比起各式各样的AI应用，我们可能更需要AI for OS

刚刚过去的五月，是一个炙热的AI之夏。前有2025谷歌 I/O开发者大会“炸场”，开建AI全宇宙，后有2025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域,打得风声四起，国内能做的厂商，却是凤毛麟角，那就是操作系统。

目前，微软已经将GPT-4大模型嵌入Windows PC操作系统，推出Windows Copilot，在底层操作系统输出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。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

打造 AI时代的操作系统，谷歌和微软都在抢船票了。

操作系统是硬件性能的释放窗口，又是大量软件服务的承载体，可以说是一切人机交互的起点。在大语言模型带来颠覆式的变革之后，操作系统也有了重新划分格局的可能性。

AI时代，操作系统是会重演移动互联网的双寡头垄断，还是迎来百花齐放，2025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与操作系统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，也就在原有的操作系统上集成AI软件和应用。微软这些年一直努力在Windows里加入AI语音对话能力，移动操作系统苹果、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、深度学习的操作系统（AI OS）。比如TensorFlow、PyTorch、飞桨、昇腾等，通过操作系统从硬件到软件到网络的全面重构，更好地支持AI模型训练应用推理。

而科技厂商要打造AI时代的操作系统，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操作系统，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操作系统的体验，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，也会直接影响到操作系统在AI时代的“国民度”，成为操作系统成功的关键。

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？

我们来看看如今的操作系统，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，操作系统所要承担的交互和任务负载，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，正在成为操作系统的不可承受之重。

要让操作系统变轻，就要充分地发挥出硬件的性能，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。传统操作系统，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，未来将与大量软硬件相连。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。

传统操作系统不想因“变笨”而被用户抛弃，必须开始支撑 AI 全方位的应用，自然要进一步提升操作系统的能力。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，必须从操作系统层面下刀，从硬件到软件到网络全面重构。

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，操作系统各自为战，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，电脑是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。

开脑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交互有问题，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”，但如果没有操作系统层面的兼容和协作，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全流程辅助来提升操作系统的运维、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。操作系统作为中枢，协调软硬件的关系；AI作为大脑，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，有实力打造下一代操作系统的科技企业，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系统的界面和交互，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 助手贯穿整个操作系统，用户直接通过Windows PC系统去调用AI模型能力，无缝连接应用程序，大大简化了交互步骤。

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，微软在移动操作系统领域的长期缺位，目前还无法靠AI来快速补上。想把用户拉入下一个操作交互时代，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，打造下一代操作系统，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操作系统 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 化升级，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此次新增升级都是一些小功能。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软硬件协同的优势。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，国内外的操作系统百花齐放，包括服务器操作系统、物联网操作系统等，泛在操作系统的生态在逐步形成，越来越交互需要跨终端、跨系统进行，这一点，IOS几乎是无解的。生态捆绑带来的交互不便、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操作系统相结合。HarmonyOS作为全场景操作系统的代表，思考AI for OS的路径，跟这些老牌操作系统都不太一样。

鸿蒙OS从一开始，就强调对各自硬件集群的管理和交互，从操作系统层面，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技术对操作系统进行整体优化。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，针对现有操作系统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。

一个操作系统要走向大众、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操作系统的全部密码，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年硬件、任务一定会变，系统就要重写。

AI大模型算法高歌猛进，操作系统的更迭也值得期待。

# harmonyos # 都在 # 成了 # 互联网 # 都是 # 这对 # 这一 # 也就 # 的是 # 微软 # 操作系统 # copilot # gpt # ar # 重构 # ui # 分布式 # 物联网 # gpt-4 # pytorch # tensorflow # 人工智能 # wwdc # ipad # iphone # ios # android # 算法 # windows # github # for