💻 computer science

UAS-OS: An Operating-System-Level Control Plane for Autonomous AI Governance and Real-Time Execution Abstraction

本文介绍了 UAS-OS，一种新型操作系统级控制平面，它通过代理控制块（Agent Control Blocks）和零拷贝内存管理来管理自主 AI 工作负载，实现了适用于实时关键任务环境的鲁棒意图控制与故障隔离，且开销低于 50 微秒。

原作者： TADAYUKI NISHIMURA

发布于 2026-09-11

📖 1 分钟阅读☕ 轻松阅读

原作者： TADAYUKI NISHIMURA

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

随着人工智能系统变得日益强大并开始在现实世界中运行，它们正从简单的工具转变为复杂的、独立的行动者。这些系统的设计初衷是能够自主做出决策，且通常处于一个一旦出错就可能产生严重物理后果的环境中。然而，运行这些系统的计算机所基于的操作系统却是几十年前为不同目的而设计的。传统的操作系统将每个程序都视为标准任务，在管理内存和处理能力时，并不理解正在进行的特定工作的意图或安全要求。它们缺乏一种深度检查人工智能在行动前计划做什么，或者隔离故障人工智能以防止其损害整个系统的手段。随着我们迈向一个自主机器对关键基础设施至关重要的未来，这种差距造成了显著的风险。

为了解决这一问题，研究员西村忠行（Tadayuki Nishimura）提出了一种名为 UAS-OS 的新型架构框架。这不仅仅是对现有软件的小幅更新，而是对操作系统应如何管理人工智能的一次根本性重新思考。其核心理念是停止将 AI 代理视为简单的进程，而是将其视为拥有特定规则、安全限制和身份的受管实体。通过构建一个专门用于 AI 治理的控制平面，系统可以监控自主代理的意图，验证其行为是否符合安全策略，并确保如果一个代理发生故障，该故障能被立即遏制。这种方法旨在提供我们对关键基础设施所期望的那种可靠性和安全性，但又是为自主智能的独特且不可预测的性质量身定制的。

该论文介绍了一个通过两个截然不同的层级来实现这种安全性的系统。底层处理原始硬件，并确保包括潜在量子计算元件在内的物理组件正常运行。上层则是这项工作的重点，它充当 AI 代理本身的严格监督者。该系统没有使用传统操作系统通过通用控制块来追踪程序的做法，而是使用了所谓的“代理控制块”（Agent Control Blocks）。可以将这些块想象成每个 AI 代理的专用身份证和规则手册，其中包含了其当前状态、预期目标以及必须遵循的具体安全政策。在代理被允许执行命令之前，系统会根据一组允许的行为来核查这些信息。如果代理的计划符合安全边界，则继续执行；如果它踏出了这些边界，系统会立即停止该动作并将代理隔离，以防止任何损害。

这种治理过程具有极高的速度，这对于实时应用至关重要。研究人员模拟了一个包含数千个并发代理的复杂环境，以测试这种额外的安全层会对系统操作增加多少时间。结果显示，检查代理意图、验证其安全性以及管理其资源的全过程平均仅耗时 41.308 微秒。即使在模拟过程中测得的最坏情况下，时间也保持在 46.31 微秒以下。这完全符合许多关键实时任务所需的 100 微秒期限，证明了严格的安全检查并不一定要以牺牲性能为代价。该系统成功实现了既是严格的守门人又是快速的执行者，确保了安全性不是事后补救，而是作为操作系统核心功能的内置特性。

该架构的一个重要部分涉及系统如何处理内存和数据。在许多现有设置中，在计算机的不同部分之间（例如从主内存到专门的 AI 加速器）移动数据需要复制信息，这会降低运行速度。UAS-OS 的设计通过创建一个统一的内存空间消除了这种复制步骤，使不同的硬件组件可以直接访问相同的数据而无需进行重复。这种“零拷贝”方法由专门的硬件连接支持，确保数据在移动过程中保持安全且不被篡改。此外，系统还包含了检查数据本身完整性的机制，以确保引导 AI 决策的数学权重没有被损坏或篡改。这种多层防御确保了 AI 不仅在遵循规则，而且是在基于准确且可信的信息进行操作。

研究还探讨了这些系统如何在分布式网络中协同工作，即多个 AI 代理需要在没有中央管理者的情况下达成行动一致。所提出的框架利用经由 QKD（量子密钥分发）保护的认证信道进行密钥建立来协调分布式代理节点，并结合一种共识协议，使得网络即使在部分代理表现异常或失效的情况下也能正常运行。模拟证实，即使在网络的一部分受到攻击时，这种方法仍能保持安全性和可靠性。

最终，本文展示的工作表明，我们可以构建一种能够以对待关键物理系统那样的严密审查和控制来对待自主 AI 的操作系统。通过重新定义代理的管理、验证和隔离方式，UAS-OS 框架为在高度敏感的环境中充满信心地部署强大的 AI 提供了一条路径。其研究结果源自对多线程企业测试平台的详细模拟，表明这种治理带来的开销与它所提供的安全性相比是可以忽略不计的。虽然这项工作目前仍处于模拟阶段，并已提交了临时专利申请，但它为未来人工智能在严格的实时控制平面下运行，从而保证意图并防止灾难性失败描绘了一份清晰的蓝图。

