统 应用与 AI 应用的融合不再局限于简单的功能叠加，而是依托数据与 API 的深度协同，构建起“感知 - 决策 - 执行 - 学习” 的闭环智能体系。在这一趋势下，应用现代化的核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与 API 可信数据资产目录实现跨域流通，为 Agent 提供实时、高质量的训练与推理燃料；而 API 则从传统的服务接口演进为“智 能连接器”，通过动态编排与语义理解，支撑 Agent 间的自主协商与任务分解。此外随着云原生 AI 技术（如多模态大模型、 智能 Agent 开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升 年的 AI 技术，迎来了应用大规模落地的奇点时刻。以应用智能体为代表的 AI 新范式，已成为推动行业变革的重要力量， 智能化必将成为驱动数字经济发展的核心引擎。 过去十年，云原生重构了 IT 基础设施；未来十年，AI 原生将重新定义企业运营范式。这场变革不是简单的技术迭代， 而是认知维度的跃迁——企业需要从“功能驱动”转向“价值创造”，从“流程优化”升级为“智能决策”。 华为云始终践行“一切

基础设施层 3.1.1 软硬协同一体化，构建融合高性能基础设施 3.1.2 调度和升级优化，支持超大规模算力管理 3.1.3 端到端可靠性设计，保障系统稳定可靠运行 3.1.4 原生安全能力基线，构筑纵深防御高安全体系 数据层 3.2.1 五大核心要素，定义和设计云上数据库 3.2.2 基于数据迁移和同步技术，保障数据完整性与准确性 3.2.3 数据库和存储设备协同，高效实现大库备份和恢复 在数字化转型中，企业业务敏捷转型需融合云计算、大数据、AI、区块链等技术，但主机技术栈对此支持 有限：一方面，传统主机的编程语言（如 COBOL、PL/I）与现代开发工具及编程语言兼容性不足，原有开 发环境与工具链较为陈旧，且与云原生开发所采用的 Java、Go、Python 等语言存在明确的兼容壁垒；另一 方面，主机系统通常依赖传统的数据存储格式和协议（如 VSAM、IMS 等），而现代的大数据技术框架（如 Hadoop、Spark）使用分布式文件系统（如 API设计与管理 Swagger、Postman 代码管理 Git、GitLab 应用评估与设计 架构评估与设计 资源评估与设计 安全评估与设计 批次评估与设计 应用转码与语言重构 中间件/数据库替换 云原生改造 信息调研、迁移评估、 迁移规划 迁移演练/正式迁移 灰度发布/割接并线 功能与回归测试 性能与压力测试 安全/合规测试 用户验证测试 双轨并行验证 灰度切流 全量割接 上线监控与回退 瀑布开发

安全解决方案：安全可信的 MaaS 24 2 MaaS 安全核心理念：客户数据主权、25 负责任的 AI 与云原生安全保障 2.1 客户数据主权：平台可靠、数据自主可控、链 25 路可信、操作可审计 2.2 负责任的 AI：安全、合规、向善、透明 26 2.3 云原生安全保障：打造可靠 AI 基础设施 27 目录 大模型发展趋势、风险挑战与 解决方案 1 模型商业落地加速，面临多样化的部 研发安全：数据与算法根基防护，强化内生 49 安全能力 3.2 部署安全：过程控制，构建防御屏障 59 3.3 运行安全：上线监测，实现动态防护 60 CHAPTER CHAPTER 阿里云AI基础设施：原生安全 保障 1AI 基础设施及其关键挑战：兼顾安全、30 能力、效率 1.1 安全挑战：系统软件漏洞、资源滥用、供应链 30 攻击与隐私合规风险 1.2 高可用性挑战：系统稳定性压力增加 68 1.2 MaaS 时代下的新型安全风险研判 68 1.3 拥抱全球合规框架，构建可信 AI 基石 70 2 阿里云百炼全链路安全能力框架 72 2.1 安全设计理念：纵深防御与原生集成 72 2.2 核心：贯穿生命周期的数据安全与隐私保护 73 2.3 扩展：支持客户弹性、灵活地应对外部攻击 78 3 阿里云百炼关键场景安全实践 82 3.1 场景一：发布并调用一个线上模型推理服务

