Badacze z arXiv wskazują, że zastosowania AI przeszły od monolitycznych modeli fundamentalnych do złożonych systemów agentowych, ale obecna infrastruktura pozostaje niepoorganizowana. Choć protokoły takie jak MCP czy A2A ułatwiają łączenie narzędzi i agentów, każdy framework nadal osadza własny runtime do zarządzania stanem, pamięcią, budżetami oraz guardrailsami. To sprawia, że zachowanie systemów jest nieprzenoszone między platformami, a zarządzanie nimi pozostaje kruche.
Propozyja zmienia paradygmat: zamiast chaotycznego podejścia, pole potrzebuje Foundation Model Operating System - warstwy systemowej działającej analogicznie do tego, jak wirtualizacja abstrahuje fizyczny sprzęt. FMOS dawałby aplikacjom iluzję dostępu do dedykowanych, godnych zaufania instancji modelów z praktycznie nieograniczonymi możliwościami. Wewnętrznie koordynowałaby wiedzę w różnych warstwach pamięci, wybór modelu, alokację zasobów oraz weryfikację i egzekucję polityk bezpieczeństwa.
Systemu operacyjnego dla modeli fundamentalnych brakuje, gdyż pole rozwijało się jak informatyka przed erą systemów operacyjnych - każdy program ponownie implementował podstawowe usługi. FMOS miałby się zachowywać jak ludzki mózg przełączający się między szybką intuicją a powolnym rozumowaniem, uczyć się, kiedy interweniować, a kiedy pozwolić inferencji działać bezpośrednio, dynamicznie adaptując strategie na podstawie rzeczywistych doświadczeń operacyjnych.