今天小编分享的科学经验：比起各式各样的AI应用，我们可能更需要AI for OS，欢迎阅读。
刚刚过去的五月，是一个炙热的 AI 之夏。前有 2023 谷歌 I/O 开发者大会 " 炸场 "，开建 AI 全宇宙，后有 2023 微软 Build 大会，一切都与 AI 相关。
AI 被谷歌和微软应用到各个产品，落地速度一路狂飙。不过，应用层面，国內能做 AI 产品的很多，很快会能推出类似的产品 , 因为路都是通的，工程师人才不是问题 , 技术不是问题 , 可能来得慢一点，效果略差一点 , 但这都没关系，复现是肯定的。
但谷歌和微软在一个领網域 , 打得风声四起，国内能做的厂商，却是凤毛麟角，那就是作業系統。
目前，微软已经将 GPT-4 大模型嵌入 Windows PC 作業系統，推出 Windows Copilot，在底层作業系統输出 AI 能力。谷歌 Android 系统近年来总被吐槽 " 缺乏亮点、抄国内厂商 ", 但最新 Android 14 中许多 AI 功能集成，说明 Google 还是有点东西在的。
打造 AI 时代的作業系統，谷歌和微软都在抢船票了。
作業系統是硬體性能的释放視窗，又是大量軟體服务的承载体，可以说是一切人机互動的起点。在大语言模型带来颠覆式的变革之后，作業系統也有了重新划分格局的可能性。
AI 时代，作業系統是会重演移动互联网的双寡头垄断，还是迎来百花齐放，2023 的夏天刚刚写下了开篇，你我都将见证这一场产业变局。
不妨从故事开头讲起，看看 AI 究竟能为 OS 做什么？
AI 和 OS 组 CP
都有哪些方式？
AI 与作業系統 OS 的结合就像组 CP，方式有很多。
普通用户，最熟悉的可能是 AI in OS，也就在原有的作業系統上集成 AI 軟體和应用。微软这些年一直努力在 Windows 里加入 AI 语音对话能力，移动作業系統苹果、安卓、鸿蒙对 AI 能力的拥抱更是开展了很久，AI 算法辅助计算摄影、人脸识别、智能语音助手等，大家应该都不陌生。
对于开发者，OS for AI 才是 " 王道 "，也就是供给机器学习、深度学习的作業系統（AI OS）。比如 TensorFlow、PyTorch、飞桨、昇腾等，通过作業系統从硬體到軟體到网络的全面重构，更好地支持 AI 模型训练应用推理。
而科技厂商要打造 AI 时代的作業系統，则非常关心 AI for OS。简单来说，就是利用人工智能来构建和优化作業系統，提升系统的设计、开发、维护等。不难发现，AI for OS 直接影响到普罗大众使用作業系統的体验，是我们普通人最期待的一对 CP。
而 AI for OS 提高先进性和竞争力，也会直接影响到作業系統在 AI 时代的 " 国民度 "，成为作業系統成功的关键。
AI for OS
这对 CP 甜在何处？
强拧的瓜不甜，AI for OS 这对 CP 能不能甜到用户心里头，是接下来要回答的问题。那现在真的是用 AI 优化 OS 的好时机吗？
我们来看看如今的作業系統，有哪些可以被 AI 改变的地方。
第一个当然是 " 变重了 "。
随着用户使用数字化应用的场景不断丰富，作業系統所要承担的互動和任务负载，也在持续快速增长。大家回想一下，智能手机里安装的应用是不是越来越多，要控制的外部智能设备也越来越丰富，而矛盾的是，随着摩尔定律的放缓，处理器增加的计算能力，越来越接近瓶颈。这种计算资源与任务之间的不匹配，正在成为作業系統的不可承受之重。
要让作業系統变轻，就要充分地发挥出硬體的性能，挖掘出更多的算力，而系统的环境有强烈的动态性，随着任务负载而变。传统作業系統，需要用户手工切换关闭任务。这时利用 AI，自动实时感知业务场景的变化，预估现在（或未来）的工作量和所需的资源，进行动态调整，优化资源配额，实现更精准的算力供给，使用体验当然也就更加丝滑流畅。
比如感知到用户正在打游戏，就自动降低后台应用，释放 CPU 资源来保证游戏运行，不会因为卡顿而错失了五杀。
第二个是 " 变笨了 "。
