开云体育,开云体育官方网站,开云体育APP下载

　　操作系统的本质，始终是 “向下管理硬件资源，向上为用户和应用提供开发与运行保障”。周明辉教授在直播中强调，这一核心定位从未改变，但随着应用场景与硬件资源的迭代，其承载的功能与面临的挑战已发生根本性变化。从早期物理服务器时代的硬件资源管理，到云计算时代的虚拟化与多租户隔离，每一次技术革命都推动着操作系统的能力边界不断拓展。而 AI 时代的到来，尤其是大语言模型的训练与推理场景，正给这一经典系统带来前所未有的冲击。

　　马涛结合近 20 年的产业实践，进一步拆解了 AI 场景的具体挑战。他以 GPU 为例：“现在一台 GPU 一体机成本高达几百万，让它高效运行 10 分钟，操作系统需要做好大量底层工作。” 在训练场景中，数据量的爆发式增长要求操作系统重新设计存储策略 ——AI 训练的中间数据多存储于对象存储或高性能文件存储中，如何将数据高效搬运至 GPU 显存、如何在显存不足时实现与内存的动态置换，都成为全新课题。而在推理场景中，多步骤计算对 CPU、GPU、存储、网络的差异化需求，更要求操作系统具备动态适配能力。

　　这种变化的背后，是计算核心的迁移。“过去数据中心以 CPU 为核心，调度算法围绕 CPU 设计；现在则转向以 GPU 为核心，CPU 更像‘保姆’—— 需要提前完成数据处理、内存准备等工作，让 GPU 专注于计算。” 马涛解释道，这种转变不仅涉及计算逻辑的重构，更引发了网络栈的连锁变革：在多机多卡协同场景下，数据如何跨设备高效传输、如何诊断机器间的故障、如何优化 shuffle 与 reduce 等操作，都需要操作系统在网络层进行深度革新。阿里云的 HPN7.0 技术在 SIGCOMM 上获得 best paper，正是这种优化的典型成果。

　　马涛从产业视角印证了这一判断：“工业界目前更侧重第一条路径，因为要兼顾现有用户的 legacy 系统与业务连续性。” 他以阿里云为例，操作系统团队通过 “小步快跑” 的方式持续迭代 —— 针对 AI 训练场景优化存储 I/O、针对推理场景优化任务调度、针对多卡协同优化网络传输，这些改进并非颠覆性创新，但积累到一定程度后，系统会呈现出全新的适配能力。“我们把这些工作开源到社区，一方面接受社区验证，另一方面也能汇聚更多开发者的智慧，从量变积累到质变。阿里云服务器操作系统 4.0 版本就是这种迭代模式的阶段性成果：它既兼容传统业务的运行需求，又能通过‘AI 加速引擎’模块为大模型训练提供专属优化，实现了‘legacy 系统平稳过渡’与‘AI 场景高效支撑’的双重目标。”

　　对于第二条路径，即 “AI 即操作系统” 的架构革新，两位嘉宾均认为其是未来方向，但需长期探索。“传统操作系统模型确实不适合 AI 场景，未来可能基于 GPU 核心重构体系，甚至用 Rust 语言重写内核。” 马涛指出，企业当下难以全身心投入，因为要平衡客户需求与技术革新 —— 这也是新型创业公司的机会所在，“它们没有历史包袱，可以轻装上阵，尝试全新架构”。周明辉补充道：“学术界也在关注这一方向，比如探索如何让大语言模型直接承担部分操作系统功能，未来用户可能‘用自然语言操作电脑’，这会彻底改变人机交互模式。”

　　技术演进的同时，安全与供应链风险成为不可忽视的挑战。周明辉从学术研究出发，提出两大核心解决方向：一是通过 Rust 语言重写内核解决内存安全问题，“比如北大国家实验室与蚂蚁集团合作的‘星绽操作系统内核’，利用 Rust 的内存安全特性构建‘宽内核’，在保障安全的同时兼顾性能”；二是通过形式化验证确保内核功能正确性，“形式化验证能发现传统测试无法察觉的数值溢出、条件竞争等问题，为自动驾驶、工业控制等安全攸关场景提供确定性保障”。

　　AI 场景的特殊性还加剧了供应链风险。周明辉强调：“软件供应链是全球命运共同体，只要互联网存在，所有参与者都无法独善其身。AI 供应链的风险更具独特性 —— 训练数据可能被投毒，海量参数中潜藏后门，从硬件芯片到 AI 框架的全链条都可能出现漏洞。” 他特别提到 XZ Utils 供应链投毒事件暴露出的社会工程学攻击，以及国内生态处于全球下游面临的 “断供风险”，“这些问题不是中国特有，而是全球性挑战，需要学界与产业界共同应对”。