互入口也随之从基于应用程序的界面逐步演进为基于 AI Agents 的界面。 面向未来，鸿蒙系统将在整个 OS 层面构筑统一的 AI 系统底座，达到系统内所有组件都 高效灵活使用 AI 能力的系统级原生智能。在此基础上，构建常驻系统、结合系统底层能力的 系统级 Agent（即超级智能体），识别用户意图，完成服务闭环。同时，鸿蒙系统也将进一步 图 3 鸿蒙 2030 愿景及关键特征 ����������� 效率、空间计算应用的流畅交互体验、多 Agent 协同、系统性安全问题等。下一代编程语言应 提供原生 AI 应用开发框架和设计特定 DSL（即 Agent DSL）来简化应用开发，使模型部署、 智能决策等 AI 相关功能成为开发框架的一部分，给开发者带来高效的开发体验。 针对以上挑战，我们设计并实现了一款新的编程语言仓颉。仓颉编程语言具备原生智能化、 天生全场景、高性能、强安全等特点，内置定制的 Agent DSL 面向领域的声明式开发，提供模型部署、智能决策、Agent 协同的框架能力。 当前在鸿蒙原生应用的开发中，支持声明式 UI，一次开发、多端部署的 ArkTS 语言已经 被广泛使用。仓颉语言作为面向未来的下一代编程语言当前已经完成设计与实现，并启动了开 发者预览，未来将与 ArkTS 共同发展，为鸿蒙原生应用开发者提供极致高效的开发体验。 鸿蒙 2030 倡议 - 34 - 鸿蒙 2030

代化、网络恢复与韧性强化，以及核 心企业应用更新。 近三分之一（31%）的组织表示，数据中心基础设施现代化将是首要投资方向，这一趋势反映出 从“云原生”到“AI原生”系统的广泛架构演进。与以往仅将AI作为附加功能整合的模式不同， AI原生架构从设计之初就以AI为核心，通过实时数据管道、自适应基础设施和持续学习能力，支 撑高性能、可扩展的AI工作负载。这一模式不仅对计算资源提出了新要求（如高性能GPU与专用 = 1007，金融服务 = 145，软件与信息服务 = 132，制造业 = 193，零售业 = 101） 综上，这些趋势代表着企业IT策略的根本性转变：从“附加AI能力”转为“智能体驱动、AI原生 的未来，系统性地设计、保障并优化技术栈的每一层”。优先进行这些投资，并联合各业务职能 相关方的技术领导者，企业才能更好把握AI驱动转型所带来的优势与机遇。 趋势 3：开源生态系统推动AI普及，助力创新与业务增长 如今，AI、大数据工程与高级分析技术已渗透到几乎所有ICT岗位中，它们将企业的数字化成熟度 与智能系统的掌握程度紧密相连，助力企业提升运营效率、实现明智决策。网络与网络安全领域 的专业人才需求也在大幅增长⸺由于云原生架构模糊了基础设施与安全之间的界限，要求相关 人员必须熟练掌握云管理、威胁建模及自动化事件响应等技能。 然而，仅掌握技术知识已远远不够。创造性思维、适应性推理能力与敏捷执行能力，正变得与编 码

