1. 首頁 > 生活百科 > >

AI 時代操作系統的三重敘事：技術重構、國產化突圍與生態共建

網信辦

AI 時代操作系統的三重敘事：技術重構、國產化突圍與生態共建

文章圖片

作者 | 付秋偉
當前 ， AI 浪潮正以前所未有的力量重塑產業格局 ， 國產化替代的加速推進 ， 也讓基礎設施領域的技術創新成為了焦點 。 服務器操作系統作為算力底座的核心 ， 正在經歷著從 “適配” 到 “AI 原生驅動” 的關鍵變革 。
由阿里云聯合 InfoQ 打造的《AI 進化論：智算時代操作系統的破局之路》欄目首期 ， 邀請北京大學計算機學院教授、副院長 ， 中國計算機學會開源發展委員會副主任 周明輝 ， 阿里云智能集團研發副總裁、龍蜥社區理事長馬濤 ， 圍繞 AI 對操作系統的影響、技術演進、安全挑戰、國產化機遇及生態構建等核心命題展開深度對話 ， 解構智算時代操作系統的破局邏輯與實踐路徑 。
以下為經編輯整理后的內容精粹 。
1 AI 時代操作系統的重構與考驗
操作系統的本質 ， 始終是 “向下管理硬件資源 ， 向上為用戶和應用提供開發與運行保障” 。 周明輝教授在直播中強調 ， 這一核心定位從未改變 ， 但隨著應用場景與硬件資源的迭代 ， 其承載的功能與面臨的挑戰已發生根本性變化 。 從早期物理服務器時代的硬件資源管理 ， 到云計算時代的虛擬化與多租戶隔離 ， 每一次技術革命都推動著操作系統的能力邊界不斷拓展 。 而 AI 時代的到來 ， 尤其是大語言模型的訓練與推理場景 ， 正給這一經典系統帶來前所未有的沖擊 。
“大語言模型的訓練和推理 ， 其核心特點是計算密集、數據量大、參數眾多 ， 這使得算力、存儲、數據、模型必須實現一體化協同管理 。 ” 周明輝指出 ， 這種協同需求對傳統的資源管理模式構成了 “革命性挑戰”—— 傳統操作系統的進程調度、內存分配、文件管理邏輯 ， 已難以滿足 AI 場景下的高效協同要求 。
馬濤結合近 20 年的產業實踐 ， 進一步拆解了 AI 場景的具體挑戰 。 他以 GPU 為例：“現在一臺 GPU 一體機成本高達幾百萬 ， 讓它高效運行 10 分鐘 ， 操作系統需要做好大量底層工作 。 ” 在訓練場景中 ， 數據量的爆發式增長要求操作系統重新設計存儲策略 ——AI 訓練的中間數據多存儲于對象存儲或高性能文件存儲中 ， 如何將數據高效搬運至 GPU 顯存、如何在顯存不足時實現與內存的動態置換 ， 都成為全新課題 。 而在推理場景中 ， 多步驟計算對 CPU、GPU、存儲、網絡的差異化需求 ， 更要求操作系統具備動態適配能力 。
這種變化的背后 ， 是計算核心的遷移 。 “過去數據中心以 CPU 為核心 ， 調度算法圍繞 CPU 設計；現在則轉向以 GPU 為核心 ， CPU 更像‘保姆’—— 需要提前完成數據處理、內存準備等工作 ， 讓 GPU 專注于計算 。 ” 馬濤解釋道 ， 這種轉變不僅涉及計算邏輯的重構 ， 更引發了網絡棧的連鎖變革：在多機多卡協同場景下 ， 數據如何跨設備高效傳輸、如何診斷機器間的故障、如何優化 shuffle 與 reduce 等操作 ， 都需要操作系統在網絡層進行深度革新 。 阿里云的 HPN7.0 技術在 SIGCOMM 上獲得 best paper ， 正是這種優化的典型成果 。
從實踐來看 ， AI 驅動的變革已體現在操作系統的每一個細節中 。 馬濤透露：“我們在阿里云通過持續優化計算、存儲、網絡等模塊 ， 將改進逐步開源到社區 。 每個小優化疊加后 ， 操作系統會慢慢變得‘不一樣’—— 比如針對 GPU 的調度算法、針對大模型的內存管理策略 ， 這些積累最終會形成適配 AI 場景的新系統 。 ”
