今天小編分享的科學經驗：比起各式各樣的AI應用，我們可能更需要AI for OS，歡迎閱讀。
剛剛過去的五月，是一個炙熱的 AI 之夏。前有 2023 谷歌 I/O 開發者大會 " 炸場 "，開建 AI 全宇宙，後有 2023 微軟 Build 大會，一切都與 AI 相關。
AI 被谷歌和微軟應用到各個產品，落地速度一路狂飙。不過，應用層面，國內能做 AI 產品的很多，很快會能推出類似的產品 , 因為路都是通的，工程師人才不是問題 , 技術不是問題 , 可能來得慢一點，效果略差一點 , 但這都沒關系，復現是肯定的。
但谷歌和微軟在一個領網域 , 打得風聲四起，國内能做的廠商，卻是鳳毛麟角，那就是作業系統。
目前，微軟已經将 GPT-4 大模型嵌入 Windows PC 作業系統，推出 Windows Copilot，在底層作業系統輸出 AI 能力。谷歌 Android 系統近年來總被吐槽 " 缺乏亮點、抄國内廠商 ", 但最新 Android 14 中許多 AI 功能集成，說明 Google 還是有點東西在的。
打造 AI 時代的作業系統，谷歌和微軟都在搶船票了。
作業系統是硬體性能的釋放視窗，又是大量軟體服務的承載體，可以說是一切人機互動的起點。在大語言模型帶來颠覆式的變革之後，作業系統也有了重新劃分格局的可能性。
AI 時代，作業系統是會重演移動互聯網的雙寡頭壟斷，還是迎來百花齊放，2023 的夏天剛剛寫下了開篇，你我都将見證這一場產業變局。
不妨從故事開頭講起，看看 AI 究竟能為 OS 做什麼？
AI 和 OS 組 CP
都有哪些方式？
AI 與作業系統 OS 的結合就像組 CP，方式有很多。
普通用戶，最熟悉的可能是 AI in OS，也就在原有的作業系統上集成 AI 軟體和應用。微軟這些年一直努力在 Windows 裡加入 AI 語音對話能力，移動作業系統蘋果、安卓、鴻蒙對 AI 能力的擁抱更是開展了很久，AI 算法輔助計算攝影、人臉識别、智能語音助手等，大家應該都不陌生。
對于開發者，OS for AI 才是 " 王道 "，也就是供給機器學習、深度學習的作業系統（AI OS）。比如 TensorFlow、PyTorch、飛槳、昇騰等，通過作業系統從硬體到軟體到網絡的全面重構，更好地支持 AI 模型訓練應用推理。
而科技廠商要打造 AI 時代的作業系統，則非常關心 AI for OS。簡單來說，就是利用人工智能來構建和優化作業系統，提升系統的設計、開發、維護等。不難發現，AI for OS 直接影響到普羅大眾使用作業系統的體驗，是我們普通人最期待的一對 CP。
而 AI for OS 提高先進性和競争力，也會直接影響到作業系統在 AI 時代的 " 國民度 "，成為作業系統成功的關鍵。
AI for OS
這對 CP 甜在何處？
強擰的瓜不甜，AI for OS 這對 CP 能不能甜到用戶心裡頭，是接下來要回答的問題。那現在真的是用 AI 優化 OS 的好時機嗎？
我們來看看如今的作業系統，有哪些可以被 AI 改變的地方。
第一個當然是 " 變重了 "。
随着用戶使用數字化應用的場景不斷豐富，作業系統所要承擔的互動和任務負載，也在持續快速增長。大家回想一下，智能手機裡安裝的應用是不是越來越多，要控制的外部智能設備也越來越豐富，而矛盾的是，随着摩爾定律的放緩，處理器增加的計算能力，越來越接近瓶頸。這種計算資源與任務之間的不匹配，正在成為作業系統的不可承受之重。
要讓作業系統變輕，就要充分地發揮出硬體的性能，挖掘出更多的算力，而系統的環境有強烈的動态性，随着任務負載而變。傳統作業系統，需要用戶手工切換關閉任務。這時利用 AI，自動實時感知業務場景的變化，預估現在（或未來）的工作量和所需的資源，進行動态調整，優化資源配額，實現更精準的算力供給，使用體驗當然也就更加絲滑流暢。
比如感知到用戶正在打遊戲，就自動降低後台應用，釋放 CPU 資源來保證遊戲運行，不會因為卡頓而錯失了五殺。
第二個是 " 變笨了 "。
