作者王聪彬过去一年人工智能行业最密集的叙事大多围绕模型和应用展开。今年3月紫光云发布了垂类模型和智能体。半年之后紫光云再次带来新产品这一次却用了一个行业里还不算常见的名字“AI操作系统”。从模型、智能体到AI操作系统紫光云为什么又往下走了一步这套AI操作系统究竟要解决什么问题它和我们熟悉的PC操作系统、云操作系统又有什么不同紫鸾AI操作系统其实并非凭空出现2024年紫光云发布了紫鸾5.02025年发布紫鸾6.0到了今年紫鸾也顺应人工智能的发展进化为紫鸾AI操作系统。推动这一升级的直接原因是智能体进入生产环节后底层基础设施面临的要求已完全不同。用紫光云总裁王燕平的话说云到AI是顺势而为。紫光云总裁王燕平把复杂留在底层企业只管应用从2024年以来AI技术快速演进企业对底层智能平台的需求也在不断提高。回看AI过去几年的发展大致经历了几个阶段。第一阶段是“百模大战”。这一轮AI热潮首先由大模型带动模型数量快速增加参数规模、能力表现成为行业关注的重点。第二阶段进入大规模训练、推理和智算中心建设期。随着算力需求快速增长各类AI芯片密集进入市场围绕算力基础设施的竞争也随之升温。现在AI正进入第三阶段也就是应用阶段。接下来的竞争会越来越集中在AI应用上尤其是在政企市场AI开始进入具体业务流程并可能带来原有系统和工作方式的重新调整。智能体正成为这一阶段重要的技术载体。过去一年几乎所有厂商都在加码智能体但智能体真正走进业务之后也对底层平台提出了新的要求模型、算力、数据、知识和应用如何统一承载智能体如何持续运行和管理都需要一套新的底座。进入智能体时代政企信息化建设也开始出现一些新的变化。首先底座的目标变了。过去政企信息化底座更多承担的是稳定运行和IT支撑到了智能体时代底座需要进一步参与业务成为企业生产力的一部分。将这种变化类比为自动驾驶和辅助驾驶辅助驾驶更多是在支撑人自动驾驶则开始直接承担任务成为生产力。紫光云认为未来AI底层平台也将是为企业创造价值。第二个变化来自智能体本身。目前智能体已经具备一定的自主规划和执行能力可以根据任务自行拆解步骤、调用不同模块并结合Skill完成任务。但能力越强对安全、权限和可控性的要求也越高。第三个变化发生在应用开发上。传统政企应用多是厚重的定制开发OA、ERP以及各种审批流程都需要围绕具体需求逐一设计。进入智能体时代随着Skill等能力不断沉淀应用本身可能会越来越轻很多能力可以通过已有组件快速组合。应用开发周期也将从过去按年、按月计算缩短到按小时计算。这三个变化给AI厂商提出了一个共同问题当智能体开始真正进入业务底层平台应该怎样适配过去几年出现了提示词工程、上下文工程、MCP、Skill、知识体系、RAG、Harness Engineering、Ontology等一系列技术路线。“这些技术的出现都是在弥补大模型在真实生产环境中的不足。”紫光云首席技术官柳义利说道。大模型的基本机制决定了其更擅长基于上下文预测下一个Token但一旦进入复杂业务对准确性、稳定性和可预测性的要求都会明显提高。紫光云首席技术官柳义利围绕大模型做的很多工程工作本质上都是在提升这些能力让模型能够真正进入生产系统Harness Engineering就是一个典型例子。因此政企AI真正落地需要的是一套完整的系统工程。紫光云将其中的关键能力总结为六个方面。第一是通用大模型能力决定了系统基础的理解、推理和生成能力第二是Skill。通用模型并不了解每一个行业、岗位和具体工作方式需要通过Skill补充专业能力让模型能够完成具体任务第三是私域知识。每家企业都有自己的制度、流程、业务资料和经验这些内容通常并不存在于通用模型中第四是工具集。企业内部已经存在大量业务系统、传统算法、流程规则和专业工具智能体需要把这些已有能力调用起来而不是重新建设一套系统第五是安全。