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(shuō)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)。看看 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(yè)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(lái)。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(yè)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(yè)引擎、完善的安全模型、一流的性能，以及卓越的網(wǎng)頁(yè)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(yè)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)簽管理等方面都非常「固執(zhí)」。

OpenAI 說(shuō)：「我們考慮過(guò)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。「每位新工程師入職第一天下午就要提交并合并一個(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)。」

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(guò)將每個(gè)標(biāo)簽頁(yè)放入獨(dú)立進(jìn)程來(lái)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(lái)，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(yǔ)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(wèn)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(wú)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(lái)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(guò) 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(kù)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(yè)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(guò)私有的 CALayerHost API 嵌入。

諸如 <select> 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。

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(wú)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(yè)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 <select> 下拉框）會(huì)在標(biāo)簽頁(yè)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(yè)面的一部分，讓模型在一幀中看到完整的上下文。

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(guò)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(yè)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(yǔ)

OpenAI 最后再次重申了 Chromium 的作用：「如果沒(méi)有全球 Chromium 社區(qū)的卓越貢獻(xiàn)，這一切都無(wú)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(yè)平臺(tái)與現(xiàn)代原生框架，打造更快、更靈活的架構(gòu)。」

對(duì)此，你怎么看？