Ubuntu 近期揭露了其 AI 發展藍圖，其核心邏輯與目前主流的雲端優先 AI 作業系統截然不同。Canonical 公司決定將重點放在本地智能、模組化設計以及嚴格的使用者控制權，而非將作業系統全面依賴於雲端 AI 服務。
對於開發者來說，理解這個方向至關重要。目前的趨勢是許多 OS 將 AI 深度整合在核心層，且必須連網才能運作。但 Ubuntu 選擇的是本地推理 Local Inference，也就是讓 AI 模型直接在使用者的硬體上執行，不需要將數據傳送到外部伺服器。這種做法解決了企業最擔心的數據隱私與合規性問題，尤其在金融或醫療等對數據敏感的產業，本地化推理是唯一可行的方案。
Ubuntu 的整合方式分為隱性與顯性兩種應用。隱性應用是指強化既有的系統功能，例如將語音轉文字 Speech to Text 提升得更精準。顯性應用則是開發 AI 原生功能，例如讓使用者直接與 AI 互動來撰寫文件或進行自動化故障排除。
為了降低部署本地 AI 的門檻，Ubuntu 引入了推理 Snap Inference Snaps 的概念。在實務上，如果你想在 Linux 上跑一個本地大模型，通常需要處理 Ollama、Huggingface 以及複雜的模型量化 Quantization 過程。量化是指將模型的高精度數值簡化以降低記憶體佔用，讓一般電腦也能跑得動。而 Inference Snaps 旨在將這些複雜過程封裝，讓使用者能像安裝一般軟體一樣，直接安裝針對特定硬體優化過的模型，省去手動配置環境的麻煩。
在安全性方面，這些 AI 模型將遵循 Snap 的隔離規則 Confinement Rules。這是一種沙盒機制，限制應用程式存取系統底層資料的權限，確保 AI 模型不會在未經許可的情況下讀取使用者的私密檔案。
儘管如此，社群對於 AI 進入作業系統仍有分歧。部分使用者擔心 AI 會變成強制的預設功能，甚至導致系統臃腫。針對此點，Ubuntu 表示不會提供一個全域的 AI 總開關 Global AI Killswitch，因為在 Linux 如此多元的軟體消費模式下，從底層徹底關閉所有 AI 功能在工程上過於複雜。但由於採用模組化設計，使用者可以透過卸載對應的 Snap 套件，來移除任何不想要的 AI 功能。
總結來說，Ubuntu 的策略是將 AI 視為一種可選的、受控的工具，而非不可分割的系統核心。這種對開源權重模型 Open Weight Models 的支持，讓開發者能根據需求自定義模型，維持了 Linux 一貫的靈活性與掌控感。
來源：infoq.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。