熊伟:Agent 火了,操作系统就要推倒重来吗?
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
这一年里,Agent 大概是 AI 圈被提得最多的词。从 Agent 框架、Agent OS 一路讲到 Agentic Infra,软件厂商纷纷给自己的产品重新划定位。操作系统原本离普通用户挺远,这下也被拉到了 AI 基础设施变革的前排。
不过 OpenAtom openEuler 委员会主席熊伟觉得,有个问题得先讲清楚:Agent 火了,不等于传统操作系统就要推倒重来。
图:开放原子开源欧拉委员会主席熊伟发表主题演讲
他的原话是:“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了 InfoQ 等媒体的群访,上述判断就是那时给出的。
同一天,openEuler 正式推出面向 Agentic Infra 的操作系统,同时公布 openEuler 24.03 LTS SP5 版本,在沙箱、KV Cache、记忆系统和 Agent 安全等方向上强化基础设施能力。2025 年它刚推过超节点操作系统,这次又把技术演进方向和 AI 基础设施的变化绑在了一起。
openEuler 这个开源操作系统社区已经走了七年,openEuler 系操作系统国内累计装机量预计超过 2200 万套。沙利文预测,2026 年它在中国服务器操作系统新增市场的份额可能达到 61%。社区眼下聚集了 2200 多家成员单位,开源贡献者超过 3 万名。
数字之外,更该追问的是另一件事:大模型从给出答案转向执行任务,操作系统到底该站什么位置?
Agent OS 很热,但操作系统不需要推倒重来
眼下,凡是跟 AI 沾边的软件层,几乎都在重新找自己的位置。
模型公司想让大模型把工具调用做得更强,Agent 框架想接过复杂任务的编排与执行,云厂商在搭 Agent 运行平台,操作系统社区则在试水 Agentic Infra。
各类产品之间的边界,正在松动。
熊伟的看法是,要弄懂这场变化,得先把 Agent 本身重新认识一遍。
Agent 不是 2026 年才冒出来的新东西。大模型火起来之前,计算机领域就有各种形态的软件代理。它这次重新被关注,一个重要原因是大模型的能力开始和外部工具、软件执行机制接上了。以前大模型能读懂指令、生成内容,可输出大多停在文本、结构化数据这一层。要把这些结果变成实际动作,还得另有一套执行机制。
熊伟拿发邮件打了个比方。
大模型能写出邮件内容、收件人和发送要求,可真要把邮件发出去,还得有程序去解析这些信息并执行操作。也就是说,AI 正从单纯产出结果,转向参与业务执行。
在熊伟看来,“Agent 对于我们整个 AI 时代真正的变化”,就是把大模型的智能能力和实际操作连起来。
熊伟特别提到,从硬件往上走,一般还有操作系统、AI 软件栈这些层次,Agent 和底层操作系统之间并非简单的一一对应。
对 openEuler 来说,先要弄明白底层操作系统能解决什么。答案大体有两块:一是给大模型推理提供高效、低成本的运行环境;二是让 Agent 执行任务时更高效、更安全。
这也说明了 openEuler 为何把自己定位成 Agentic Infra 的操作系统——它更看重支撑智能体运行的那部分基础设施能力。
从技术演进看,AI 并没有让操作系统原本的资源管理、隔离保护、任务调度这些基础职责消失,反倒是给这些能力提了新的要求。
openEuler 这次发布的方案,就是在原有操作系统能力之上,针对 Agent 运行补上更有针对性的技术组件。
比方说,KV Cache 管的是推理过程中中间状态的复用,记忆系统负责智能体跨任务、跨交互的信息管理,沙箱则提供隔离的执行环境。
这几样并不都处在同一个软件层次,但靠操作系统和相关开源社区协同,能拼成一套面向 AI 应用的基础设施组合。
在变化飞快的 AI 产业里,这种演进方式有个现实意义:操作系统不必去追每一个新概念,围着长期存在的计算、存储、调度和安全需求持续演进就行。
Agent 时代,传统虚拟化为何还得再进化?