【AI 時代操作系統的三重敘事：技術重構、國產化突圍與生態共建】據介紹 ， 最新發布的阿里云服務器操作系統 4.0 ， 便是上述優化的集大成者 ， 它深度整合了 AI 訓練與推理場景的底層能力 ， 比如針對 GPU 顯存與內存的智能置換算法、多機多卡協同的低延遲網絡調度等 ， 都是從千萬級 AI 任務中沉淀出的技術結晶 。
2 技術演進與安全攻堅：在改良與突破中尋找平衡
面對 AI 帶來的挑戰 ， 操作系統的演進呈現出兩條清晰路徑 。 周明輝將其概括為 “改良與革命并存”：一條是基于傳統架構進行 AI 適配優化 ， 另一條是重構全新架構 ， 讓 AI 成為操作系統的核心 。
“傳統操作系統的架構已發展數十年 ， 承載了無數應用 ， 面向 AI 做改進是必須走的路 ， 但這條道路充滿挑戰 。 ” 周明輝坦言 ， 傳統技術路線的復雜性使得滿足 AI 場景的大數據量、高計算密度、快存儲響應等需求極為困難 。 以內存管理為例 ， 大模型的參數規模動輒數十億甚至上百億 ， 傳統的分頁機制與緩存策略已難以應對 ， 必須重新設計內存分配與回收邏輯 。
馬濤從產業視角印證了這一判斷：“工業界目前更側重第一條路徑 ， 因為要兼顧現有用戶的 legacy 系統與業務連續性 。 ” 他以阿里云為例 ， 操作系統團隊通過 “小步快跑” 的方式持續迭代 —— 針對 AI 訓練場景優化存儲 I/O、針對推理場景優化任務調度、針對多卡協同優化網絡傳輸 ， 這些改進并非顛覆性創新 ， 但積累到一定程度后 ， 系統會呈現出全新的適配能力 。 “我們把這些工作開源到社區 ， 一方面接受社區驗證 ， 另一方面也能匯聚更多開發者的智慧 ， 從量變積累到質變 。 阿里云服務器操作系統 4.0 版本就是這種迭代模式的階段性成果：它既兼容傳統業務的運行需求 ， 又能通過‘AI 加速引擎’模塊為大模型訓練提供專屬優化 ， 實現了‘legacy 系統平穩過渡’與‘AI 場景高效支撐’的雙重目標 。 ”
對于第二條路徑 ， 即 “AI 即操作系統” 的架構革新 ， 兩位嘉賓均認為其是未來方向 ， 但需長期探索 。 “傳統操作系統模型確實不適合 AI 場景 ， 未來可能基于 GPU 核心重構體系 ， 甚至用 Rust 語言重寫內核 。 ” 馬濤指出 ， 企業當下難以全身心投入 ， 因為要平衡客戶需求與技術革新 —— 這也是新型創業公司的機會所在 ， “它們沒有歷史包袱 ， 可以輕裝上陣 ， 嘗試全新架構” 。 周明輝補充道：“學術界也在關注這一方向 ， 比如探索如何讓大語言模型直接承擔部分操作系統功能 ， 未來用戶可能‘用自然語言操作電腦’ ， 這會徹底改變人機交互模式 。 ”
技術演進的同時 ， 安全與供應鏈風險成為不可忽視的挑戰 。 周明輝從學術研究出發 ， 提出兩大核心解決方向：一是通過 Rust 語言重寫內核解決內存安全問題 ， “比如北大國家實驗室與螞蟻集團合作的‘星綻操作系統內核’ ， 利用 Rust 的內存安全特性構建‘寬內核’ ， 在保障安全的同時兼顧性能”；二是通過形式化驗證確保內核功能正確性 ， “形式化驗證能發現傳統測試無法察覺的數值溢出、條件競爭等問題 ， 為自動駕駛、工業控制等安全攸關場景提供確定性保障” 。
AI 場景的特殊性還加劇了供應鏈風險 。 周明輝強調：“軟件供應鏈是全球命運共同體 ， 只要互聯網存在 ， 所有參與者都無法獨善其身 。 AI 供應鏈的風險更具獨特性 —— 訓練數據可能被投毒 ， 海量參數中潛藏后門 ， 從硬件芯片到 AI 框架的全鏈條都可能出現漏洞 。 ” 他特別提到 XZ Utils 供應鏈投毒事件暴露出的社會工程學攻擊 ， 以及國內生態處于全球下游面臨的 “斷供風險” ， “這些問題不是中國特有 ， 而是全球性挑戰 ， 需要學界與產業界共同應對” 。
