AI OS 会重构硬件与 App 吗?(上篇)

生成式 AI 出现之后，产业讨论很快从“模型能回答什么”，走向“Agent 能替人完成什么”。当 AI 能够理解目标、记住用户、调用工具并执行任务时，一个比“App 会不会消失”更重要的问题随之出现：

如果答案是肯定的，未来发生的就不只是一次 UI 改版，而可能是用户入口、软件价值、硬件定位与平台控制权的重新分配。

但需要先把边界说清楚：截至本文写作时，AI OS 仍不是一个拥有统一定义、标准架构和确定赢家的成熟产业类别。 学术界、投资机构和产品公司用相似词汇描述着不同对象。本文所做的，是在已有研究和产业信号之上提出一个可检验的分析框架，而不是宣布未来已经到来。

1. 传统 OS 管理机器资源；本文定义的 AI OS 管理用户意图。
2. Harness 管理一个 Agent 如何把任务跑完；AI OS 管理一个用户如何把意图委托给整个数字世界。
3. 平台迁移往往始于“用户从哪里开始”，而不是“旧平台何时消失”。
4. AI 更可能先吃掉 App 的部分交互层，再把 App 背后的能力层重新组织起来。

01

先说清楚：本文的 AI OS 不是什么、是什么

“AIOS”并非凭空出现。2023 年的论文《LLM as OS, Agents as Apps》曾把 LLM 类比为操作系统内核、Agent 类比为应用；2024 年的《AIOS: LLM Agent Operating System》则进一步讨论调度、上下文、记忆、存储、访问控制、模型与工具等 Agent 运行资源。^[1][2]

这段概念史点到为止。因为本文讨论的不是某一种学术架构，而是面向用户与产业价值链的“智能代理层”。

本文的 AI OS 不是什么

• 不是单纯的大模型。
   模型提供推理与生成能力，但不天然拥有持续身份、长期记忆、权限体系和跨服务执行能力。
• 不是传统 OS 加几个 AI 功能。
   总结通知、改写文字或生成图片可以是 OS AI，但不必然构成一个能代表用户完成任务的系统层。
• 不等于某一个 Agent。
   单任务 Agent 更像一个工种或应用；AI OS 需要管理多个模型、Agent、工具和服务之间的协作。
• 不是聊天框的同义词。
   对话可以是入口之一，但语音、浏览器、眼镜、汽车、机器人以及无界面的后台自动化，都可能成为交互表面。
• 不要求替代 iOS、Android、Windows 或 Linux 的内核。
   它完全可能运行在传统 OS 之上，却逐渐成为用户最常面对、最先调用的一层。

本文的 AI OS 是什么

它至少包含六组能力：

1. Intent｜意图理解
   ：接收目标，而不只是逐步操作指令。
2. Identity & Context｜身份与上下文
   ：知道“谁在什么情境下做什么”。
3. Memory｜长期记忆
   ：跨会话积累偏好、历史、关系和任务状态。
4. Orchestration｜调度
   ：选择合适的模型、Agent、App、API、服务或设备。
5. Permissions & Trust｜权限与信任
   ：决定什么可自动执行，什么必须解释、确认、撤销或追责。
6. Action｜行动
   ：不仅给出答案，还能在数字世界乃至物理世界产生可验证的结果。

一个容易混淆的概念：AI OS 与 Agent Harness 有什么区别？

随着 DeepSeek Harness、Codex 开源 Harness 等系统出现，一个自然的问题是：既然 Harness 也管理模型、上下文、工具、Memory、Sandbox 和 Permissions，它是否已经是 AI OS？

答案是：两者能力有所重叠，但管理对象和所处层级不同。

DeepSeek 将 Harness 定义为让 Agent 理解环境、使用工具并在真实环境中持续工作的运行框架。其核心思路是“一切皆插件”：模型、工具、Skills、Session、Sandbox、Storage、Agent Loop、调度和 UI 都可替换或重新组合；运行过程则记录在可恢复、分叉与回放的事件流中。^[9]

OpenAI 将 Codex Harness 描述为模型外围的执行系统，负责维护会话状态、组织 Agent Loop、调用工具、处理失败、执行 Sandbox 与 Approval Policy，并通过 app-server 将 Thread、Turn、事件流和审批请求暴露给外部产品。^[10]

因此，更准确的关系不是二选一，而是：

换言之，Harness 可以成为 AI OS 的运行时基础设施，但单独的 Harness 还不等于 AI OS。后者还必须回答：代表谁、记住什么、调用谁、授权到什么程度，以及出现错误时由谁负责。

由此，本文的分析对象可以压缩为一句话：

相应地，软件结构可能从：

用户 → App → 服务

逐渐转向：

用户 → AI OS → Agent / App / API / 服务 / 硬件

这里的关键词是“可能”。接下来需要判断的是，这个新层的组成条件是否正在出现。

02

入口信号：用户开始习惯“先找 AI”