可以确定的是，AI 是最具潛力的新賽道，未來将與大量軟硬體相連。可以想象一下，如果讓 AI 大模型幫你分析十篇論文，從應用啟動到生成結果，需要半個小時，中間還時不時掉線重來，這誰受得了？還不如自己上手算了。
傳統作業系統不想因 " 變笨 " 而被用戶抛棄，必須開始支撐 AI 全方位的應用，自然要進一步提升作業系統的能力。比如微軟 Windows 11 讓 AI 深扎底層 PC 系統，可以在沒有任何 APP 作為中介的情況下，直接調用 AI 大模型能力完成任務。
支撐 AI 在各種智能設備上更好地運行，必須從作業系統層面下刀，從硬體到軟體到網絡全面重構。
第三個是 " 變復雜了 "。
如今每個人身邊都圍繞着多種多樣的終端，不可逆地駛入萬物互聯時代，系統的復雜度也在不斷增加。
對用戶來說，作業系統各自為戰，碎片化的體驗是非常不舒服的。拿我自己來說，智能家電是安卓，手機是 IOS，電腦是 Windows，很多應用在不同設備之間基本不能自如切換，每個系統單獨一個賬号，一些個人行為數據很難在不同終端中流通，結果就是應用 " 不懂我 "" 人工智障 "。
設備不夠聰明也就罷了，更令人擔憂的是安全，不知道哪個設備成為 " 最短板 "，被黑客攻破，其他聯網設備一起遭殃。
對開發者來說，萬物智聯的應用開發，意味着巨大的代碼量和工作量，也不是一件輕松的事。
開腦洞想出一個創意不算難，開發出來之後，要将應用部署到數量眾多的物聯網設備上，得考慮本地算力、網絡連接能力、跨平台兼容……如果發現某個設備的 UI 互動有問題，再調試一輪，上線周期又延長了，開發成本有點過于高昂。不能釋放成千上萬開發者的創意和生產力，智能世界來得自然就更慢了。
讓復雜的場景變簡單，令多終端歸一化，已經成為移動產業的共識，一些品牌提出了 " 全場景智慧 "，但如果沒有作業系統層面的兼容和協作，對高集成場景進行針對性簡化，支撐應用跨設備、跨系統、跨平台的一次開發、多端部署；如果沒有 AI 全流程輔助來提升作業系統的運維、性能與安全等能力，" 全場景智慧 " 是很難真正實現的。
這樣看，AI for OS 這對 CP 甜就甜在一心同體、其力斷金。作業系統作為中樞，協調軟硬體的關系；AI 作為大腦，解決很多現有的挑戰，讓系統能力變得簡單而強大。
系統層面的路鋪平了，芯片、終端、平台、場景的隔閡與瓶頸也就消弭于無形了。
三大流派，各自甘甜
正如圖靈獎得主 Edsger Dijkstra 所說，Simplicity is a great virtue but it requires hard work to achieve it。簡單是一種偉大的美德，但它需要努力去實現。
AI for OS 帶來簡單但強大的能力，更适合 " 萬物智聯的體質 "。問題在于，怎麼實現呢？
目前，有實力打造下一代作業系統的科技企業，都在探索 AI for OS。具體分為三個流派：
流派一：PC 端的逆襲。
這一波大模型浪潮，OpenAI 是絕對的頂級流量明星，攫取到最大的話題度和關注度，而擁有這一頂流的微軟 Windows，也成了 " 一夜爆紅 " 的赢家。
微軟已經讓 "AI 副駕（Copilot）" 全面登陸 Windows 系統，對 Windows 系統的界面和互動，帶來了颠覆式的體驗，也吸引到了非常多的用戶和開發者粉絲。
面向用戶，Copilot AI 助手貫穿整個作業系統，用戶直接通過 Windows PC 系統去調用 AI 模型能力，無縫連接應用程式，大大簡化了互動步驟。
面向開發者，微軟基于 OpenAI 模型構建的 AI 輔助編程解決方案，在全球最大的代碼托管平台 GitHub 打造 GitHub Copilot X，能自動檢測代碼問題并給出建議，提升開發者的工作效率。
不過，PC 相比智能手機、平板等移動終端有天然的劣勢，微軟在移動作業系統領網域的長期缺位，目前還無法靠 AI 來快速補上。想把用戶拉入下一個操作互動時代，還需要進一步給出更具颠覆性的系統能力。
流派二：移動端的穩定發揮。