針對上述安全方面的挑戰 ， 馬濤從產業角度提出了 “體系化、平臺化、智能化” 的應對策略 。 “體系化即覆蓋代碼拉取、編譯環境、發布渠道等全環節 ， 確保每個節點可控 —— 比如上游代碼的溯源、編譯機器的安全加固、發布包的簽名驗證 。 ” 他解釋道 ， “平臺化是將所有信息透明化 ， 讓用戶知曉軟件包的來源、漏洞與升級路徑 ， 龍蜥社區已經實現了這一點 ， 所有包的評分、更新記錄、安全漏洞都公開可查 。 ” 而智能化則是利用大模型提升安全水位 ， “比如讓 AI 模擬攻擊者進行滲透測試 ， 或者自動分析代碼中的潛在漏洞 ， 這能大幅提升安全檢測效率” 。
在運行時安全方面 ， 阿里云正在研發 “龍盾” 功能 ， 通過全棧防護機制隔離風險 。 “即使攻擊者突破防線 ， 也無法獲取其他用戶數據 ， 以此將安全損失降到最低 。 ” 馬濤坦言 ， 對于大模型的數據污染風險 ， 目前行業仍在探索 ， “我們在嘗試通過數據標注與溯源技術提前識別風險 ， 但無法做到零風險 ， 只能盡力降低” 。
3 國產化突圍與生態共建：從 “跟跑” 到 “生態位躍升”
除了 AI 浪潮 ， “國產化”則是操作系統演進過程中的又一重要趨勢 。 2020 年的 CentOS 停服事件 ， 成為了國產服務器操作系統發展的 “轉折點” 。 周明輝回憶：“當時全中國服務器中十之八九使用 CentOS ， 停服消息如同地震 ， 這暴露了我們在全球軟件生態位的低端 —— 過度依賴上游 ， 一旦上游‘斷水’ ， 下游便陷入困境 。 ” 但他同時強調 ， 國產化絕非簡單的 “替代” ， 而是 “立足全球化 ， 向生態位高位攀升” 。
“軟件是全球化市場 ， 國產化不能關起門來做 。 ” 周明輝的觀點鮮明 ， “我們的目標是吸引全球智力與市場 ， 讓國產操作系統不僅服務國內用戶 ， 更能進入國際市場 。 比如開源項目 ， 就應該利用全球的開發者資源 ， 解決全球性問題 。 ”
馬濤將國產化路徑總結為 “腳踏實地 + 仰望星空” 。 他表示：“‘腳踏實地’是指通過社區的延保計劃 ， 幫助用戶平穩過渡 —— 很多企業的業務系統基于 CentOS 構建 ， 開發者可能都已離職 ， 讓他們重新適配新系統不現實 。 我們通過兼容接口、提供 CVE 更新 ， 讓用戶能‘無痛遷移’ ， 如同為舊橋梁鋪設新的橋面 ， 確保通行不受影響 。 ” 而 “仰望星空” 則是積極參與國際上游生態 ， “在 Linux Kernel 等關鍵子系統中貢獻代碼 ， 在 RISC-V、虛擬化等標準制定中爭取話語權 ， 如同從參與游戲到逐步制定游戲規則” 。
他以龍蜥社區的實踐為例：“我們聯合歐拉、OpenCloudOS 達成生態協議 ， 對 200 多個核心包（如 Kernel、GCC、GLIBC）統一版本與維護策略 。 這些包是操作系統的‘基石’ ， 統一標準能減少重復勞動 ， 讓各方集中精力做差異化創新 ， 如同大家共同建設地基 ， 再各自加蓋特色建筑 。 阿里云服務器操作系統 4.0 正是這一生態協同的產物 ， 它基于龍蜥社區的技術底座 ， 嚴格遵循核心包的統一標準 ， 同時針對云與 AI 場景做了深度優化 —— 比如針對國產芯片的原生支持 ， 能夠實現‘一次適配 ， 多平臺運行’ ， 這也是阿里云‘差異化競爭力’的具體體現 。”
當然 ， 核心組件的協同只是生態共建的起點 ， 要實現真正的國產化突圍 ， 還需要構建一個多方共贏的生態系統 —— 這既是應對全球競爭的必然選擇 ， 也是技術持續迭代的核心支撐 。 周明輝指出：“生態的核心在于兩個維度 —— 一是軟件依賴網絡中的生態位 ， 即有多少下游軟件、用戶與市場依賴；二是社區參與度 ， 包括開發者、企業、機構的貢獻度 ， 各方圍繞價值訴求形成共生體系 ， 如同一個熱帶雨林 ， 不同物種相互依存、共同繁榮 。 ” 他特別強調吸引年輕學子的重要性 ， “操作系統的未來在于年輕人 ， 要通過開源大賽、課程合作等方式 ， 讓他們參與到社區建設中 ， 如同培育樹苗 ， 為森林的未來儲備力量” 。
