2）应用分发 · · · · · · · · · · · · · · · · 3）服务分发 · · · · · · · · · · · · · · · · 84 91 88 5）开发者支持平台 · · · · · · · · · · · · · 42 1）赋能套件 · · · · · · · · · · · · · · · 29 4 全方位运维分析 。 同时应用 开发者也面临设备底座从手机单设备到全场景多设备的转变，通过全场景多设备作为全新的 底座，为消费者带来万物互联时代更为高效、便捷的体验。 新的场景同时也带来了新的挑战。开发者不仅需要支持更加多样化的设备，还需要支持 跨设备的协作。不同设备类型意味着不同的传感器能力、硬件能力、屏幕尺寸、操作系统和 开发语言，还意味着差异化的交互方式。同时跨设备协作也让开发者面临分布式开发带来的 算能力越来越强，在设备侧就能提供 AI 的相关能力，例如自然语言交互、环境智能感知、 图像识别等。如何快速地使用设备侧的强大 AI 能力，使自己的应用更加智能化，进而更好 的服务消费者，也是开发者面临的全新挑战。 移动终端上的应用生态发展到今天也面临着变革。传统厚重的 App，整体体验好，功能 齐全，但开发成本高、周期长，且存在搜索，安装，升级，卸载等一系列需要用户主动关注 的显性操

23 47 55 59 74 2）系统 · · · · · · · · · · · · · · · · ·· · · · · · · · · 5）HarmonyOS 为开发者构建全栈场景化解决方案· · 9 O3 HarmonyOS应用开发高阶解决 方案 1）鸿蒙智能· · · · · · · · · · · · · · · · · 在这样的技术变革背景下，HarmonyOS 操作系统应运而生。它旨在打破设备之间的壁 垒，构建一个统一、流畅、智能的全场景操作系统，为用户提供无缝衔接的跨设备体验。 HarmonyOS 生态对用户、开发者、行业/产业的价值： 1. 打破设备隔阂：实现不同类型、不同品牌设备之间的无缝连接和协同工作，让 用户在手机、平板、电脑、智能穿戴、智能家居等设备间切换时，享受到连贯 一致的服务和体验。 物联网产业的普及和创新，推动万物互联的实现。 3. 提升用户体验：通过统一的交互逻辑和服务体系，极大地简化了用户操作，提 高了使用效率，满足用户对于智能化、个性化生活的需求。 4. 促进产业创新：为开发者提供更广阔的创新空间和丰富的开发工具，激发应用 和服务的创新，推动整个信息技术产业的升级和发展。 5. 保障信息安全：构建自主可控的操作系统生态，增强信息安全防护能力，降低 因依赖外部技术而可能带来的安全风险。

、持续创新四大特征；仓颉是静 态类型编程语言，主打高性能、强安全、跨平台、智能化等特性。为满足不同 业务场景诉求及不同开发者编程习惯，两者长期协同发展和长期演进，并保持 生态兼容。ArkTS和仓颉均通过垃圾回收机制自动管理内存，C/C++支持Native 开发，需开发者手动管理内存，三种语言相互配合，共同支撑鸿蒙应用生态构 建。 图 1-1：鸿蒙 APP 架构示意图 的基础上，ArkTS 结合鸿蒙应用开发的诉求进行了创新和能力扩 展，主要新增四大特性如下：  并发编程模型：ArkTS 新增提供 TaskPool 和 Worker 两种并发编程 API 供开发者使用。同时，ArkTS 进一步提出了 Sendable 对象模型的机制 来支持对象在并发任务间的引用传递，极大提升 ArkTS 对象在并发实 例间的通信性能。  声明式语法：ArkTS 结合 编程、完善类型系统、现代化语法等显著改进和新特性，使开发者能够更快速 地构建稳定且性能优越的应用。 仓颉概述 仓颉是鸿蒙应用开发高级语言。 仓颉作为一款面向鸿蒙应用开发的现代编程语言，是一款静态类型、静态 编译的编程语言，通过现代语言特性的集成、全方位的编译优化和运行时实现、 以及开箱即用的 DevEco Studio 工具链支持，为鸿蒙应用开发者打造友好开发 体验和卓越程序性能。其具体特性表现为：