当智能体具备更强的自主执行能力后权限控制、数据安全和执行边界都会变得更加重要第六是持续进化。模型先天没有记忆能力业务知识、岗位经验和工作方法都在不断更新AI系统需要具备持续学习、沉淀和优化的能力。这样一套系统工程很难让企业自己从头搭起来。尤其对于更关注业务生产的企业来说只靠开源组件或者部署一个大模型很难直接创造业务价值。这也是紫光云提出“AI操作系统”这一概念的重要原因。模型、数据、知识、工具以及开发和运营能力需要有人把它们统一整合起来对外提供一套完整的能力集和更简单的使用界面。把复杂性留在底层把简单的交互和应用方式交给客户是紫鸾AI操作系统的核心思路。AI操作系统要把六类能力接在一起每个时代都有每个时代的操作系统AI时代仅仅管理计算、存储和网络已经不够了。因为除了底层算力还要把模型、数据、知识、Skill都管起来。所以在紫光云看来AI操作系统首先意味着管理对象发生了变化。过去无论PC操作系统还是云操作系统最终服务的主要是人包括普通用户、运维人员和开发者。但进入智能体时代操作系统未来可能越来越多地直接服务于智能体。当智能体的能力足够强之后很多操作并不需要人逐个打开应用、寻找功能再完成任务。智能体可以直接调用底层接口和能力应用界面本身的重要性也会下降。过去一个终端上安装的几十甚至上百个应用未来更可能成为智能体可以随时调用的能力集合。企业里也是一样未来企业内部的系统、工具和组件都需要具备更强的可调用性。按照紫光云的设想整个体系中的能力都应该进一步Skill化让模型和智能体能够按需调用。到了智能体时代AI的底层平台也需要重新定义。从整体架构来看紫鸾AI操作系统并不是一个从零开始的新产品更像是紫光云过去多年能力的一次汇集和延伸。底层算力层延续了紫光云原有的云基础设施能力并针对AI场景加入无损网络等新能力满足更低的时延再往上是模型层这是进入AI时代后新增的重要能力再上面的数据和知识层来自紫光云过去在数字化、智慧城市等领域长期积累的数据能力最后应用使能层承接紫光云原有的开发平台和开发管理能力。除了四层核心能力之外系统还包括安全保障、统一运营以及运维管理等横向能力。由此形成了紫鸾AI操作系统“四层三列”的整体架构架构最上面承接的就是刚刚说到的现在最重要的智能体应用。紫光云认为未来的智能体应用大致分为两类。一类是办公场景包括WorkBuddy、千问办公等产品正在探索的方向。对于企业来说关键在于这些办公智能体如何接入现有系统和工作环境真正进入日常办公流程。另一类是生产场景生产环节更直接关系到业务产出目前Coding已经成为较早进入生产场景的一类智能体应用但落地仍旧是一个复杂工程涉及到模型、开发环境、权限、工具调用等一整套系统能力。未来不同行业还会出现越来越多面向生产环节的智能体紫鸾AI操作系统做的就是为这些智能体提供统一的接入和调用能力并通过Skill化的方式把底层能力进一步封装出来让不同智能体能够更顺畅地接入企业现有系统。紫鸾AI操作系统主要从六个维度解决企业AI落地中的具体问题。第一是算力调度。企业内部往往已经存在不同厂商、不同型号的AI硬件紫鸾AI操作系统可以统一纳管多个算力池根据模型和任务需求进行调度、弹性伸缩和配额管理提高整体资源利用率。第二是模型推理。企业实际使用AI时往往需要同时调用内部模型和外部模型。尤其在AI Coding等场景中模型效果、调用成本和数据安全需要同时考虑多模型统一调度和推理成为一项基础能力。第三是知识体系。企业多年积累的数据、制度、流程和经验需要经过治理才能真正被大模型调用。紫鸾AI操作系统提供知识采集、非结构化数据治理、知识图谱和权限管理等能力把企业私域知识沉淀成可供AI使用的知识体系。第四是应用开发。