在這樣的生態體系中 ， 企業的參與并非單純的 “慈善” ， 而是基于自身利益的理性選擇 ， 唯有形成利益共生的閉環 ， 生態才能持續運轉 。 馬濤從產業視角補充了生態構建的關鍵：“技術決定生態的下限 ， 而生態決定社區的上限 。 ” 在他看來 ， 健康的生態需要滿足三個條件：一是開發者生態 ， 吸引學生與愛好者 “為愛發電”——“我當年進入操作系統領域 ， 就是因為興趣 ， 這種動力是持久的 ， 如同藝術家對創作的熱愛”；二是企業參與需找到利益回流點 ， “我們需要確保的是生態圈里的各方利益不沖突 ， 形成 1+1>2 的效應 ， 如同在一條產業鏈上 ， 每個環節都發揮優勢 ， 共同提升整體價值”；三是清晰的定位與分工 ， “上游社區做好核心組件維護 ， 中游發行版做好場景適配 ， 下游企業提供服務與銷售 ， 形成良性鏈條 ， 如同河流的上游、中游、下游各司其職 ， 最終滋養整片土地” 。
這種生態協同已初見成效 。 馬濤透露：“龍蜥社區的包管理體系會對每個軟件包打分 ， 根據活躍度、更新頻率、漏洞修復速度等指標推薦最優選擇 。 這不僅降低了用戶的使用門檻 ， 也讓上游開發者更重視包的質量 —— 形成正向循環 ， 如同一個優質市場 ， 買家與賣家相互促進 ， 共同提升商品品質 。 ”
4 未來展望：在產學研協同中定義下一代操作系統
對于下一代操作系統的形態 ， 兩位嘉賓一致認為 AI 將成為核心驅動力 。 周明輝預測：“傳統架構的重構與全新架構的探索將長期并存 。 隨著大語言模型能力的提升 ， 未來可能實現‘用人話操作操作系統’—— 用戶無需調用 API ， 只需自然語言指令 ， 系統就能自動完成部署、調度等操作 。 ”
馬濤則從產業視角分享了阿里云服務器操作系統接下來的三大方向：一是持續優化核心組件 ， 適配快速迭代的 AI 模型 ， “去年還是稠密模型 ， 今年就變成 MOE（混合專家模型） ， 參數規模從百億級躍升到千億級 ， 操作系統必須緊跟這種變化 ， 這也是我們在 Alinux 4.0 版本基礎上規劃下一代迭代的核心方向”；二是做好國產化算力的協同管理 ， “國內的 GPU、TPU 等異構芯片越來越多 ， 操作系統要抽象硬件差異 ， 讓用戶‘用起來一樣方便’”；三是推動操作系統的智能化 ， “通過 AI 優化安全檢測、運維調度、文件系統等模塊 ， 最終實現‘System for AI’與‘AI for System’的融合” 。
產學研協同將加速這一進程 。 周明輝認為：“學術界可聚焦基礎問題 ， 比如新的調度算法、存儲模型 ， 通過‘小切口’突破；企業則擅長工程化落地 ， 將學術成果轉化為產品能力 。 ” 他以形式化驗證為例：“比如高校團隊花數年時間攻克理論難題 ， 然后企業則將其應用到內核開發中 ， 只有這種協同才能真正解決問題 。 ”
馬濤補充道：“阿里與高校的合作模式有三種 —— 聯合實驗室聚焦長期方向 ， 定向項目解決具體問題 ， 開源合作吸引師生參與 。 比如在 AI for Security 領域 ， 我們與高校合作訓練大模型檢測漏洞 ， 既推動了學術研究 ， 也解決了產業痛點 。 ”
正如兩位嘉賓所言 ， 智算時代的操作系統正站在歷史轉折點上 。 無論是改良與革命并行的技術路線 ， 還是 “立足全球化” 的國產化策略 ， 亦或是 “價值共生” 的生態理念 ， 其核心都是讓操作系統真正成為 AI 時代的算力底座 。 在這條破局之路上 ， 產學研的協同、企業的持續投入與開源生態的繁榮 ， 將共同推動操作系統實現從 “適配 AI” 到 “原生驅動 AI” 的跨越 ， 進而為全球智算產業發展注入中國力量 。
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 ， 并以阿里巴巴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 。

    推薦閱讀