技术摘要：UAS-OS —— 用于自主 AI 治理的操作系统级控制平面

问题陈述

随着自主人工智能系统向任务关键型和分布式环境扩展，传统的操作系统已证明难以胜任。当前的 OS 架构仅将 AI 工作负载视为标准进程，无法提供必要的意图控制（intent control）、**行为治理（behavioral governance）以及物理层故障隔离（physical-layer fault isolation）**保障。目前迫切需要一种能够将资源编排与运行时治理解耦的架构，以确保自主 AI 基础设施的高可靠性。

方法论与架构

本文引入了 UAS-OS（统一 AI 控制操作系统），这是一个作为上层治理控制平面的全面全栈架构。该系统与作为底层资源与量子编排层的 QID-OS（通用操作系统架构）协同工作。该架构由严格的两层控制平面层级定义：

UAS-OS（自主治理层）： 管理智能体生命周期、意图解析、治理策略、虚拟资源映射以及热量/功率策略包络。
QID-OS（可信执行层）： 管理底层硬件执行完整性、量子纠错（QEC）症候环、张量内存奇偶校验以及异构资源分配。

核心抽象：智能体控制块 (ACBs)
类比于传统 OS 通过进程控制块（PCBs）管理工作负载，UAS-OS 通过**智能体控制块（ACBs）**来管理 AI 智能体。一个 ACB 被形式化定义为一个封装核心元组的集合：
$ACB(ID, State, Intent, Policy, Resource, Trust)$

形式化数学建模与深度防御

该架构采用了一套严谨的深度防御范式，通过四个层级的形式化定义提供支持：

第 1 层（安全启动与基于 TPM 的度量验证）： 使用基于 TPM 的度量启动和远程验证实现硬件信任根（RoT）。如果平台配置寄存器（PCR）和内核二进制度量值未能符合授权的参考策略，执行将通过硬件强制手段立即中止（即 $Attest(K, PCR_{target}) = True$ ）。
第 2 层（意图守卫治理函数）： 在控制平面层面拦截智能体执行路径。它定义了一个执行意图向量 $I(A, t, x)$ 和一个许可策略空间 $A_{allowed}$ 。治理函数 $G(A, t, x)$ 决定是执行（若意图在策略范围内且风险低于阈值 $\theta_R$ ）还是隔离该智能体。
第 3 层（零拷贝虚拟内存与 QEC 完整性）：
- 通过 IOMMU 支持的 DMA 实现主机 DRAM、加速器 HBM 以及低温 QPU 控制寄存器之间的统一地址空间，消除了 AI 权重张量和量子态向量在用户空间与内核空间之间的拷贝开销。
- 使用基于表面码（surface-code）的实时症候测量环和最小权重完美匹配（MWPM）解码器管理 QEC 张量内存完整性。神经权重张量通过基于 XOR 的完整性变换和参考校验和验证进行保护。
第 4 层（BFT 共识 QKD 安全网格）： 使用 QKD 加密的认证信道进行密钥建立，协调分布式智能体节点，并结合 PBFT 式的拜占庭容错机制。对于 $n = 3f + 1$ 个节点，规模为 $Q = 2f + 1$ 的法定人数可确保安全性与活性。

实验验证与结果

性能基准测试是在一个模拟多线程企业测试床（64 核主机、硬件加速 IOMMU/TPM 仿真器及 QPU 态矢量仿真器）的离散事件内核模拟器中进行的。系统通过对 $10^3$ 个并发智能体线程进行 $10^5$ 次独立异步事务进行了压力测试。

关键性能指标：
测得的总集成端到端控制生命周期（ $T_{total}$ ）为 41.308 µs（p99 为 46.31 µs），这完全符合 $\le 100$ µs 的任务级目标。

安全启动验证 ( $T_{boot}$ ): 平均 10.77 µs（目标 < 15.0 µs）。
意图守卫检查 ( $T_{proxy}$ ): 平均 22.847 µs（目标 $\le 10.0$ µs）。注：该组件超过了其局部设计目标，但仍保持在整体系统预算内。
QEC 张量完整性 ( $T_{qec}$ ): 平均 7.231 µs（目标 < 20.0 µs）。
张量奇偶校验 ( $T_{parity}$ ): 平均 0.23 µs（目标 < 10.0 µs）。
BFT/网格共识 ( $T_{bft}$ ): 平均 0.23 µs（目标 < 15.0 µs）。

意义与主张

本文声称 UAS-OS 建立了一个开创性的自主 AI 治理架构框架。通过将 AI 智能体重新定义为受 ACB 管理且由形式化意图治理支撑的受控执行实体，该系统实现了稳健的意图治理与故障隔离。

其主要意义在于证明了集成量子-经典混合元素与零拷贝内存管理的多层控制平面，可以与实时任务截止时间无缝共存。该架构成功实现了资源编排与运行时治理的解耦，为传统操作系统所缺乏的意图控制和物理层故障隔离提供了必要的保障。本研究由一份相关的美国临时专利申请（编号 64/150,717）提供支持，涉及所述架构及方法。