　　针对上述安全方面的挑战，马涛从产业角度提出了 “体系化、平台化、智能化” 的应对策略。“体系化即覆盖代码拉取、编译环境、发布渠道等全环节，确保每个节点可控 —— 比如上游代码的溯源、编译机器的安全加固、发布包的签名验证。” 他解释道，“平台化是将所有信息透明化，让用户知晓软件包的来源、漏洞与升级路径，龙蜥社区已经实现了这一点，所有包的评分、更新记录、安全漏洞都公开可查。” 而智能化则是利用大模型提升安全水位，“比如让 AI 模拟攻击者进行渗透测试，或者自动分析代码中的潜在漏洞，这能大幅提升安全检测效率”。

　　除了 AI 浪潮，“国产化”则是操作系统演进过程中的又一重要趋势。2020 年的 CentOS 停服事件，成为了国产服务器操作系统发展的 “转折点”。周明辉回忆：“当时全中国服务器中十之八九使用 CentOS，停服消息如同地震，这暴露了我们在全球软件生态位的低端 —— 过度依赖上游，一旦上游‘断水’，下游便陷入困境。” 但他同时强调，国产化绝非简单的 “替代”，而是 “立足全球化，向生态位高位攀升”。

　　马涛将国产化路径总结为 “脚踏实地 + 仰望星空”。他表示：“‘脚踏实地’是指通过社区的延保计划，帮助用户平稳过渡 —— 很多企业的业务系统基于 CentOS 构建，开发者可能都已离职，让他们重新适配新系统不现实。我们通过兼容接口、提供 CVE 更新，让用户能‘无痛迁移’，如同为旧桥梁铺设新的桥面，确保通行不受影响。” 而 “仰望星空” 则是积极参与国际上游生态，“在 Linux Kernel 等关键子系统中贡献代码，在 RISC-V、虚拟化等标准制定中争取话语权，如同从参与游戏到逐步制定游戏规则”。

　　他以龙蜥社区的实践为例：“我们联合欧拉、OpenCloudOS 达成生态协议，对 200 多个核心包（如 Kernel、GCC、GLIBC）统一版本与维护策略。这些包是操作系统的‘基石’，统一标准能减少重复劳动，让各方集中精力做差异化创新，如同大家共同建设地基，再各自加盖特色建筑。阿里云服务器操作系统 4.0 正是这一生态协同的产物，它基于龙蜥社区的技术底座，严格遵循核心包的统一标准，同时针对云与 AI 场景做了深度优化 —— 比如针对国产芯片的原生支持，能够实现‘一次适配，多平台运行’，这也是阿里云‘差异化竞争力’的具体体现。 ”

　　当然，核心组件的协同只是生态共建的起点，要实现真正的国产化突围，还需要构建一个多方共赢的生态系统 —— 这既是应对全球竞争的必然选择，也是技术持续迭代的核心支撑。周明辉指出：“生态的核心在于两个维度 —— 一是软件依赖网络中的生态位，即有多少下游软件、用户与市场依赖；二是社区参与度，包括开发者、企业、机构的贡献度，各方围绕价值诉求形成共生体系，如同一个热带雨林，不同物种相互依存、共同繁荣。” 他特别强调吸引年轻学子的重要性，“操作系统的未来在于年轻人，要通过开源大赛、课程合作等方式，让他们参与到社区建设中，如同培育树苗，为森林的未来储备力量”。

　　在这样的生态体系中，企业的参与并非单纯的 “慈善”，而是基于自身利益的理性选择，唯有形成利益共生的闭环，生态才能持续运转。马涛从产业视角补充了生态构建的关键：“技术决定生态的下限，而生态决定社区的上限。” 在他看来，健康的生态需要满足三个条件：一是开发者生态，吸引学生与爱好者 “为爱发电”——“我当年进入操作系统领域，就是因为兴趣，这种动力是持久的，如同艺术家对创作的热爱”；二是企业参与需找到利益回流点，“我们需要确保的是生态圈里的各方利益不冲突，形成 1+12 的效应，如同在一条产业链上，每个环节都发挥优势，共同提升整体价值”；三是清晰的定位与分工，“上游社区做好核心组件维护，中游发行版做好场景适配，下游企业提供服务与销售，形成良性链条，如同河流的上游、中游、下游各司其职，最终滋养整片土地”。

　　马涛则从产业视角分享了阿里云服务器操作系统接下来的三大方向：一是持续优化核心组件，适配快速迭代的 AI 模型，“去年还是稠密模型，今年就变成 MOE（混合专家模型），参数规模从百亿级跃升到千亿级，操作系统必须紧跟这种变化，这也是我们在 Alinux 4.0 版本基础上规划下一代迭代的核心方向”；二是做好国产化算力的协同管理，“国内的 GPU、TPU 等异构芯片越来越多，操作系统要抽象硬件差异，让用户‘用起来一样方便’”；三是推动操作系统的智能化，“通过 AI 优化安全检测、运维调度、文件系统等模块，最终实现‘System for AI’与‘AI for System’的融合”。