观点：是时候用自进化操作系统层虚拟化基础模型了

一篇 arXiv 立场论文指出，AI 应用已从单一基础模型转向复合智能体系统，但当前技术栈仍然碎片化：即便 MCP、A2A 等协议缓解了工具与智能体的连接问题，各框架仍各自内置状态、记忆、预算与护栏的隐式运行时，导致行为不可移植、治理脆弱。作者主张引入 Foundation Model Operating System（FMOS）这一系统层，像虚拟机抽象硬件那样虚拟化基础模型交互，并在内部编排记忆分层、模型选择、资源分配与验证策略。

此前行业主要通过 MCP、A2A 等协议解决智能体之间的连接问题，但连接不等于可移植。论文指出每个框架自建运行时，使状态、记忆、预算和护栏被绑定在具体实现中，应用难以跨框架迁移，治理也难以统一。这标志着讨论焦点从“如何连起来”转向“如何抽象出公共系统层”。

论文类比操作系统出现前的计算阶段：每个程序都重复实现基础服务。FMOS 的机制是把基础模型交互虚拟化，让应用获得专属且可信的模型实例假象；内部通过跨记忆层编排知识、做模型选择与资源分配、执行验证与策略。论文还提出类似人脑快慢切换的自进化机制，让 FMOS 学习何时介入、何时放行推理，并依据运行经验持续调整策略。

对产品与研发而言，若 FMOS 类抽象成立，状态、记忆、预算与护栏可从各框架中抽出，成为可替换的系统层，降低跨框架迁移和重复实现成本，并让治理策略集中管理。用户体验上，应用更可能在不同模型与工具间保持一致行为。但论文是立场性论述，尚未给出实现与性能数据，短期落地仍需验证。

• 评估现有智能体框架中状态、记忆、预算、护栏四项能力，识别哪些可抽成独立运行时层。
• 在自有智能体平台中定义模型选择与资源分配的中间接口，为将来接入 FMOS 类抽象预留位置。
• 围绕跨框架行为可移植性设计测试集，验证同一智能体在不同运行时下的行为一致性。
• 跟踪 MCP、A2A 等协议与 FMOS 概念的衔接方式，判断是否可复用现有协议作为接入层。

• FMOS 是否有可运行的参考实现或原型系统？
• 论文是否给出状态、记忆、预算与护栏抽象的具体接口定义？
• 自进化策略调整机制如何评估，是否有实验或基准数据支撑？
• FMOS 与 MCP、A2A 等现有协议是替代还是互补关系？