学界提出基础模型操作系统层构想

人工智能应用的形态正在发生转变。过去，开发者往往围绕单一而庞大的基础模型来构建产品；如今，越来越多的系统由多个模型、多个智能体组合而成，形成复合式的智能体系统。然而，arXiv 上的一篇立场论文指出，支撑这类系统的技术栈仍然高度碎片化，缺少一个统一的系统层。

论文标题即明确提出，应当是时候用具备自进化能力的操作系统层来虚拟化基础模型了。作者在文中指出，尽管 MCP、A2A 等协议已经显著降低了工具调用与智能体互联的门槛，但每一个框架内部都嵌藏着一套隐式的运行时，各自处理状态、记忆、预算与护栏策略。结果是应用行为难以在不同框架之间迁移，治理也变得脆弱。论文将这一局面类比为操作系统诞生之前的计算时代，那时每一个程序都要重新实现本应由系统提供的基础服务。

基于这一判断，作者主张领域需要构建基础模型操作系统，即 FMOS。它的定位是一个系统层，对基础模型的交互过程进行虚拟化，作用类似于虚拟机对物理硬件的抽象。应用程序无需关心底层究竟调用了哪个模型、运行在何处、资源如何分配，而是获得一种拥有专属且可信赖的基础模型实例的错觉，并且能够以近乎无限的能力完成工作。

在内部实现上，FMOS 需要在多个维度上进行编排。首先是知识在多个记忆层级之间的流动，让短期上下文与长期沉淀各司其职；其次是模型选择与资源分配的调度，根据任务需求在成本、延迟与能力之间做出权衡；最后是验证与策略执行，确保输出符合既定规则与安全约束。论文强调，这三者并非彼此独立的模块，而应被统一纳入系统层的调度逻辑之中。

值得关注的是，论文将 FMOS 的自适应性比作人脑在快速直觉与缓慢审慎之间的切换。系统应当学会判断何时需要主动介入，例如触发更复杂的推理流程或调用外部验证；何时又应当放手，让模型直接完成推理，避免不必要的开销。更重要的是，这种判断策略要能够随着运行经验的积累而持续演进，而不是固定在部署时写死的静态配置里。这正是论文标题中自进化一词的核心含义。

从工程角度看，FMOS 的提出回应了几个长期困扰开发者的痛点。其一是可移植性，当状态、记忆与预算管理被抽离到系统层之后，应用逻辑便不再与某个具体框架绑定，迁移成本大幅降低。其二是可治理性，护栏与合规策略可以集中定义与更新，而不必在每一个框架里重复实现，还难以保证彼此一致。其三是能力扩展，通过统一的调度层，应用可以在几乎不改变自身代码的前提下接入新的模型或新的工具。

作为一篇立场论文，它的价值或许并不在于给出可以直接落地的实现方案，而在于为社区勾勒出一个可能的技术方向。从单体模型到复合智能体，再到系统层的抽象，这一演进路径与计算史上从裸机编程到操作系统、再到虚拟化的过程形成呼应。对于正在被碎片化协议与重复运行时困扰的开发者和平台方而言，这一构想提供了一个值得讨论的参照框架。