Airbnb CEO：AI Agent 需要专属操作系统，现有系统为何不够用？

Airbnb CEO Brian Chesky 在最近的采访中抛出一个观点：AI Agent 需要自己的操作系统。不是改良版的 Windows 或 macOS，而是从零构建的 AI-native OS。这不是空谈——Airbnb 已经在让自家平台对 Agent 友好，而 Google 正把 Tensor 芯片送上 SpaceX Starship 测试轨道数据中心，预计需要 1,600 次发射才能形成规模。

现有操作系统的三大瓶颈

Chesky 指出当前系统的核心问题：Windows 和 macOS 是为人类设计的。人类需要图形界面、鼠标点击、文件夹层级；Agent 需要的是 API、状态机、并发任务调度。

具体差距体现在：

| 维度 | 人类操作系统 | Agent 需要什么 | |------|------------|---------------| | 交互方式 | GUI、鼠标键盘 | API 调用、消息队列 | | 资源管理 | 按应用分配内存 | 按任务图动态分配 | | 并发模型 | 进程/线程隔离 | 百万级轻量任务协程 | | 权限控制 | 用户/管理员二分 | 细粒度能力授权（OAuth scope 式） |

OpenAI 的 Codex 和 Claude Code 都在做妥协：它们通过 shell 脚本和 API wrapper 与系统交互，但这层转换带来 20-40ms 的延迟。Gemini CLI 尝试直接调用系统 syscall，但在 macOS 上会触发安全沙箱限制。

更深层的问题是状态同步。当 ChatGPT 用虚拟试衣功能时，它需要同时访问用户照片、商品 3D 模型、推荐引擎——三个服务可能分布在不同云区域。现有 OS 的文件系统和网络栈都假设"人类操作=本地优先"，对分布式状态管理支持薄弱。

Airbnb 的 Agent-friendly 改造

Airbnb 正在做的是先让自己的平台成为 Agent 的"操作接口"。Chesky 提到的核心改动：

结构化数据输出：以前 API 返回 JSON，但嵌套层级多（房源 → 可用日期 → 价格 → 政策），Agent 需要解析 4 层才能回答"3 月有空房吗"。现在提供扁平化的 GraphQL 端点，Agent 一次查询拿到所有所需字段。

能力声明协议：类似 OpenAPI 规范，但额外标注每个端点的"副作用级别"（只读/写入/支付）和"需要人类确认"标记。这样 Meta 的 Muse Agent 或其他平台的 Agent 调用 Airbnb 接口时，能自动判断哪些操作需要弹确认框。

异步任务队列：订房涉及价格计算、可用性检查、支付处理，耗时 2-8 秒。传统同步 API 会让 Agent 空等，新接口返回 task_id，Agent 可以先去做别的，定期轮询或通过 webhook 接收完成通知。

这套逻辑已经在用。Shopify 刚发布的 Canvas 也是同样思路：让 AI Agent（Sidekick）能通过对话直接调用建站、改模板、上架商品等操作，背后是 200+ 个 Agent-optimized API。

AI-native OS 的技术形态

如果真的造一个 AI Agent 专属系统，会是什么样？几个方向已经有雏形：

消息驱动架构：Photon 这家刚拿到 450 万美元的创业公司，做的是让 Agent 跑在 iMessage、SMS、邮件这些消息协议上，完全放弃 App 形态。它们的 bet 是：未来 Agent 之间通过结构化消息通信，就像现在微服务用 gRPC 一样。

轨道计算层：Google 和 SpaceX 测试的不只是噱头。卫星上跑 AI 的优势是低延迟（地面基站 70-120ms，低轨直连 5-15ms）和数据主权（敏感数据不落地）。Satlyt 这家前 Google/SpaceX 产品经理创立的公司，刚融资 800 万美元做"卫星上的 Android"——开放软件栈，兼容多家卫星硬件。这相当于在太空构建 Agent 的计算层。

能力型权限系统：Amazon 的 Strand Labs 发布了 Strands Decider 2B，这是个"决策模型"（类似 Jev 的克隆品）。它不直接执行操作，而是输出"应该做什么"的结构化建议，由另一层 Agent 拿着建议去调真实 API。这种分层架构可能成为 AI OS 的标配：决策层（模型）+ 执行层（权限控制）+ 操作层（API 调用）。

开发者现在能做什么

等一个完整的 AI-native OS 可能要 3-5 年，但改造现有应用已经可以开始：

1. API 先行：如果你的产品还只有网页端，先做 OpenAPI 规范的 REST API。确保每个端点都有清晰的输入输出 schema，避免"需要人类理解业务逻辑才能用"的设计。

2. 异步 by default：超过 500ms 的操作全部改成异步。返回 task_id + webhook URL，让 Agent 能并发处理多个请求。

3. 细粒度权限：别再用 admin/user 二分。学 OAuth 2.0 的 scope 设计，让 Agent 能申请"只读订单""修改个人信息但不能支付"这种精确权限。

4. 结构化错误：别返回"操作失败，请重试"。告诉 Agent 失败原因的机器可读代码（比如 PAYMENT_CARD_EXPIRED），以及建议的下一步操作（suggested_action: "request_new_payment_method"）。

OpenAI 最近因为 3 名安全研究员泄露敏感信息而解雇他们，反映出 Agent 时代的另一个挑战：当系统能被程序化访问，内部权限管理必须比人类时代更严格。这也是为什么 AI OS 需要从底层重新设计权限模型。

Judge 刚驳回了 Chegg 和 Rolling Stone 对 Google AI Overviews 的反垄断诉讼，理由是"搜索结果展示不构成反竞争"。但这判例其实暗示：未来 Agent 获取信息的方式（比如直接调 API 而非爬网页）可能受不同法律约束，这也是 AI OS 需要解决的生态问题。

---

如果你的应用需要对接多个 AI 模型做 Agent 能力测试，或者想让 Claude Code / Codex 调用你的 API 时降低调用成本，可以看看 XycAi 词元平台（https://www.xyc.ai）。一个 OpenAI 兼容接口接入 GPT-5.5、Opus 4.8、Gemini 3 等 200+ 模型，价格低至官方 1.4 折，全球节点 CN2 直连延迟 5ms 起，支持 Claude Code / Codex 一键接入。企业合规资质齐全，可开全球发票。