機(jī)器之心報(bào)道

編輯：Panda

「又一個(gè) Chromium 套殼？」

面對(duì) OpenAI 上周發(fā)布的 AI 瀏覽器 Atlas，這可能是不少人的第一反應(yīng)，參閱報(bào)道《剛剛，OpenAI 發(fā)布 AI 瀏覽器 ChatGPT Atlas，基于 Chromium》。但今天，OpenAI 官方用一篇技術(shù)博客「回懟」了這個(gè)說法：我們「套」了，但和別人完全不一樣。

盡管今天還有 Sora 角色客串功能和 GPT-5 查找和修復(fù)安全漏洞智能體的消息，但本文的重點(diǎn)是深扒 Atlas 背后的「靈魂」——OWL 架構(gòu)?？纯?OpenAI 究竟是如何馴服 Chromium，把它從瀏覽器「換皮」玩成了「架構(gòu)重組」的。

基礎(chǔ)是 Chromium

OpenAI 表示，要讓 ChatGPT 成為網(wǎng)頁瀏覽的真正副駕駛，必須徹底重構(gòu)瀏覽器的底層架構(gòu)：將 Atlas 與 Chromium 運(yùn)行時(shí)剝離開來。這意味著要開發(fā)一種全新的 Chromium 集成方式，如此才能滿足以下三個(gè)關(guān)鍵目標(biāo)：

• 秒級(jí)啟動(dòng)速度
• 打開更多標(biāo)簽頁時(shí)依舊流暢
• 為智能體（Agent）場(chǎng)景打下堅(jiān)實(shí)基礎(chǔ)

OpenAI 強(qiáng)調(diào)，Chromium 是一個(gè)天然的構(gòu)建基石。它能提供先進(jìn)的網(wǎng)頁引擎、完善的安全模型、一流的性能，以及卓越的網(wǎng)頁兼容性；更重要的是，它由全球開發(fā)者社區(qū)持續(xù)改進(jìn)。因此，它成為了現(xiàn)代桌面瀏覽器最常用的底層引擎。

重新定義瀏覽器體驗(yàn)

雖然基于 Chromium，但 OpenAI 自然也會(huì)強(qiáng)調(diào)自己的設(shè)計(jì)，包括在「Agent 模式」等功能中引入豐富的動(dòng)畫和視覺效果。

這要求工程團(tuán)隊(duì)使用最現(xiàn)代的原生框架（如 SwiftUI、AppKit 和 Metal），而不是簡(jiǎn)單地給開源的 Chromium 界面「換皮」。

結(jié)果，OpenAI 表示：「Atlas 的用戶界面幾乎是從零重建的一整套全新體驗(yàn)。

另外，為了實(shí)現(xiàn)快速啟動(dòng)和支持上百個(gè)標(biāo)簽頁同時(shí)運(yùn)行而不掉幀的目標(biāo)。還需要對(duì) Chromium 進(jìn)行一些優(yōu)化，畢竟其默認(rèn)架構(gòu)在啟動(dòng)流程、線程模型、標(biāo)簽管理等方面都非?！腹虉?zhí)」。

OpenAI 說：「我們考慮過大幅修改 Chromium，但那樣會(huì)讓后續(xù)更新復(fù)雜且脆弱。為了保持開發(fā)速度，我們選擇了一條更巧妙的路 —— 重新設(shè)計(jì) Chromium 的集成方式。」

他們的一個(gè)關(guān)鍵的技術(shù)標(biāo)準(zhǔn)是：不僅要加快功能實(shí)驗(yàn)、迭代和上線的節(jié)奏，還要保留 OpenAI 的工程文化 —— 第一天就能上線代碼?！该课恍鹿こ處熑肼毜谝惶煜挛缇鸵峤徊⒑喜⒁粋€(gè)小改動(dòng)。即便 Chromium 的源碼編譯要花幾個(gè)小時(shí)，我們也得保證這一傳統(tǒng)能延續(xù)?！?/p>

OpenAI 的解決方案：OWL

為了解決這些挑戰(zhàn)，OpenAI 構(gòu)建了一個(gè)新的架構(gòu)層，稱為OWL（OpenAI’s Web Layer）

OWL 是 OpenAI 整合 Chromium 的方式，其核心理念是：讓 Chromium 的瀏覽器進(jìn)程獨(dú)立運(yùn)行在 Atlas 主應(yīng)用進(jìn)程之外

可以這樣理解：Chromium 通過將每個(gè)標(biāo)簽頁放入獨(dú)立進(jìn)程來革新瀏覽器架構(gòu)；而 OpenAI 更進(jìn)一步 —— 把整個(gè) Chromium 從主應(yīng)用進(jìn)程中分離出來，放入一個(gè)獨(dú)立的服務(wù)層。

如此方法好處多多：

• 更簡(jiǎn)潔現(xiàn)代的應(yīng)用：Atlas 主要使用 SwiftUI 和 AppKit 構(gòu)建，統(tǒng)一語言、統(tǒng)一技術(shù)棧、代碼干凈。
• 更快啟動(dòng)：Chromium 會(huì)在后臺(tái)異步加載，Atlas 幾乎瞬間顯示畫面。
• 隔離崩潰與卡頓：即使 Chromium 出問題，Atlas 也不會(huì)掛。
• 更少的合并沖突：OpenAI 修改的 Chromium 代碼極少，易于維護(hù)。
• 更快的開發(fā)節(jié)奏：大多數(shù)工程師無需本地編譯 Chromium，OWL 內(nèi)部以預(yù)構(gòu)建二進(jìn)制形式分發(fā)，Atlas 構(gòu)建只需幾分鐘。

