面對 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 運行時剝離開來。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關(guān)鍵目標(biāo)：

• 秒級啟動速度
• 打開更多標(biāo)簽頁時依舊流暢
• 為智能體（Agent）場景打下堅實基礎(chǔ)

OpenAI 強調(diào)，Chromium 是一個天然的構(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

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

這要求工程團(tuán)隊使用最現(xiàn)代的原生框架（如 SwiftUI、AppKit 和 Metal），而不是簡單地給開源的 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?！?/span>

另外，為了實現(xiàn)快速啟動和支持上百個標(biāo)簽頁同時運行而不掉幀的目標(biāo)。還需要對 Chromium 進(jìn)行一些優(yōu)化，畢竟其默認(rèn)架構(gòu)在啟動流程、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 Chromium 的集成方式?！?/span>

他們的一個關(guān)鍵的技術(shù)標(biāo)準(zhǔn)是：不僅要加快功能實驗、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€小改動。即便 Chromium 的源碼編譯要花幾個小時，我們也得保證這一傳統(tǒng)能延續(xù)?！?/span>

OpenAI 的解決方案：OWL

為了解決這些挑戰(zhàn)，OpenAI 構(gòu)建了一個新的架構(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)程獨立運行在 Atlas 主應(yīng)用進(jìn)程之外。

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

如此方法好處多多：

• 更簡潔現(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：Chromium 會在后臺異步加載，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。

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（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)用主機端接口。

OWL 客戶端庫提供了一套簡潔的 Swift API，用于抽象主機層的關(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、擴展、自動填充等服務(wù)端點。

渲染：跨進(jìn)程傳遞像素

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

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

諸如 <select> 下拉框或顏色選擇器等獨立彈窗，也采用相同機制。OWL 會保持視圖幾何與 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 在后臺運行，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)頁未處理某個事件，系統(tǒng)會把事件返回客戶端，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 的智能體瀏覽對渲染、輸入和數(shù)據(jù)存儲提出了額外挑戰(zhàn)。OpenAI 的計算機使用（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）會在標(biāo)簽頁外單獨渲染。在 Agent 模式下，OpenAI 會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。

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「登出」上下文中運行。它不會使用用戶的隱私模式配置，而是借助 Chromium 的 StoragePartition 創(chuàng)建獨立的內(nèi)存存儲。每個 Agent 會話都是全新的，結(jié)束后所有 cookie 和數(shù)據(jù)都會被清除。用戶可以同時運行多個互不干擾的「登出」 Agent 會話。

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)合頂級網(wǎng)頁平臺與現(xiàn)代原生框架，打造更快、更靈活的架構(gòu)?！?/span>

對此，你怎么看？