移動互聯網時代，谷歌 Android 和蘋果 IOS 二分天下，打造下一代作業系統，二者的很多特性也得以保留。
安卓的淺。在今年 I/O 大會上，谷歌展示了下一代移動作業系統 Android 14，總的來說，AI 對 Android 14 的賦能，停留在較為淺表的應用層，集中在全系列工具的 AI 化更新，對 Android 14 系統級提升介紹寥寥。長期以來，安卓原生系統的開放性和復雜性一直受到诟病，APP 運行時整體駐留在後台，導致卡頓、不穩定，主要靠下遊終端廠商自行 " 魔改 " 底層代碼，所以 AI for Android 的進展，大概還要等待國內廠商 " 卷起來 "。
IOS 的深。剛剛結束的蘋果 WWDC，雖然也更新了一些 AI 功能，但 iOS 17 此次新增更新都是一些小功能。盡管發布會上蘋果很淡定地避免 " 蹭 AI 熱度 "，但 AI for iOS 的融合程度，其實是很深度，也很有實用性的。
這一方面源于 iOS 系統生态先天的封閉性。Mac、iPhone、ihome、智能穿戴等被捆綁在蘋果生态上，數據可以無縫流轉，系統也擁有很高的整體性和舒适性。
另一方面是 AI 軟硬體協同的優勢。自研的 AI 芯片是蘋果產品的最大亮點，在 AI 運算性能上都做了大幅地提升，此次 WWDC 全新發布的 M2 Ultra 芯片，蘋果表示能流暢支持大模型的運算，比其他芯片優勢更明顯。
所謂 " 一力降十會 "，強大的芯片帶來充足的算力，再與 IOS 系統中大量機器學習算法相結合，效果自然顯著。比如 AI 幫助 IOS 監控用戶使用習慣，以優化設備的電池壽命和充電頻次；通過 AI 加速，讓移動終端如 iPad 可以執行 AR 渲染等高難度任務；支持利用端側的本地機器學習，保護用戶隐私。
問題也就在于，IOS 為用戶帶來了便利，但也将用戶牢牢捆綁在這一生态。如今，國内外的作業系統百花齊放，包括伺服器作業系統、物聯網作業系統等，泛在作業系統的生态在逐步形成，越來越互動需要跨終端、跨系統進行，這一點，IOS 幾乎是無解的。生态捆綁帶來的互動不便、數據不通等難題，已經讓本蘋果用戶感到越來越不自由，也成了蘋果無法逃避的問題。
流派三：全場景的另辟蹊徑。
目前來看，微軟、谷歌、蘋果都是從己方大本營出發，将 AI 與自己占據既有優勢的作業系統相結合。HarmonyOS 作為全場景作業系統的代表，思考 AI for OS 的路徑，跟這些老牌作業系統都不太一樣。
鴻蒙 OS 從一開始，就強調對各自硬體集群的管理和互動，從作業系統層面，通過分布式軟總線技術，實現近場設備間統一的分布式通信，高效分發任務和傳輸數據，應用可以跨設備流轉。
然後，再引入 AI 技術對作業系統進行整體優化。用戶能感知到的變化，是 AI 實現資源的精準供給，提高系統流暢；開發者可以借助環境配置、工具鏈配置、模板選擇、三方庫推薦等，進行多設備自适應開發，減少工作量。
值得期待的地方在于鴻蒙 OS 從零開始，本身也沒什麼既有優勢可以 " 吃老本 "，所以可以在空白的紙上畫出更新的圖畫，針對現有作業系統尚未解決的痛點另辟蹊徑，進行底層的系統級重構和技術創新，讓人耳目一新。
有待觀望的是，目前鴻蒙 OS 在富屏終端設備上的占比，相對安卓、IOS 還有一定差距，一些技術解決方案還需要進一步研究。比如跨平台、跨系統的數據安全和隐私保護，多設備自适應開發的極簡智能的工具鏈等。
一個作業系統要走向大眾、走向全球，最重要的還是技術本身的先進，AI for OS 或許能讓鴻蒙取得更多話語權。
看到這裡，大家可能會給出一個結論：AI for OS 看起來真香，但市面上已經有的流派好像都差點意思。
确實，在智能終端產業競争激烈的今天，谷歌蘋果微軟這樣的巨頭，也不可能在朝夕之間挖掘出作業系統的全部密碼，剛剛過去的五月只是暖場。
有個行業段子說，研究算法的人把算法搞出來，弄不好自己就失業了，可研究系統的人就不用擔心，因為每 10 年硬體、任務一定會變，系統就要重寫。
AI 大模型算法高歌猛進，作業系統的更迭也值得期待。
>