判断一个新平台是否形成，第一件事不是看 benchmark，而是看用户从哪里开始。

Menlo Ventures 与 Morning Consult 在 2025 年 4 月调查了 5,031 名美国成年人。报告称，61% 的受访者在过去六个月使用过 AI，接近五分之一每天使用；Menlo 据此估算全球约有 17 亿—18 亿 AI 用户，其中 5 亿—6 亿为日常使用者。需要注意，后两项是 Menlo 依据美国调查外推的估算，并非全球人口普查。^[3]

更值得关注的是行为模式：Menlo 报告称，91% 的 AI 用户几乎每类任务都会先尝试自己惯用的通用 AI 工具，只有当默认工具不够好时，才寻找专业产品。Menlo 将其称为 “Default Tool Dynamic”。^[3]

过去，用户会说：

• 我要做 PPT，所以打开演示软件；
• 我要订酒店，所以打开旅行 App；
• 我要整理日程，所以打开日历。

现在，一部分用户开始说：

• 我要完成这件事，先问我的 AI。

这项事实能说明什么？

它说明通用 AI 正在获得“任务起点”的位置，并对专用工具形成默认入口压力。

它还不能说明什么？

91% 并不等于 91% 的任务已经由 AI 完成，也不意味着专业 App 已经失去价值。Menlo 同一报告也显示，60% 的 AI 用户同时使用通用与专业 AI 工具；专业产品只要在关键任务上显著更好，仍能突破默认入口。^[3]

本文推演： 平台迁移通常始于“用户从哪里开始”，而不是“旧平台何时消失”。如果越来越多任务从 AI 开始，App 的首页、菜单和搜索框就可能从主入口退为被调度的界面或能力。

03

能力信号：从 Assistant 走向 Automation

仅仅成为信息入口，还不足以构成 AI OS。搜索引擎也是超级入口，却没有替代操作系统。真正可能改变产业结构的，是 AI 从“提供信息”走向“执行行动”。

Menlo 把下一阶段概括为 From Assistant to Automation：今天的 AI 完成写作、搜索等离散任务；下一代系统则可能端到端执行旅行、医疗等完整流程，用户保留监督和最终确认权。^[3]

两种产品都可能叫 AI，但它们对应的产业角色完全不同：

• Assistant
  ：人操作软件，AI 提供建议或局部产出。
• Automation / Agent
  ：人提出目标，AI 拆解任务、调用工具、执行并检查结果。

这也是“回答”与“行动”的分水岭。AI OS 的成立，不取决于它会不会聊天，而取决于它能否在复杂环境中稳定完成闭环：

理解目标 → 制定计划 → 获取授权 → 调用资源 → 执行任务 → 验证结果 → 失败恢复

只要最后三步不可靠，它就仍更接近助手，而不是可以托付的系统层。

04

商业模式信号：从 $/Seat 走向 $/Outcome

Sequoia Capital 在《Generative AI's Act o1》中提出，Agentic 应用正在形成与云软件不同的商业逻辑：传统 Cloud 公司主要争夺软件利润池、按席位卖软件；AI 公司则可能进入服务利润池、按工作结果收费。其概括是：Cloud companies sold software ($/seat); AI companies sell work ($/outcome).^[4]

例如，传统客服 SaaS 提供工单、知识库和坐席界面，企业再组织员工完成服务；Agent 产品则可能按“成功解决多少问题”收费。

这不只是定价变化，而是价值单位变化：

机构观点： Sequoia 认为 Agent 公司可能触达比软件市场更大的服务市场。^[4]

本文推演： 如果用户主要购买“结果”，最有价值的一层就不一定是拥有最多按钮的软件，而可能是最懂意图、最会调度能力并能对结果负责的系统。

05

架构信号：App 之上正在出现 Intelligence Layer

IDC 的企业调查给出了更直接的架构证据。其 2025 年 2 月 Future Enterprise Resiliency & Spending Survey 覆盖 885 名受访者：

• 82.6%
   认同 AI Agent 会在 App 之上形成新的 intelligence layer，并降低不同供应商之间的切换壁垒；
• 80.4%
   认同 AI Agent 正在成为新的企业 App，促使企业重新考虑对 packaged apps 的投资；
• 67.0%
   认同 Agent 会降低核心企业 App 功能的价值，使企业更可能采用低成本产品。^[5]

