OpenAI Atlas浏览器：基于OWL架构的创新设计解析

「这难道仅仅是另一个Chromium套壳浏览器吗？」

针对OpenAI上周发布的AI浏览器Atlas，许多人可能首先产生这样的疑问，参考报道《刚刚，OpenAI 发布 AI 浏览器 ChatGPT Atlas，基于 Chromium》。但如今，OpenAI通过官方技术博客回应了这一观点：他们确实利用了Chromium，但集成方式与众不同。

尽管同时有Sora角色客串功能和GPT-5查找修复安全漏洞智能体的消息，本文核心在于深入剖析Atlas背后的「灵魂」——OWL 架构。探究OpenAI如何驾驭Chromium，将其从简单的界面「换皮」提升至「架构重组」的层次。

基础是 Chromium

OpenAI指出，要让ChatGPT成为网页浏览的真正助手，必须彻底重构浏览器底层架构：将Atlas与Chromium运行时分离。这意味着需开发全新的Chromium集成方式，以实现以下三个关键目标：

实现秒级启动速度

在打开大量标签页时保持流畅

为智能体（Agent）场景奠定坚实基础

OpenAI强调，Chromium是天然的构建基石，提供先进的网页引擎、完善的安全模型、卓越的性能和出色的网页兼容性；更重要的是，它由全球开发者社区持续优化。因此，它成为现代桌面浏览器最广泛采用的底层引擎。

重新定义浏览器体验

虽然基于Chromium，但OpenAI也突出自身设计，包括在「Agent 模式」等功能中引入丰富的动画和视觉效果。

这要求工程团队采用最现代的原生框架（如 SwiftUI、AppKit 和 Metal），而不是简单地为开源Chromium界面「换皮」。

结果，OpenAI表示：「Atlas 的用户界面几乎是从零构建的全新体验。」

另外，为了实现快速启动和支持上百个标签页同时运行而不卡顿的目标，需要对Chromium进行优化，因为其默认架构在启动流程、线程模型、标签管理等方面较为「固执」。

OpenAI称：「我们考虑过大幅修改Chromium，但这会使后续更新复杂且脆弱。为了保持开发速度，我们选择了一条更巧妙的路径——重新设计Chromium的集成方式。」

他们的一个关键技术标准是：不仅要加速功能实验、迭代和上线的节奏，还要保留OpenAI的工程文化——第一天就能上线代码。「每位新工程师入职第一天下午需提交并合并一个小改动。即便Chromium源码编译需数小时，我们也确保这一传统得以延续。」

OpenAI 的解决方案：OWL

为解决这些挑战，OpenAI构建了一个新的架构层，称为OWL（OpenAI’s Web Layer）。

OWL是OpenAI整合Chromium的方式，其核心理念是：让Chromium的浏览器进程独立运行在 Atlas 主应用进程之外。

可以这样理解：Chromium通过将每个标签页放入独立进程来革新浏览器架构；而OpenAI更进一步——将整个Chromium从主应用进程中分离，放入一个独立的服务层。

这种方法带来诸多好处：

更简洁现代的应用：Atlas主要使用SwiftUI和AppKit构建，统一语言、统一技术栈、代码清晰。

更快启动：Chromium在后台异步加载，Atlas几乎瞬间显示界面。

隔离崩溃与卡顿：即使Chromium出现问题，Atlas也不会崩溃。

更少的合并冲突：OpenAI修改的Chromium代码极少，易于维护。

更快的开发节奏：大多数工程师无需本地编译Chromium，OWL内部以预构建二进制形式分发，Atlas构建只需几分钟。

因此，即使是新员工，也能在第一天下午轻松提交改动。

OWL 的工作方式

从高层来看，Atlas 浏览器是 OWL 客户端，而 Chromium 浏览器进程是 OWL 主机（Host）。两者通过Mojo（Chromium的进程间通信系统）进行通信。OpenAI编写了Swift（甚至TypeScript）的Mojo绑定，使Swift应用能直接调用主机端接口。

OWL 客户端库提供了一套简洁的Swift API，用于抽象主机层的关键功能：

Session：全局配置与控制

Profile：管理用户浏览数据

WebView：渲染、输入、导航、缩放等

WebContentRenderer：将输入事件传递给渲染管线

LayerHost/Client：在 UI 与 Chromium 之间交换合成信息

此外，还提供书签、下载、扩展、自动填充等服务端点。

渲染：跨进程传递像素

WebView在客户端应用中共享一个合成容器，不同标签页的内容会动态交换显示。在Chromium一侧，这对应于一个gfx::AcceleratedWidget，由底层的CALayer支撑。

OpenAI的设计是将该层的上下文ID暴露给客户端，由NSView通过私有的CALayerHost API嵌入。

诸如下拉框或颜色选择器等独立弹窗，也采用相同机制。OWL会保持视图几何与Chromium同步，确保GPU合成器输出正确分辨率和比例的内容。

OpenAI也借用这种机制，将Chromium原生界面的一部分直接投射到Atlas中，比如权限提示框，从而快速实现功能原型而无需完全重写。

输入事件：捕获与转发

通常，Chromium UI会将macOS的NSEvent转换为Blink的WebInputEvent，然后再传递给渲染器。

但由于OWL中Chromium在后台运行，OpenAI在Swift客户端中自行完成事件转译，再将转换后的事件发给Chromium。

如果网页未处理某个事件，系统会把事件返回客户端，OpenAI重新生成NSEvent，让Atlas其他部分接管输入处理。

Agent 模式：特殊情况

Atlas的智能体浏览对渲染、输入和数据存储提出了额外挑战。OpenAI的计算机使用（computer use）模型需要屏幕的完整图像作为输入。

但有些UI（如

下拉框）会在标签页外单独渲染。在Agent模式下，OpenAI会将这些弹窗重新合成为主页面的一部分，让模型在一帧中看到完整的上下文。

输入事件同样遵循安全原则：Agent生成的事件直接传给渲染器，不经过特权浏览器层，以确保沙箱隔离。例如，防止自动化事件触发系统快捷键等非网页行为。

此外，Agent浏览可以在临时「登出」上下文中运行。它不会使用用户的隐私模式配置，而是借助Chromium的StoragePartition创建独立的内存存储。每个Agent会话都是全新的，结束后所有cookie和数据都会被清除。用户可以同时运行多个互不干扰的「登出」Agent会话。

结语

OpenAI最后再次重申了Chromium的作用：「如果没有全球Chromium社区的卓越贡献，这一切都无法实现。OWL在此基础上开辟了新的方向：将引擎与应用解耦，结合顶级网页平台与现代原生框架，打造更快、更灵活的架构。」

对此，您有何看法？

参考链接

https://openai.com/index/building-chatgpt-atlas/