过去一年,Agent 几乎成为 AI 产业最热门的关键词。从 Agent 框架到 Agent OS,再到 Agentic Infra,越来越多的软件厂商开始重新定义自己的产品。原本距离普通用户相当遥远的操作系统,也被推到了 AI 基础设施变革的前台。
但在 OpenAtom openEuler 委员会主席熊伟看来,有必要先厘清一个问题:Agent 的兴起,并不意味着传统操作系统需要推倒重来。
图:开放原子开源欧拉委员会主席熊伟发表主题演讲
“操作系统本层并没有发生翻天覆地的变化,或者没有需要完全断裂式的发展。”
11 月 13 日,北京中关村国际创新中心,熊伟在 Agentic Infra 操作系统大会期间接受 InfoQ 等媒体群访时,给出了这一判断。
就在当天,openEuler 正式发布面向 Agentic Infra 的操作系统,并公布 openEuler 24.03 LTS SP5 版本,围绕沙箱、KV Cache、记忆系统和 Agent 安全等方向增强基础设施能力。这也是 openEuler 继 2025 年推动超节点操作系统之后,再次将技术演进方向与 AI 基础设施的变化紧密结合。
作为一个已经发展七年的开源操作系统社区,openEuler 系操作系统国内累计装机量预计突破 2200 万套。根据沙利文预测,其 2026 年在中国服务器操作系统新增市场份额有望达到 61%。目前,社区已经汇聚 2200 多家成员单位、超过 3 万名开源贡献者。
这些数字背后,一个更加值得关注的问题是:当大模型从生成答案走向执行任务,操作系统究竟应该扮演什么角色?
Agent OS 很热,但操作系统不需要推倒重来
如今,几乎所有与 AI 有关的软件层都在重新寻找自己的定位。
模型公司希望让大模型具备更强的工具调用能力,Agent 框架希望接管复杂任务的编排与执行,云厂商开始构建 Agent 运行平台,而操作系统社区也在探索 Agentic Infra。
不同产品之间的边界正在发生变化。
熊伟认为,要理解这场变化,首先需要重新认识 Agent 本身。
Agent 并不是 2026 年才出现的新概念。早在大模型兴起之前,计算机领域就已经存在各种形式的软件代理。如今它重新受到关注,一个重要原因是大模型的能力与外部工具、软件执行机制结合起来了。过去,大模型能够理解指令、生成内容,但输出往往停留在文本、结构化数据等层面。要把这些结果变成实际动作,还需要另外一套执行机制。
熊伟举了一个发送邮件的例子。
大模型可以生成邮件内容、收件人以及发送要求,但真正完成邮件发送,还需要相应的程序解析这些信息并执行操作。这意味着,AI 正在从单纯产生结果,转向参与业务执行。
“Agent 对于我们整个 AI 时代真正的变化”,在熊伟看来,是把大模型的智能能力与实际操作连接起来。
熊伟特别指出,从硬件向上,通常还包括操作系统、AI 软件栈等层次,Agent 与底层操作系统之间并不是简单的一一对应关系。
对于 openEuler 而言,首先要明确的是底层操作系统能够解决什么问题。答案主要包括两个方面:一是为大模型推理提供高效、低成本的运行环境;二是让 Agent 能够更加高效、安全地执行任务。
这一思路也解释了 openEuler 为什么将自身定位为 Agentic Infra 的操作系统。它更强调支撑智能体运行的基础设施能力。
从技术演进的角度看,AI 并没有让操作系统原有的资源管理、隔离保护、任务调度等基础职责消失,而是对这些能力提出了新的要求。
此次 openEuler 发布的方案,正是在既有操作系统能力之上,围绕 Agent 运行增加更有针对性的技术组件。
例如,KV Cache 涉及推理过程中的中间状态复用,记忆系统服务于智能体跨任务、跨交互的信息管理,沙箱则负责提供隔离执行环境。
它们并不完全处于同一软件层次,但能够通过操作系统和相关开源社区的协同,形成面向 AI 应用的基础设施组合。
在快速变化的 AI 产业中,这种演进方式有一个现实意义:操作系统不必追逐每一个新概念,而是可以围绕长期存在的计算、存储、调度和安全需求持续演进。
为什么 Agent 时代,传统虚拟化也需要进化?
