Canonical 的 AI 策略强调开放性和用户选择权
ZDNET AI··作者 Steven Vaughan-Nichols
关键信息
Ubuntu 区分“隐式 AI”（如语音转文字等后台增强）和“显式 AI”（如生成文本或代理助手等可选工具），所有功能均设计为本地执行，以减少对云端的依赖。
资讯摘要
Canonical 正以优先考虑用户自主权和开源原则的方式将 AI 嵌入 Ubuntu。它不把操作系统重新定位为 AI 产品，而是通过本地 AI 模型提升现有功能——例如改进的无障碍功能，如语音转文字和屏幕阅读器。该公司区分了“隐式 AI”（不可见的改进）和“显式 AI”（可选工具），让用户自行选择使用哪些功能。
所有 AI 功能默认在本地运行，确保隐私、离线可用性和成本效益。这种从细微系统改进到全新 AI 原生工作流的渐进式部署方式，体现了与微软激进捆绑 Copilot 完全不同的审慎整合策略。
资讯正文
Canonical对人工智能的态度令人耳目一新——微软应当借鉴
关注ZDNET：在Google上将我们设为首选来源。ZDNET的核心观点：Canonical让你自由选择如何使用AI。在Ubuntu中，AI被整合进关键功能，并提供可选的AI工具。与微软追求控制不同，Canonical把主动权交还给用户。
在一篇新的博客文章中，Canonical负责Ubuntu工程的副总裁乔恩·西格尔（Jon Seager）解释了公司如何将AI融入Ubuntu Linux 26.04及以后版本的桌面和服务器体验中。与微软在Windows系统上到处贴上Copilot标签的做法不同，Canonical以开放的方式将AI嵌入其Linux发行版：尽可能采用开放模型，优先默认本地推理，且不把操作系统重新包装成AI产品。
西格尔表示，Canonical正在“以专注且有原则的方式提升AI工具的使用”。这意味着明确偏好许可条款符合Ubuntu长期开源价值观的开放权重模型，同时搭配开源的工具链和框架。开发团队被鼓励采用适合自身需求的工具，只要团队内部统一使用单一工具即可。
此外：为对抗敌对互联网而生：Canonical工程副总裁谈Ubuntu 26.04 LTS
他强调，Ubuntu不会被重新定位为AI产品，但“经过深思熟虑的AI集成”将使该操作系统对现有用户更加高效和强大。内部而言，Canonical计划培训工程师识别AI真正带来价值的地方，避免使用诸如“你用了多少AI”这样的粗略指标，转而关注AI辅助工作的质量、可控性和可审查性。
隐式与显式AI的区别是Ubuntu框架的核心部分。其中，“隐式AI”功能主要在后台运行，增强Linux现有的能力，这种改进体现为“系统运行得更好”，而不是作为一款全新的AI产品出现。例如，Ubuntu 26.04原生支持语音转文字和文字转语音功能，改进屏幕阅读体验及其他无障碍特性，这些均由本地模型驱动。
此外：Linux内核中的AI辅助代码新规：开发者需要知道什么
相比之下，“显式AI”功能将以新增的、需用户主动启用的功能形式呈现，并明确标示为AI驱动。这些功能可能包括生产力工作流中的生成文本工具、用于文件或项目管理的代理助手，以及直接与模型交互的专用界面。西格尔称这种做法是分阶段推进的：首先默默优化Ubuntu已有的功能，然后为那些主动寻求AI原生工作流的用户提供额外支持。
如果你不想使用这些AI功能？没问题，你可以不用。想在Windows 11上做到这一点就难多了。
Ubuntu致力于本地运行AI。Canonical希望大多数Ubuntu AI功能默认启用设备端推理。这种方式让这些功能即使离线也能使用，可能更私密，且减少对专有云后端的依赖。
这也将使它们的使用成本大幅降低。此外：Linux正在探索一种认证开发者及其代码的新方式——它是如何运作的。
这种做法与Canonical在优化内核、为GPU和加速器提供硬件支持以及与芯片厂商合作方面的现有工作相辅相成。西格尔将此描述为在普通Ubuntu安装上实现高效本地推理的基础。
可访问性是此次AI推进的第一个具体目标。西格尔强调，系统级语音转文字和文字转语音功能，以及更强大的屏幕阅读器能力，并非炫酷的‘AI附加功能’，而是核心操作系统功能。展望未来，他写道：‘今天看起来只有通过接触前沿AI工厂才能实现的功能，在接下来的几个月和几年里将变得更加易得。’
除了单个功能之外，Canonical还在推动一个能够成为AI代理和代理式工作流更安全家园的Ubuntu版本。西格尔表示，用户越来越习惯于与代理协作，他认为‘很欣赏’通过代理驱动界面让Linux的累积能力更加普及的想法。目标是一个‘情境感知的操作系统’，其中代理可以在Ubuntu既有的安全模型约束下，对用户的环境和任务进行推理。
在这里，Snap（Ubuntu默认的应用容器方案）成为Canonical保障AI代理安全的方式。借助Snap，代理将被沙箱化，从而阻止其访问受限制的数据和资源。Canonical正在探索以一种‘优雅、契合用户群体、尊重隐私和安全价值观’的方式来整合此类工作流，明确承认社区对强力AI应用的担忧。