概念层面的变化听起来抽象,可 Agent 对底层软件的影响,落到技术细节上已经相当具体。
沙箱就是其中一个典型。
虚拟化技术早就能给程序提供隔离环境,Agent 时代为什么还要重提沙箱?熊伟的解释没停留在安全性上:Agent 对执行速度和运行开销都提了新要求。
传统软件应用一般由人来发起操作。用户点按钮、提请求,计算机处理完再把结果还给用户。
可 Agent 在一次任务里能连续规划、调用工具、执行程序,甚至并发拉起多个执行单元。系统面对的请求频率,不再只由人的操作速度决定。
熊伟打了个比方:大模型是大脑,Agent 就是连接大脑与实际动作的执行机制。大脑能快速生成大量指令,执行环境启动、调度、回收却要花较长时间,就会出现“手跟不上脑子”的问题。
传统虚拟机隔离机制完整,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。面向 Agent 的沙箱得在保留必要隔离能力的同时,把运行方式做得更轻。
“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。”
熊伟认为,这才是 Agent 沙箱要解决的关键问题。
变化还会往调度层传导。过去 Kubernetes 等基础设施主要面向容器化应用和服务编排,执行单元的数量、生命周期、调用模式一变,调度系统也得跟着优化。
对企业来说,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。Agentic Infra 并不是加一个能调用大模型的接口那么简单,它要求底层软件重新适配 AI 应用的执行特征。
这也是 openEuler 此次围绕沙箱、Agent 追踪、安全和 KV Cache 等方向做技术建设的重要原因。
超节点真正的价值,不在连了多少张卡
跟 Agentic Infra 相比,支持超节点是 openEuler 已经在持续推进的方向。
2025 年,openEuler 发布支持超节点的操作系统,把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。
到了 2026 年,超节点的产业讨论进一步深入。对操作系统厂商来说,新问题不只是怎么支持硬件,还包括怎么让应用真正用上新架构的性能。
这里面其实涉及几个技术卡点,也有生态协同上的难点。
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。
到了 Agentic 时代,基础设施的主流形态就是超节点,这一点在硬件上已经体现出来。往后,对性能和价值要求更高的场景会越来越多地由超节点承接,它也会和标准服务器分工配合。
这意味着操作系统要同时面对传统单机和超节点等不同硬件形态,既得保证兼容性,也得让新硬件能力充分发挥。这里有个关键问题:传统应用能在超节点上跑,不代表它已经把超节点的能力用足了。
熊伟谈到 POSIX 等传统软件接口带来的兼容性需求。在新硬件架构下,沿用原有软件接口能降低应用迁移门槛,但也可能发挥不出新型内存、互联和资源协同机制的优势。
所以 openEuler 一边做好南向兼容,一边也在探索面向超节点的新软件接口和原生应用生态。
熊伟把这个方向称为“超节点 Native”。
放在行业层面看,超节点这轮比拼已经不只落在硬件系统上,软件架构与应用适配正被一起拉进赛场。技术究竟有没有价值,最后还得看业务现场。
熊伟专门讲到 openEuler 和京东在超节点上的联合创新。按他的说法,双方把超节点硬件、超节点 OS 以及 KV Cache 等技术,按具体业务场景用进互联网业务,2026 年双十一期间实现规模应用,相关业务时延降了约 15%。互联网业务里,时延不光是技术指标,它跟用户体验、业务转化直接挂钩。广告、推荐、高并发交易这些场景尤其如此,响应速度每快一点,都可能变成实打实的商业收益。
这组数据指向一点:超节点的产业价值,正从硬件规模和理论性能,转到真实业务负载下的效率检验。
也正因如此,熊伟强调,AI 应用变化太快,没必要急着搭一套庞大的概念体系。
他原话是:“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 经济起来了,AI 会让软件栈变简单吗?