如果说概念上的变化还比较抽象,那么 Agent 对于底层软件的影响,已经体现在非常具体的技术问题上。
其中一个典型问题,就是沙箱。
过去,虚拟化技术已经能够为程序提供隔离环境。为什么 Agent 时代还要重新强调沙箱?熊伟给出了一个不同于单纯讨论安全性的解释:Agent 对执行速度和运行开销提出了新的要求。
传统软件应用通常由人发起操作。用户点击按钮、提交请求,计算机完成处理,再把结果返回给用户。
但 Agent 可以在一次任务中连续规划、调用工具、执行程序,甚至并发启动多个执行单元。这意味着,系统面对的不再只是由人类操作速度决定的请求频率。
熊伟用了一个形象的比喻:如果大模型是大脑,那么 Agent 就是连接大脑与实际动作的执行机制。当“大脑”能够快速生成大量指令,执行环境却需要较长时间才能启动、调度和回收,就可能出现“手跟不上脑子”的问题。
传统虚拟机拥有完整的隔离机制,但启动、资源占用和管理开销未必适合高频、短生命周期的 Agent 任务。因此,面向 Agent 的沙箱需要在保留必要隔离能力的同时,实现更加轻量化的运行方式。
“所谓沙箱是要把虚拟机的安全机制保留,把其他东西删除掉,让它更轻量,能适应大模型发指令的速度。”
在熊伟看来,这才是 Agent 沙箱需要解决的重要问题。
变化还会进一步传导到调度层。过去,Kubernetes 等基础设施主要面向容器化应用和服务编排。当执行单元数量、生命周期、调用模式发生变化时,调度系统也需要相应优化。
对企业而言,最终衡量这些技术价值的指标,可能包括沙箱启动时延、资源利用率、任务吞吐量,以及并发执行时的隔离能力。由此可见,Agentic Infra 并不是简单增加一个能够调用大模型的接口,而是要求底层软件重新适配 AI 应用的执行特征。
这也是此次 openEuler 围绕沙箱、Agent 追踪、安全和 KV Cache 等方向展开技术建设的重要原因。
超节点真正的价值,不是连接了多少张卡
相比 Agentic Infra,支持超节点是 openEuler 已经持续推进的技术方向。
2025 年,openEuler 发布支持超节点的操作系统,将传统以单机为中心的资源管理能力,逐步扩展到跨节点资源协同。
进入 2026 年,超节点的产业讨论进一步深入。对于操作系统厂商而言,新的问题不仅是如何支持硬件,还包括如何让应用真正利用新架构的性能。
但这里面其实涉及到几个技术卡点以及生态协同上的难点。
对此,熊伟表示,openEuler 接下来主要面对两个方向:硬件架构变化,以及上层业务软件变化。
在硬件层面,超节点是 Agentic 时代基础设施的主流形态。未来,超节点会拓展越来越多高价值、高性能要求的场景,和标准服务器形成协作搭配。
这意味着操作系统需要同时面对传统单机和超节点等不同的硬件形态,既要保证兼容性,也要让新的硬件能力得到充分发挥。这里存在一个关键问题:传统应用能够在超节点上运行,不代表它已经充分利用了超节点的能力。
熊伟谈到了 POSIX 等传统软件接口带来的兼容性需求。在新的硬件架构下,沿用原有软件接口能够降低应用迁移门槛,但也可能无法充分发挥新型内存、互联和资源协同机制的优势。
因此,openEuler 一方面要做好南向兼容,另一方面也在探索面向超节点的新软件接口和原生应用生态。
熊伟将其称为“超节点 Native”的方向。
对于行业而言,这意味着超节点竞争正在从硬件系统能力,进一步延伸至软件架构和应用适配能力。而判断技术是否真正产生价值,最终还要回到业务现场。
熊伟特别提到了 openEuler 与京东围绕超节点开展的联合创新。据其介绍,双方结合具体业务场景,将超节点硬件、超节点 OS 以及 KV Cache 等技术应用于互联网业务,并在 2026 年双十一期间规模应用,相关业务的时延降低了约 15%。对于互联网业务,时延不仅是一个技术指标,还直接关系到用户体验与业务转化。尤其是在广告、推荐和高并发交易等场景中,每一次响应速度的改善,都可能产生实际的商业价值。
这组数据说明了一件事:超节点的产业价值,正在从硬件规模和理论性能,转向真实业务负载下的效率验证。
熊伟也因此强调,面对快速变化的 AI 应用,不必急于建立一套庞大的概念体系。
“先明确问题是啥……不要讲大故事,不要讲大概念,只是一个一个把问题都逐个解决。”
Token 经济兴起,AI 会让软件栈变得更简单吗?
