的核心命題。操作系統的 AI 進化要實現真正的 “涅槃重生”，而非表面的功能疊加，核心在于緊跟算力需求與應用場景，通過開源協同與軟硬一體創新，重構核心能力。

楊勇認為，OS 的定義從未固化，即“從早期的資源管理工具，到云原生時代的容器底座，再到 AI 時代的算力協同樞紐，OS 的進化始終圍繞‘解決核心矛盾’展開”。AI 時代的核心矛盾是 “算力供給與應用需求的不匹配”，OS 的涅槃重生必須聚焦于這一矛盾，“從‘管理資源’向‘激活算力’轉變，從‘被動適配’向‘主動創新’轉變”。

談及對從業者的建議，楊勇表示主要是三個方向：

• 一是擁抱開源協同，“AI 時代的技術復雜度遠超單一企業的承載能力，開源社區是技術創新的核心載體”；

• 二是聚焦實際問題，“不要追逐熱點，要深入場景找到真正的痛點，技術創新必須為解決問題服務”；

• 三是保持開放心態，“OS 的進化是全產業鏈的協同行為，需要與硬件廠商、框架廠商、用戶深度合作”。

郭松柳則從技術選擇與生態建設的角度補充：

• 首先也是擁抱開源，“開源打破了技術壟斷，為開發者提供了深入核心技術的機會，也為企業降低了創新成本”；

• 其次是勇于選擇新架構，“RISC-V 等新架構雖然生態尚未完全成熟，但發展速度快、靈活性高，是 AI 時代的重要機會”；

• 最后是重視軟硬一體，“AI 時代的 OS 創新不能脫離硬件，需要與硬件廠商深度協同，挖掘算力潛力”。

毋庸置疑的是，在這場操作系統的 AI 進化浪潮中，人才成為了國產 OS 突破技術壁壘、實現 “領跑” 目標的關鍵變量，兩位專家在結尾也不約而同地向行業發出人才號召。“操作系統是技術體系的基石，AI 時代的變革為國產 OS 提供了前所未有的機會”，楊勇感慨道，國產化的目標不是 “替代”，而是 “領先”，“就像中國家電行業一樣，無需強調‘國產化’，本身就是先進的代表”。郭松柳更是直言：“如果 AI 會替代程序員和架構師，那操作系統的程序員和架構師可能是最后一個，因為它特別復雜”。

結 語

操作系統的 AI 進化不是一蹴而就的過程，而是一場涉及技術范式、生態格局、產業協同的深度變革。它既不是簡單的 “新瓶裝舊酒”，也不是顛覆一切的 “推倒重來”，而是在繼承過往技術積累的基礎上，針對 AI 時代的算力特性與應用需求，實現核心能力的重構與邊界的拓展。

從國內外的技術差異到內核價值的重構，從異構算力的適配到 Agent 生態的布局，從性能優化的實踐到落地門檻的降低，這場進化的每一步都充滿了挑戰與機遇。操作系統的涅槃重生，需要產學研用各方的堅守與創新——開發者深入技術細節，企業聚焦實際場景，社區推動協同創新，政策給予生態支持等。

AI 時代的大幕才剛剛拉開，操作系統的進化之路也還漫長。但可以確定的是，只有那些緊跟算力需求、擁抱開源協同、聚焦場景價值的參與者，才有機會在智算時代的 OS 破局之路上占據核心位置。以阿里云為代表的國產 OS 廠商，正通過龍蜥社區等開源生態，聯合產業鏈伙伴持續突破。隨著這場變革地持續深入，國產操作系統將有機會實現從 “跟跑” 到 “領跑” 的真正跨越，并構建起自主可控、技術先進的生態體系。

欄目介紹：

在 AI 重塑產業格局與國產化替代加速推進的雙重浪潮下，《AI 進化論：智算時代 OS 的破局之路》以云、AI、安全等技術與服務器操作系統如何融合演進為主線，聚焦服務器操作系統在智算時代的進化之路，特邀學術權威、行業專家、客戶代表圍繞原生智能、原生安全、軟硬協同等熱點議題展開深度對話，并以阿里云服務器操作系統為例，系統性解析其技術架構、演進之路及場景應用價值，以期給行業帶來啟示與借鑒。