可以确定的是，AI 是最具潜力的新赛道，未来将与大量软硬體相连。可以想象一下，如果让 AI 大模型帮你分析十篇论文，从应用启动到生成结果，需要半个小时，中间还时不时掉线重来，这谁受得了？还不如自己上手算了。
传统作業系統不想因 " 变笨 " 而被用户抛弃，必须开始支撑 AI 全方位的应用，自然要进一步提升作業系統的能力。比如微软 Windows 11 让 AI 深扎底层 PC 系统，可以在没有任何 APP 作为中介的情况下，直接调用 AI 大模型能力完成任务。
支撑 AI 在各种智能设备上更好地运行，必须从作業系統层面下刀，从硬體到軟體到网络全面重构。
第三个是 " 变复杂了 "。
如今每个人身边都围绕着多种多样的终端，不可逆地驶入万物互联时代，系统的复杂度也在不断增加。
对用户来说，作業系統各自为战，碎片化的体验是非常不舒服的。拿我自己来说，智能家电是安卓，手机是 IOS，电腦是 Windows，很多应用在不同设备之间基本不能自如切换，每个系统单独一个账号，一些个人行为数据很难在不同终端中流通，结果就是应用 " 不懂我 "" 人工智障 "。
设备不够聪明也就罢了，更令人担忧的是安全，不知道哪个设备成为 " 最短板 "，被黑客攻破，其他联网设备一起遭殃。
对开发者来说，万物智联的应用开发，意味着巨大的代码量和工作量，也不是一件轻松的事。
开腦洞想出一个创意不算难，开发出来之后，要将应用部署到数量众多的物联网设备上，得考虑本地算力、网络连接能力、跨平台兼容……如果发现某个设备的 UI 互動有问题，再调试一轮，上线周期又延长了，开发成本有点过于高昂。不能释放成千上万开发者的创意和生产力，智能世界来得自然就更慢了。
让复杂的场景变简单，令多终端归一化，已经成为移动产业的共识，一些品牌提出了 " 全场景智慧 "，但如果没有作業系統层面的兼容和协作，对高集成场景进行针对性简化，支撑应用跨设备、跨系统、跨平台的一次开发、多端部署；如果没有 AI 全流程辅助来提升作業系統的运维、性能与安全等能力，" 全场景智慧 " 是很难真正实现的。
这样看，AI for OS 这对 CP 甜就甜在一心同体、其力断金。作業系統作为中枢，协调软硬體的关系；AI 作为大腦，解决很多现有的挑战，让系统能力变得简单而强大。
系统层面的路铺平了，芯片、终端、平台、场景的隔阂与瓶颈也就消弭于无形了。
三大流派，各自甘甜
正如图灵奖得主 Edsger Dijkstra 所说，Simplicity is a great virtue but it requires hard work to achieve it。简单是一种伟大的美德，但它需要努力去实现。
AI for OS 带来简单但强大的能力，更适合 " 万物智联的体质 "。问题在于，怎么实现呢？
目前，有实力打造下一代作業系統的科技企业，都在探索 AI for OS。具体分为三个流派：
流派一：PC 端的逆袭。
这一波大模型浪潮，OpenAI 是绝对的顶级流量明星，攫取到最大的话题度和关注度，而拥有这一顶流的微软 Windows，也成了 " 一夜爆红 " 的赢家。
微软已经让 "AI 副驾（Copilot）" 全面登陆 Windows 系统，对 Windows 系统的界面和互動，带来了颠覆式的体验，也吸引到了非常多的用户和开发者粉丝。
面向用户，Copilot AI 助手贯穿整个作業系統，用户直接通过 Windows PC 系统去调用 AI 模型能力，无缝连接应用程式，大大简化了互動步骤。
面向开发者，微软基于 OpenAI 模型构建的 AI 辅助编程解决方案，在全球最大的代码托管平台 GitHub 打造 GitHub Copilot X，能自动检测代码问题并给出建议，提升开发者的工作效率。
不过，PC 相比智能手机、平板等移动终端有天然的劣势，微软在移动作業系統领網域的长期缺位，目前还无法靠 AI 来快速补上。想把用户拉入下一个操作互動时代，还需要进一步给出更具颠覆性的系统能力。
流派二：移动端的稳定发挥。