除了 Agent 与超节点,熊伟还谈到了一个更长远的变化:Token 经济可能重新塑造软件产业的组织方式。
传统云计算产业的发展,与软件栈的不断丰富紧密相关。
从数据库、中间件到容器、微服务和各类云原生组件,云厂商通过持续提供新的软件服务,满足企业日益复杂的业务需求。但在 AI 时代,越来越多的应用开始围绕模型推理和智能体执行展开。
熊伟认为,当大量底层服务都围绕 Token 生产和消费进行组织时,软件栈可能出现简化的趋势。
“未来当 AI 上来以后,软件栈可能没有原来那么复杂了。”
这不是说传统软件组件会全部消失,而是当模型推理成为重要的基础服务后,一部分原本需要复杂系统集成才能完成的工作,可能逐渐被更标准化的软件能力承接。
这也会改变企业进入 AI 基础设施市场的门槛。
熊伟举例称,如果底层操作系统、相关软件方案和模型都可以通过开源方式获得,那么具备硬件资源的企业,即使没有长期积累的云计算开发经验,也有机会搭建自己的模型推理服务。
当然,能够生产 Token,与能够以足够低的成本提供高质量 Token 服务,仍然是两回事。
这就引出了基础软件在 Token 经济中的另一项价值:效率。
熊伟将模型能力与运行效率作了一个形象的类比。模型本身的智能水平,主要取决于模型研发与训练。但对于一个已经具备一定能力的模型,它需要消耗多少计算和存储资源才能完成任务,基础软件就有了很大的优化空间。例如,KV Cache 的高效管理和复用,可以减少部分重复计算;资源调度与内存管理优化,则可能帮助推理系统提高吞吐量并降低服务成本。
当企业需要同时运行大量模型服务和 Agent 任务时,这些底层效率提升,会直接影响 AI 应用的商业可行性。
熊伟还提出一个值得观察的判断:未来两三年,AI 基础设施生态可能仍然处于扩张阶段。一方面,标准化和开源化有望降低技术进入门槛;另一方面,不同应用对推理效率、实时性以及安全性的需求,也会催生新的专业化服务。
从 2200 万套装机量到全球开源生态
对于 openEuler 来说,面向 Agentic Infra 的技术演进,只是此次大会的一条主线。
另一条同样重要的主线是全球化。
在大会上,巴基斯坦高等教育委员会正式发布 HECOS 1.0,成为首个海外基于 openEuler 的本土操作系统。
与此同时,openEuler 宣布与 Ubuntu 在超节点等技术领域开展协作交流,并携手天翼云、移动云、华为、麒麟软件、统信软件等海内外伙伴发起 Agentic Infra 生态共建倡议。这些动作表明,openEuler 正尝试将国内已经形成的操作系统生态协作模式,进一步延伸到国际市场。
熊伟在群访中透露,全球化并不是社区最近才确定的目标。
“从我们 openEuler 一开始,7 年前,我们定的目标就是 openEuler 社区成功唯一衡量标准是全球化的成功。”
在他看来,一个开源社区不仅代表一组代码,还代表一种技术路线以及围绕这条路线形成的软件生态。如果要让这种技术体系持续发展,就必须吸引更多不同地区的开发者、企业和机构参与。
他尤其看重中国在开放硬件、开源软件和开源模型之间形成的协同条件。对于希望建设自主 AI 技术能力的国家和企业而言,开放的技术体系意味着可以根据本地需求进行适配、开发和持续迭代,而不是只能使用固定的软件产品。
不过,全球化并不只是把操作系统发布到海外。熊伟在谈到巴基斯坦合作时强调,后续还涉及市场推广、应用迁移、硬件适配和行业落地等大量具体工作。
他的建议是,优先与具有较强研发能力、能够掌握自身软件系统的企业和行业合作,例如互联网企业、云服务商、运营商以及部分金融机构,这些客户更容易围绕开源技术展开适配和协同创新。
对于 openEuler 来说,全球化因此不仅是用户规模的扩大,也是开源生态从技术输出走向共同开发的过程。与此同时,AI 还在改变开源社区自身的运作方式。
根据此次大会公布的计划,openEuler 希望到 2026 年底实现 80%的 CVE 由 AI 辅助处理,并推动社区服务 Agent 实现 100%接入。
随着 AI 逐渐进入代码开发、测试、安全维护等环节,开源社区的生产和协作方式,也可能迎来新的变化。