除了 Agent 和超节点,熊伟还提到一个更远的变化:Token 经济或许会重新组织软件产业的分工方式。
云计算产业一路走来,跟软件栈越堆越厚关系密切。
数据库、中间件,再到容器、微服务和各类云原生组件,云厂商靠不断推出新的软件服务,接住企业越来越复杂的业务需求。到了 AI 时代,越来越多应用开始围着模型推理和智能体执行转。
熊伟的判断是,当大量底层服务都围绕 Token 的生产和消费来组织,软件栈有可能走向简化。
他说:“未来当 AI 上来以后,软件栈可能没有原来那么复杂了。”
这话的意思不是传统软件组件会统统消失。模型推理成为重要基础服务之后,一些原本要靠复杂系统集成才能完成的事,可能慢慢由更标准化的软件能力接过去。
企业进入 AI 基础设施市场的门槛,也会跟着变。
熊伟举了个例子:底层操作系统、相关软件方案和模型如果都能通过开源拿到,那么手里有硬件资源的企业,即便没长期攒下云计算开发经验,也有机会把自己的模型推理服务搭起来。
不过,能产出 Token,和能以足够低的成本提供高质量 Token 服务,是两码事。
这就带出基础软件在 Token 经济里的另一重价值:效率。
熊伟拿模型能力和运行效率做了个形象的类比。模型有多聪明,主要看研发与训练;可一个已经具备一定能力的模型,完成任务要耗掉多少计算和存储资源,基础软件在这里的优化余地很大。比如 KV Cache 管理得高效、复用得当,能少做一部分重复计算;资源调度和内存管理优化,则可能帮推理系统把吞吐量提上去、把服务成本压下来。
企业要同时跑大量模型服务和 Agent 任务时,这些底层效率的提升,会直接决定 AI 应用在商业上划不划算。
熊伟还给了一个可观察的判断:未来两三年,AI 基础设施生态大概仍处在扩张期。标准化和开源化有望把技术门槛降下来;不同应用对推理效率、实时性、安全性的要求,又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 openEuler 来说,面向 Agentic Infra 的技术演进只是这次大会的一条主线。
另一条主线分量相当:全球化。
会上,巴基斯坦高等教育委员会正式发布 HECOS 1.0,这是首个海外基于 openEuler 的本土操作系统。
同一场合,openEuler 宣布与 Ubuntu 在超节点等技术领域开展协作交流,还联手天翼云、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。这些动作说明,openEuler 正试着把国内已经跑通的操作系统生态协作方式,往国际市场再推一步。
熊伟在群访中提到,全球化并不是社区最近才定下的方向。“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。”
他看来,开源社区不只意味着一组代码,还代表着一条技术路线,以及围绕这条路线的软件生态。要将这种技术体系延续下去,就得让更多地区的开发者、企业和机构参与进来。
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,是熊伟特别看重的地方。对想建设自主 AI 技术能力的国家和企业来说,开放的技术体系意味着能按本地需求做适配、开发和持续迭代,而不是只能用固定的软件产品。
但把操作系统发到海外,并不等于完成全球化。聊到巴基斯坦合作时,熊伟强调,后面还有市场推广、应用迁移、硬件适配和行业落地等一大堆具体工作要做。
他给出的建议是,优先与研发能力较强、能掌握自身软件系统的企业和行业合作,比如互联网企业、云服务商、运营商以及部分金融机构。这类客户更容易围绕开源技术做适配和协同创新。
对 openEuler 而言,全球化也就不只是用户规模变大,还是开源生态从技术输出转向共同开发的过程。另一边,AI 也在改变开源社区自己的运作方式。
此次大会公布的计划显示,到 2026 年底,openEuler 希望 80%的 CVE 由 AI 辅助处理,并让社区服务 Agent 实现 100%接入。
当 AI 一步步进入代码开发、测试、安全维护等环节,开源社区的生产和协作方式,或许也会出现新的变化。