移动互联网时代，谷歌 Android 和苹果 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。
安卓的浅。在今年 I/O 大会上，谷歌展示了下一代移动作業系統 Android 14，总的来说，AI 对 Android 14 的赋能，停留在较为浅表的应用层，集中在全系列工具的 AI 化更新，对 Android 14 系统级提升介绍寥寥。长期以来，安卓原生系统的开放性和复杂性一直受到诟病，APP 运行时整体驻留在后台，导致卡顿、不稳定，主要靠下游终端厂商自行 " 魔改 " 底层代码，所以 AI for Android 的进展，大概还要等待国內厂商 " 卷起来 "。
IOS 的深。刚刚结束的苹果 WWDC，虽然也更新了一些 AI 功能，但 iOS 17 此次新增更新都是一些小功能。尽管发布会上苹果很淡定地避免 " 蹭 AI 热度 "，但 AI for iOS 的融合程度，其实是很深度，也很有实用性的。
这一方面源于 iOS 系统生态先天的封闭性。Mac、iPhone、ihome、智能穿戴等被捆绑在苹果生态上，数据可以无缝流转，系统也拥有很高的整体性和舒适性。
另一方面是 AI 软硬體协同的优势。自研的 AI 芯片是苹果产品的最大亮点，在 AI 运算性能上都做了大幅地提升，此次 WWDC 全新发布的 M2 Ultra 芯片，苹果表示能流畅支持大模型的运算，比其他芯片优势更明显。
所谓 " 一力降十会 "，强大的芯片带来充足的算力，再与 IOS 系统中大量机器学习算法相结合，效果自然显著。比如 AI 帮助 IOS 监控用户使用习惯，以优化设备的电池寿命和充电频次；通过 AI 加速，让移动终端如 iPad 可以执行 AR 渲染等高难度任务；支持利用端侧的本地机器学习，保护用户隐私。
问题也就在于，IOS 为用户带来了便利，但也将用户牢牢捆绑在这一生态。如今，国内外的作業系統百花齐放，包括伺服器作業系統、物联网作業系統等，泛在作業系統的生态在逐步形成，越来越互動需要跨终端、跨系统进行，这一点，IOS 几乎是无解的。生态捆绑带来的互動不便、数据不通等难题，已经让本苹果用户感到越来越不自由，也成了苹果无法逃避的问题。
流派三：全场景的另辟蹊径。
目前来看，微软、谷歌、苹果都是从己方大本营出发，将 AI 与自己占据既有优势的作業系統相结合。HarmonyOS 作为全场景作業系統的代表，思考 AI for OS 的路径，跟这些老牌作業系統都不太一样。
鸿蒙 OS 从一开始，就强调对各自硬體集群的管理和互動，从作業系統层面，通过分布式软总线技术，实现近场设备间统一的分布式通信，高效分发任务和传输数据，应用可以跨设备流转。
然后，再引入 AI 技术对作業系統进行整体优化。用户能感知到的变化，是 AI 实现资源的精准供给，提高系统流畅；开发者可以借助环境配置、工具链配置、模板选择、三方库推荐等，进行多设备自适应开发，减少工作量。
值得期待的地方在于鸿蒙 OS 从零开始，本身也没什么既有优势可以 " 吃老本 "，所以可以在空白的纸上画出更新的图画，针对现有作業系統尚未解决的痛点另辟蹊径，进行底层的系统级重构和技术创新，让人耳目一新。
有待观望的是，目前鸿蒙 OS 在富屏终端设备上的占比，相对安卓、IOS 还有一定差距，一些技术解决方案还需要进一步研究。比如跨平台、跨系统的数据安全和隐私保护，多设备自适应开发的极简智能的工具链等。
一个作業系統要走向大众、走向全球，最重要的还是技术本身的先进，AI for OS 或许能让鸿蒙取得更多话语权。
看到这里，大家可能会给出一个结论：AI for OS 看起来真香，但市面上已经有的流派好像都差点意思。
确实，在智能终端产业竞争激烈的今天，谷歌苹果微软这样的巨头，也不可能在朝夕之间挖掘出作業系統的全部密码，刚刚过去的五月只是暖场。
有个行业段子说，研究算法的人把算法搞出来，弄不好自己就失业了，可研究系统的人就不用担心，因为每 10 年硬體、任务一定会变，系统就要重写。
AI 大模型算法高歌猛进，作業系統的更迭也值得期待。
>