围绕智能体应用紫鸾AI操作系统覆盖低代码、高代码、零代码以及Workflow、MCP、Skill等开发方式同时提供调试、发布、部署和生命周期管理让企业能够更快开发和管理越来越多的AI应用。第五是自主型智能体。当智能体从简单问答走向自主规划、调用工具和执行任务底层需要提供模型、知识、Skill和工具等能力支撑并对整个执行过程进行监测和管理。第六是运营平台。随着企业内部模型、智能体和AI应用越来越多需要看清资源、成本并进行管理。紫鸾AI操作系统可以对算力、模型、数据、知识和应用进行统一计量其中Token成为重要的计量方式。同时还可以按照部门、员工进行额度分配、预警和成本管理把AI资源纳入企业运营体系。先有AI操作系统再长出行业应用操作系统之上支撑的是智能体应用紫鸾AI操作系统也在产品中内置了两类系统原生办公类应用。一款是面向企业私域知识的智能问答。紫光云此前在知识萃取、知识整理和问答方面已经积累了较多能力企业在把内部规章制度、报销流程、考勤制度、养老政策等知识接入之后员工可以直接通过自然语言进行查询。第二款是面向结构化数据的“紫鸾问数”。企业内部的ERP、销售、财务等系统沉淀了大量结构化数据过去查看这些数据往往需要进入不同系统。“紫鸾问数”可以直接连接这些业务系统通过自然语言查询收入、毛利率、销售进展等经营数据并快速生成相应结果。除了办公类应用紫光云也在生产场景中进行探索。今年3月紫光云发布了面向工业场景的图纸识别和转化智能体。在半导体领域紫光云也进一步将AI引入更完整的生产流程。未来更多行业应用也可以通过紫鸾AI操作系统接入底层能力。柳义利以某市级卫健委项目为例介绍了紫鸾AI操作系统在其中做的四件事。第一件事搭建统一的算力服务平台。AI应用要运行首先需要有稳定的算力基础因此先把底层算力资源统一建设、统一管理起来。第二件事建立全市卫健领域的知识体系。过去卫健系统已经积累了大量数据但原始数据很难直接被大模型使用。紫光云要做的是把这些数据进一步整理、治理和加工形成大模型能够调用的知识体系。第三件事围绕Token建立新的运营方式。医疗数据本身具有较高价值过去这些数据如何计量、如何提供服务缺乏比较统一的方式。现在可以通过Token或者按次调用进行计量把数据、知识以及模型调用纳入统一运营体系。例如个人健康档案等数据服务就可以按照调用次数或者Token使用量进行计量。第四件事在底座之上孵化医疗AI应用。目前很多行业AI应用仍处在探索阶段该项目的思路是先把算力、数据、知识和平台能力准备好再让不同的应用厂商进入平台基于已有的数据集和能力开发自己的产品。紫光云对政企AI落地路径的一种判断是不一定一开始就做大量分散的AI应用先把底层能力建设完整将算力、模型、数据、知识以及开发和运营能力搭起来。在这个基础上再逐步生长出不同的行业智能体应用。这也进一步明确了紫鸾AI操作系统面向的市场。紫光云产品与研究开发部副总裁唐元武表示紫鸾AI操作系统主要面向政企客户的私域AI建设。如果只是调用公域模型可以直接调用模型和Token。真正需要这套系统的是那些数据、知识不能离开本地又要部署智能体的客户。紫光云产品与研究开发部副总裁唐元武最终紫鸾AI操作系统形成了四项统一的能力。第一是统一算力和调度让企业内部不同厂商、不同类型的算力资源能够被统一管理和使用第二是统一模型管理让不同模型能够根据业务、成本和安全要求进行统一调度第三是统一知识体系把企业原本分散的数据、文档、制度和经验整理成可供大模型和智能体调用的知识第四是统一智能体使能为企业开发、接入和管理不同智能体提供统一的平台能力。在这四个能力之上则是全Token化的运营平台。算力、模型、知识、数据和智能体产生的调用和消耗都可以进一步被计量和管理从而把底层技术资源和上层业务使用连接起来。这也构成了紫鸾AI操作系统今天的核心定位帮助政企客户构建属于自己的智能化底座。