OpenHarmony，华为联合超 5000 家合作伙伴，打通了从芯片、模组、 终端到应用的全产业链条，形成了全球第三大智能终端生态圈，其“一次开发、 多端部署”的开发模式，更将应用开发效率提升 60% 以上，让中小开发者也能 快速融入 AI 创新浪潮。在智能汽车领域，鸿蒙车机操作系统已赋能多家车企， 推动中国智能网联汽车技术领先全球。这种“技术普惠 + 生态共建”的模式， 为实体经济数字化转型提供了可复制的中国方案。 、 家庭、出行等不同场景中，鸿蒙应用智能体都能实现个性化、主动化、可信赖、 一致的智慧体验，拉近服务与用户的距离，持续推动鸿蒙智能的体验变革。 鸿蒙智能体时代已经开启，我们期待与广大鸿蒙应用开发者和合作伙 伴一道，持续推动鸿蒙智能体技术创新与生态共建，为用户带来“服务合 时宜、服务不间断”的智慧新体验，共创鸿蒙万物智联的未来新世界。 Agent 时代 鸿蒙应用生而智能 前 言 近年来，生成式人工智能（Generative 平透明的流量分发机制，让每一个 应用智能体都能在协作中创造价值、分享收益。构建统一开放的智能体通信协议，是打造智能 体价值网络的前提。 这类似于，移动终端设备不再仅仅是提供一个“操作系统”让开发者在上面运行程序，而 是构建了一个“数字经济体”（智能体网络），让不同的“企业”（Agent）在这里遵循统一的“市 - 6 - 行业趋势 Agent 时代 鸿蒙应用生而智能 场规则”（协议），

的 全场景智能生活，共筑万物智联的鸿蒙世界。 鸿蒙系统将沿着智能化，空间化，一体化三大主线不断迭代，通过夯实三大平台能力：生 态使能，算力引擎和安全基座，为用户提供极致流畅的体验，为千行百业开发者提供创新的数 字底座，共同建设繁荣的鸿蒙新生态。 鸿蒙 2030 愿景： 挑战一：高效算力 空间建模和重建，沉浸式流畅体验，以及端侧 AI 推理决策等都需要终端算力的保 障，算力将成为新生 范式产生了巨大的影响，未 来的生态中应用、元服务、AI Agents 等多种服务形态将并存并相互协作。通过构建分层的 AI 开放平台，开发者可以低成本接入和利用系统 AI 能力，从而快速开发出创新的应用和服务， 满足用户的多样化需求。鸿蒙系统将为三方开发者提供：模型开发部署能力、原子化 AI 服务 接口和组件、领域 Agent 开发平台等分层 AI 能力，为智能应用和 AI Agents 的开发、部署、 鸿蒙系统在业内最早提出了基于分布式软总线的超级终端领先理念和架构，为用户带来跨 设备的流畅、连续的全场景体验，同时构建了基于分布式运行环境所需要的基础设施，为开发 者提供了基础的分布式框架能力，使开发者可以更方便地实现跨设备的业务开发，向用户提供 多设备的交互体验。 3.2.3 一体化：突破设备与数据的边界 鸿蒙 2030 愿景及关键特征 - 25 - 鸿蒙 2030 白皮书 未

一站式 MaaS 服务。 在技术层面上，通过云原生的安全防护体系和算法安全能力保障模型全生命周期和服 务链路的安全可信；在用户体验上，提供标准化的 API 接口和完备的开发工具，显著 提升开发者和企业的研发效率与集成便捷性；在价值创造上，提供全模态全尺寸全功 能丰富的模型供给，加速实现大模型能力的普惠化应用，赋能全社会的数字化与智能 化转型。 1 安全解决方案：安全可信的 MaaS 小权限（例如，一个推理应用关联的子账号，不应被授予删除微调数据集的权限）。 2）工作空间级：阿里云百炼平台内部提供了针对工作空间（Workspace）的细粒度 权限管理。此机制允许团队负责人将不同角色的成员（如“开发者”、“标注员”） 分配至特定项目，并赋予不同的操作权限（如应用观测、知识库操作、MCP 操作等）， 在应用层面实现职责分离。 2.2.5 使用链路的数据保护 阿里云百炼平台提供了从网络隔离到 关注应用和服务的“运行层面”日志。阿里云百炼平台上的每一次模型 API 调用（包 括请求参数、响应结果、Token 消耗、运行时长等），以及 Agent 对外部工具的每一 次调用，都会被详细记录并可投递至 ARMS 中。开发者可以通过 ARMS 进行实时监控、 业务问题诊断，或设置自定义告警，实现对 AI 应用运行状态的全面洞察。 通过操作审计、日志和应用实时监控服务的协同工作，阿里云百炼为用户提供了一个 覆盖“云平台

！ 陈纯 浙江大学信息学部主任 中国工程院院士 应用现代化专业委员会会长 序言一 从 2022 年底 ChatGPT“横空出世”以来，国内外大模型创新风起云涌，学术界、科技企业和无数开发者探索数十 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 字竞争的底层逻辑。软硬适配通过深度整合软件性能与 硬件功能，达到软件与硬件的协同优化，实现以软补硬、以硬促软的竞争优势格局，重构智能时代的系统级创新生态， 推动普惠算力时代到来，促使中小企业与开发者以更低成本获取高性能计算资源，加速创新应用的开发。算力数据适 配通过动态分配计算资源、优化数据流动路径，实现算力、算法与数据的高效协同。随着异构计算与智能调度技术的 突破，算力正成为千行百业数字 据共享将构建新的数字 化应用生态。硬件开放将促进数据源的多样性、开放性、统一性及互联性，支持更广泛的数据收集和共享，为构建开 放协同的数据生态奠定基础。软件开源则推动知识共享与模块化复用，促进开发者协作和加速技术迭代，降低开发成 本，两者融合将催生出更丰富的数据应用场景，持续释放数据价值，加速知识向生产力的转化。算力与数据匹配将提 高处理效率，系统互通和数据共享则打破数据孤岛，推动数据联接