数据架构 数据生命周期 数据模型 数据分布 数据集成与共享 数据价值 数据应用 数据资产变现 数据保障 数据安全策略 数据质量管控 技术基础能力类 数字技术 云原生 数智技术 专业技术 基础设施 基础资源 资源管理 组件服务 组件产品 组件平台 运营赋能 运营体系 敏捷开发 支持赋能 模块协同 服务治理 运维&安全 XXXX—XXXX 53 数字技术能力集包括云原生、数智技术、专业技术3个能力指标。 13.1.1 云原生 云原生能力指标包括云原生架构应用、云原生技术应用、云计算成本集约3个评估维度。 表75 云原生能力发展等级要求 评估维度 问题 能力发展等级要求 L1 L2 L3 L4 L5 L6 云原生架 构应用 是否包括任 何形式的公 共/混合/私 有（不包括 SaaS；部 分与业务相关的 应用程序得到维 护，采用云原生架 构的一些特性和 最佳实践，如容器 化部署。应用程序 的容器编排和管 理工具（如Docker 和Kubernetes）被 引入，以提供更高 的可伸缩性和弹 性 广泛使用多种形 式的云服务，如 IaaS 、 PaaS 和 SaaS；绝大多数与 业务相关的应用 程序得到全面维 护，并基于云原生 架构进行开发和 部署，采用容器编 排 技 术 （

效益。 l “ 企业数字化转型发展双曲线”可以清晰描绘现阶段数字原生程度不同的企业数字化发展阶段，为我们围绕转型者和赋能者开展标准研究奠定了理 论基础。 • 对于数字原生程度较低的企业，比如农业企业、医疗企业等，他 们 往往遵循转型者曲线路径，现阶段数字应用水平相对较低； • 对于数字原生程度较高的企业，比如通信企业和互联网企业，他 们 遵循赋能者曲线路径，目前数字应用水平相对较高，但自身的

网络爬取、提供产品或服务中获得等各种方式得到的数据，都可以自由 使用和流通。 美国的数据基础设施探索实践 使用技术或方案 覆盖企业全部供应链、生产链、生态链 的完善数据整合与协作体系 云原生架构数据分析处理平台 区块链和加密算法 以Google Cloud、AWS、Azure等为代表的公司是全球领先的云平台公司，为美国和其他国家公域数据流通提供了先 进的基础设施。 1.Google 通环境，形成覆盖企业全部供应链、生产 链和生态链的完善数据整合与协作体系；二是专业公司的数据分析平台。以Databricks、Snowflake、Palantir为代表的数 据平台公司，构建起云原生架构数据分析处理平台；三是经纪商的数据交易平台。以Acxiom、Corelogic、Factual、 BDEX、Infochimps等数据经纪商为代表的数据经纪商，探索使用区块链和加密算法来保护数据隐私，构建起数据采集汇聚 3、强大的数据整合能力和跨行业适用性 4、数据自主控制 5、赋能 Catena-X汽车空间 1、技术领先的数据基础设施企业 2、丰富的数据基础设施平台产品 3、创新商业模式和多元生态体系 1、基于云原生架构的数据基础设施 2、跨平台可分离的数据核心技术 3、丰富的数据基础设施服务平台 4、多层次生态体系和创新商业模式 1. Palantir （1）基于独特技术的数据基础设施 Palantir

基础设施各管自身  维护对象：系统节点、微服务数量几何级数增加  调用关系：从简单对应到极其复杂，人力维护无法胜任  数据分片、异地存储，传统维护模式难以为继 随着云原生技术的不断成熟，企业数字化转型也在不断加速，企业IT架构进入云原生时代，多云多集群部署已 经成为常态和趋势，几何增长的云资源、微服务以及复杂化的调用关系与业务场景，传统人肉运维难以为继， 如何保障系统的全面稳定，保证业务流程的高效运转，为系统运营提出了不小的挑战。

稳定性保障工具落地场景 及成效 当前面临的挑战及未来展望 目 录 CO N T E N T S 1 2 3 01 稳定性保障工具演进历 程 随着云原生技术的不断成熟，企业数字化转型也在不断加速，企业 IT 架构进入云原生时代，多云多集群部署 已 经成为常态和趋势，几何增长的云资源、微服务以及复杂化的调用关系与业务场景，传统人肉运维难以为 继， 如何保障系统的全面稳定，保证业务流程