这组数据的意义不在于证明旧软件会被替代，而在于揭示企业买方已经开始想象一种新的分层：

上层 Agent 负责理解任务与组织行动，底层 App 继续承载数据、规则、交易和专业能力。

需要谨慎的是，这些数字衡量的是受访者对未来影响的认同程度，不是已经完成的采购迁移，也不是 Agent 当前的任务成功率。

06

App 不会整体消失，而会分化

“AI OS 出现”不等于“App 消失”。更可能发生的是 App 被拆成两个部分：

体验型 App：更容易受到入口上移影响

它们的主要价值集中在信息查找、表单填写、页面跳转、简单内容生成和跨步骤操作。若这些任务可以被自然语言和 Agent 直接完成，用户进入原始界面的频率可能下降。

能力型 App：可能成为 AI OS 的基础设施

它们掌握稀缺内容、专业模型、业务规则、账户体系、交易履约、合规资质、实时库存、企业数据或硬件控制能力。即使用户不再频繁打开其界面，AI OS 仍需要调用这些能力。

因此，更准确的判断不是“AI 吃掉 App”，而是：

a16z 在 2026 年关于所谓 “SaaSpocalypse” 的反方文章中也强调，软件价值从来不只来自代码，还来自工作流、数据、分发、客户关系和行业知识；AI 会给部分薄前端和落后产品带来压力，但并不等于软件产业整体消亡。^[6]

这构成本文最重要的反方约束：如果专业 App 继续控制数据、流程、信任和履约，AI OS 可能只是新的界面，而不是新的价值中心。

07

真正的竞争，不只是模型竞争，而是入口竞争

围绕 AI OS 的竞争，至少存在三条路径。

路径一：OS AI——从设备与系统权限向上生长

传统操作系统拥有账户、通知、文件、摄像头、麦克风、位置、支付和设备权限，也更容易获得系统级分发。它的优势是离用户和硬件最近，挑战是跨平台、跨服务调度常常受生态边界约束。

路径二：通用 Assistant——从用户关系和默认习惯向下渗透

通用 AI 可以跨主题理解意图，积累用户偏好，并通过连接器、API 或 Agent 获得执行能力。Menlo 的默认工具效应支持了这条路径的入口潜力。^[3] 它的挑战是系统权限、交易责任和对第三方能力的控制力。

路径三：AI Browser——把 Web 变成可操作环境

Bessemer 在《The State of AI 2025》中判断，浏览器可能成为 Agentic AI 的重要 operating layer：Agent 能观察页面、理解上下文、跨标签页与会话执行多步骤任务。Bessemer 同时提出，context 与 memory 可能成为新的护城河，软件正从 systems of record 走向 systems of action。^[7]

浏览器的优势是天然连接大量 Web 服务，挑战是页面不稳定、登录与授权复杂、缺少部分设备级能力。

这三条路径并不互斥。未来也可能形成“系统负责权限与本地能力、通用 Assistant 负责用户关系、浏览器负责跨站执行”的多层协作结构。谁能把 Identity、Context、Memory、Permissions 和 Action 连成闭环，谁才更接近本文所定义的 AI OS。

a16z 在《Big Ideas in Tech for 2025》中提出，AI 从数据收集走向 data-in-action 后，可能成为 “a true operating system for the user”；同时，人短期仍是审核者，只有在信任逐步建立后，更多行动才可能转为 AI 主导。^[8] 这与本文定义最接近，但它仍是一项机构预测，不是既成事实。

CONCLUSION

一个新入口正在出现，但平台尚未形成

从 Menlo 的“默认工具效应”，到 Sequoia 的 $/Outcome、IDC 的 Intelligence Layer，再到浏览器、通用 Assistant 与 OS AI 的入口竞争，产业信号已经能够连接成一条路径：

用户先找 AI → AI 从回答走向行动 → 软件从卖工具走向卖结果 → Agent 位于 App 之上 → 多类入口争夺用户意图。

但这条证据链证明的是“一个新层正在形成”，还不能证明独立的 AI OS 已经诞生。

下篇将继续讨论：MCP 与 Harness 为什么只是基础设施，Memory 为什么可能成为新的平台锁定，Trust 为什么是 AI OS 的权限内核，以及硬件、App 与产业价值将如何重新分配。

References｜上篇

[1] 《LLM as OS, Agents as Apps: Envisioning AIOS, Agents and the AIOS-Agent Ecosystem》

[2] 《AIOS: LLM Agent Operating System》

[3] 《2025: The State of Consumer AI》

[4] 《Generative AI's Act o1: The Reasoning Era Begins》

[5] 《Impact of AI agents on enterprise app investments》；《The Agentic Evolution of Enterprise Applications》

[6] 《Good news: AI Will Eat Application Software》

[7] 《The State of AI 2025》

[8] 《Big Ideas in Tech for 2025》

[9] 《DeepSeek Harness developer preview: Everything is a plugin》

[10] 《Codex as a platform: build on the open agent harness》

说明：上篇中的“事实”主要指已经发布的调查结果、论文架构与开源系统说明；“机构观点”指研究机构或投资机构对未来的判断；关于 AI OS 形成及入口迁移的结论属于本文推演。