整光网络的链路配置，优先为关键集合通信操作建立直连链路，并通 过重配置时间的预先调度来最小化链路切换等待延迟，实现通信性能 的显著提升。 3.1.2 拓扑有感知的动态集合通信重构 现有的机器学习训练框架中，开发者通常直接调用通信库(如 NVIDIA NCCL)提供的标准集合通信算法实现。然而，这些通信库往 往只内置了有限的几种算法变体，例如 NCCL 中的 AllReduce 操作默 认采用 Ring 需要指定 应用适配指导标准。这包括分布式机器学习训推应用的网络优化指南， 包括通信模式设计、参数配置、性能调优等；还包括不同智算应用的 最佳实践标准，以及应用层网络感知的标准 API，为应用开发者提供 协同参考。 在安全与可靠性方面，需要建立访问控制标准、网络可靠性评估 标准，包括访问控制、数据加密、可用性指标、数据一致性等，以更 好衡量其安全与可靠性。对于日常检查与灾难应对方面，需要指定管 级，推动光子芯片与电子芯片的深度集成，形成新一代光电融合处理 器。这类芯片将在单一封装内集成光子网络接口、电子计算单元、存 储控制器等功能模块，为高性能计算提供一体化的解决方案。此外， 网络调度算法和应用框架也将进一步改进，令开发者的学习成本进一 步降低，实现更智能的网络资源分配和动态优化。 光电协同网络技术正站在历史性的发展机遇期，其未来发展将深 刻改变智能计算的基础设施格局。通过技术创新、产业协作、标准化 推进等多

在虚拟环境中 模拟真实的气象状况，进而为城市规划者、环境科学家以及应急响应团队提供强有力的决 策支持。 2）技术难点 ①通过格点数据生成等值线 在使用 UE 通过格点数据生成等高线图时，开发者面临一系列技术挑战。与专业地理 信息系统（GIS）软件相比，后者通常只需简单导入相应的格点数据，即可迅速生成精确 的等高线图，而 UE 在这个过程中则显得不够直接和高效，具体表现为： 数据适配难题。UE 性能优化需求。由于等高线图通常涉及大量地理信息，其渲染可能对 UE 造成显著的 性能压力。为了确保流畅的用户体验，开发者必须采取多种优化措施，例如合理的细节层 次（LOD）设置、纹理压缩以及数据简化策略，以平衡视觉质量和运行效率。 缺乏内置工具支持。不同于专业的 GIS 软件，UE 缺少专门用于生成等高线图的内置 工具。因此，开发者可能需要依赖第三方插件或自行编写脚本以实现所需功能，这不仅增 加了项目的不确定性，也提高了开发门槛。 一系列独特的挑战，同时该过程也体现了其在特定应用领域中的重要性。具体表现如下： 数据处理与转换。NetCDF 是一种用于存储多维科学数据的文件格式。然而，UE 并不 直接支持 NetCDF 格式的数据输入。这意味着开发者首先需要将 NetCDF 数据转换为 UE 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 5 能够处理的格式，例如高度图、纹理或其他类型的可渲染资源。这一步骤不仅要求对 NetCDF

高可靠的长距无损数据传输能力；优化异构设备间的网络中枢，根据异构设备间计算和传输 能力智能规划全局网络流量，化解跨域、域内通信流量阻塞；构建异构算力间统一通信接口， 封装常用集合通信操作，向下自动适配各异构厂商集合通信库，开发者无需感知底层差异， 通过 GDR（GPU Direct Remote Direct Memory Access）等关键技术实现算力间显存高效 互通，实现不同芯片间的超低时延传输。 （3）统一调度：实现全局最优的资源编排中枢 单模型和跨模型的融合优化方法，研究运行时共感知的跨模型算子融合。图算融合代码生成 基于张量表达式对整图进行全局依赖分析，在子图内做等价变换和算子融合，提升片上缓存 利用率并降低端到端延迟。 最终通过跨架构编译技术开发者以统一语言描述 AI 模型，以跨架构编译自动完成多元 异构的 AI 芯片部署与动态优化，一套代码多端运行，缩短模型适配提高异构算力性能，促 进国产算力生态健康发展。 3.1.2 统一算子加速库