随着微软将AI作为主打品牌标签，西格尔努力区分Ubuntu的做法。他拒绝以AI输出量来衡量Canonical员工的标准，也表示公司不会‘强迫’用户使用AI，也不会把Ubuntu变成一款AI优先的产品。同时，他也坦率地承认AI对工程工作的冲击，指出虽然Canonical无意用AI取代人类，但掌握AI工具的工程师显然会比不掌握的人表现更好。
有一点用户不应期待：那就是一个通用的‘AI关闭开关’。西格尔认为这样的开关很难实现，‘老实说’，因为部分AI功能将融入后台系统改进中，而非独立应用程序。相反，重点在于保持AI功能受限、可审计，并符合开源预期，同时允许Ubuntu在AI迅速成为现代计算基础的世界中持续演进。
Windows AI与Ubuntu AI
Canonical明确倾向于开放权重模型、开源框架以及符合长期自由软件价值观的模型许可协议，而不是单纯追求基准测试中表现最好的模型。
当然，正如西格尔所指出的，“获取模型权重是有意义的，但这并不等同于开源社区已经习惯的那种透明度。”他补充道，Canonical将根据许可证条款选择模型，而不仅仅是性能。相比之下，微软主流的人工智能策略建立在专有的云服务之上，比如 Microsoft 365 的 Copilot 和 Azure OpenAI。没错，微软允许你使用许多模型，但前提是微软担任守门人。你在 Windows 中只能按照微软设定的规则使用人工智能，包括定价、政策和遥测数据。
此外：Linux 内核中 AI 辅助代码的新规则：每个开发者都需要知道的内容
Canonical 对 Ubuntu 的计划是将本地推理设为默认选项。理想情况下，所有增强人工智能的操作系统功能都应在设备上离线运行，并且仅在真正需要外部服务时才使用明确界定的接口。这种做法充分发挥了 Linux 的优势，例如硬件调优和 GPU/加速器支持，同时确保你的数据和工作流程留在自己的机器上。
微软的策略则是“以云为先”：Windows 和 Microsoft 365 中的 Copilot 基本上与托管在云端的模型和数据处理紧密绑定，即使某些客户端的 NPU 参与其中也是如此。这种连接让大规模推出新功能变得更加容易。然而，这种方法也集中了数据和计算资源，增加了对供应商的依赖，并使用户更难理解或限制自己的数据流向。
正如西格尔指出的那样，Ubuntu 将人工智能分为两类：“隐式”（implicit）——悄悄提升现有能力，如语音转文字、屏幕阅读和其他无障碍工具；以及“显式”（explicit）——新的、明确标注的人工智能工作流或代理，用户可以选择是否采用。这种区分旨在让 Ubuntu 在不变成一个纯 AI 品牌产品的情况下变得更强大，也不会强迫那些希望获得稳定 Linux 桌面环境的用户接受人工智能。
相反，微软的态度是把人工智能推向默认用户体验。例如，Copilot 直接出现在 Windows shell 和 Microsoft 365 应用程序中。此外，微软还在探索在 365 内部部署始终在线的代理。在那里，代理型人工智能将成为办公流程的操作层。如果用户已经接受了微软生态，这种转变当然是好事。显然，很多人对此持开放态度——但从我的角度看，这未免有些盲目。
然而，一旦绑定微软，你就必须默认与人工智能互动，而不是经过深思熟虑后的主动选择。你是否能接受这一点？当人工智能的成本不断飙升时，你还会觉得这样没问题吗？
Canonical 的人工智能故事很大程度上依赖于利用 Ubuntu 已有的安全机制，特别是 Snap 的隔离机制，来赋予人工智能代理有限权限、清晰的可审计性，以及从只读分析到受控写入访问的不同“等级”的权限控制。
Canonical对人工智能的处理方式令人耳目一新，微软应当借鉴。
其核心理念是一个“上下文感知的操作系统”，其中智能体可以强大，但它们运行在用户和审计人员可以检查的透明开源沙盒中。
此外：我尝试了一个仅通过命令行操作的Linux发行版，它能显著提升你的Linux技能。
微软的智能体方向更侧重于将智能体直接整合进企业工作流程，例如Microsoft 365中的智能体可以在邮件、文档和业务系统之间执行任务。这种集成对自动化很有帮助，但对用户来说更难理解。治理功能存在于IT管理员配置的策略控制台和连接器中，而不是一种用户可见、开放的安全模型——这种模型可以被独立审查并分叉。
Canonical将Ubuntu定位为本地AI实验和开源工作流的低门槛平台。使用Ubuntu，开发者可以轻松更换模型、框架和工具。这种方法使团队更容易用本地模型、向量数据库和智能体框架进行原型开发，并且关键的是，在实验阶段避免供应商锁定。
微软的优势在于庞大的分发能力和一体化的工具链。但正是这种深度集成，使得早期实验更可能演变为对微软技术栈的长期依赖，数据、工作流程和治理全部绑定在同一供应商上。
如果你重视开放模型、本地控制权，以及能够看清并塑造AI如何嵌入你系统的可能性，那么Ubuntu就是你的朋友。微软的方案对企业级云优先工作流具有吸引力，但它以开放性和可移植性为代价，换取了锁定效应、深度集成和便利性。我知道我会选择哪个方案。
来源与参考
收录于 2026-04-29