因此，即使是新員工，也能在第一天下午輕松提交改動(dòng)。

OWL 的工作方式

從高層來看，Atlas 瀏覽器是 OWL 客戶端，而 Chromium 瀏覽器進(jìn)程是 OWL 主機(jī)（Host）。兩者通過 Mojo（Chromium 的進(jìn)程間通信系統(tǒng)）進(jìn)行通信。OpenAI 編寫了 Swift（甚至 TypeScript）的 Mojo 綁定，使 Swift 應(yīng)用能直接調(diào)用主機(jī)端接口。

OWL 客戶端庫提供了一套簡(jiǎn)潔的 Swift API，用于抽象主機(jī)層的關(guān)鍵功能：

• Session：全局配置與控制
• Profile：管理用戶瀏覽數(shù)據(jù)
• WebView：渲染、輸入、導(dǎo)航、縮放等
• WebContentRenderer：將輸入事件傳遞給渲染管線
• LayerHost/Client：在 UI 與 Chromium 之間交換合成信息

此外，還提供書簽、下載、擴(kuò)展、自動(dòng)填充等服務(wù)端點(diǎn)。

渲染：跨進(jìn)程傳遞像素

WebView 在客戶端應(yīng)用中共享一個(gè)合成容器，不同標(biāo)簽頁的內(nèi)容會(huì)動(dòng)態(tài)交換顯示。在 Chromium 一側(cè)，這對(duì)應(yīng)于一個(gè) gfx::AcceleratedWidget，由底層的 CALayer 支撐。

OpenAI 的設(shè)計(jì)是將該層的上下文 ID 暴露給客戶端，由 NSView 通過私有的 CALayerHost API 嵌入。

諸如 下拉框或顏色選擇器等獨(dú)立彈窗，也采用相同機(jī)制。OWL 會(huì)保持視圖幾何與 Chromium 同步，確保 GPU 合成器輸出正確分辨率和比例的內(nèi)容。 下拉框）會(huì)在標(biāo)簽頁外單獨(dú)渲染。在 Agent 模式下，OpenAI 會(huì)將這些彈窗重新合成為主頁面的一部分，讓模型在一幀中看到完整的上下文。

OpenAI 也借用這種機(jī)制，將 Chromium 原生界面的一部分直接投射到 Atlas 中，比如權(quán)限提示框，從而快速實(shí)現(xiàn)功能原型而無需完全重寫。

輸入事件：捕獲與轉(zhuǎn)發(fā)

通常，Chromium UI 會(huì)將 macOS 的 NSEvent 轉(zhuǎn)換為 Blink 的 WebInputEvent，然后再傳遞給渲染器。

但由于 OWL 中 Chromium 在后臺(tái)運(yùn)行，OpenAI 在 Swift 客戶端中自己完成事件轉(zhuǎn)譯，再將轉(zhuǎn)換后的事件發(fā)給 Chromium。

如果網(wǎng)頁未處理某個(gè)事件，系統(tǒng)會(huì)把事件返回客戶端，OpenAI 重新生成 NSEvent，讓 Atlas 其他部分接管輸入處理。

Agent 模式：特殊情況

Atlas 的智能體瀏覽對(duì)渲染、輸入和數(shù)據(jù)存儲(chǔ)提出了額外挑戰(zhàn)。OpenAI 的計(jì)算機(jī)使用（computer use）模型需要屏幕的完整圖像作為輸入。

但有些 UI（如

輸入事件同樣遵循安全原則：Agent 生成的事件直接傳給渲染器，不經(jīng)過特權(quán)瀏覽器層，以確保沙箱隔離。例如，防止自動(dòng)化事件觸發(fā)系統(tǒng)快捷鍵等非網(wǎng)頁行為。

此外，Agent 瀏覽可以在臨時(shí)「登出」上下文中運(yùn)行。它不會(huì)使用用戶的隱私模式配置，而是借助 Chromium 的 StoragePartition 創(chuàng)建獨(dú)立的內(nèi)存存儲(chǔ)。每個(gè) Agent 會(huì)話都是全新的，結(jié)束后所有 cookie 和數(shù)據(jù)都會(huì)被清除。用戶可以同時(shí)運(yùn)行多個(gè)互不干擾的「登出」 Agent 會(huì)話。

結(jié)語

OpenAI 最后再次重申了 Chromium 的作用：「如果沒有全球 Chromium 社區(qū)的卓越貢獻(xiàn)，這一切都無法實(shí)現(xiàn)。OWL 在此基礎(chǔ)上開辟了新的方向：將引擎與應(yīng)用解耦，結(jié)合頂級(jí)網(wǎng)頁平臺(tái)與現(xiàn)代原生框架，打造更快、更靈活的架構(gòu)?！?/p>

對(duì)此，你怎么看？

https://openai.com/index/building-chatgpt-atlas/