鸿蒙编程语言白皮书 文档版本 发布日期 V1.0 2025-06-20 2 版权所有 © 华为终端有限公司 2025。保留一切权利。 本材料所载内容受著作权法的保护，著作权由华为公司或其许可人拥有，但注明引用其他方 的内容除外。未经华为公司或其许可人事先书面许可，任何人不得将本材料中的任何内容以 任何方式进行复制、经销 1）高效开发 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · O1 鸿蒙编程语言整体框架 18 CONTENT 鸿蒙编程语言适用场景 1）ArkTS 概述· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 6 2）仓颉概述· · · · · · · · · · · · 3）C/C++概述· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 4）语言互操作介绍· · · · · · · · · · · · · · · · · · · · · · · · · · · · O2 3）安全 · · · · · · · · · · · · · ·

技术爱好者：帮助其理解AI在教育中的实践案例，拓宽他们对技术应用的认 识。 特色与亮点 ❍ 前沿性与实用性：紧跟AI教育发展前沿，精选最新的应用案例与操作指南。 ❍ 跨学科性：涵盖语文、数学、英语、科学、艺术设计、音乐、历史、编程等多 个学科，培养跨学科应用思维。 ❍ 案例丰富：通过真实案例展示AI在教育中的实践效果，让读者更直观地理解技 术应用。 ❍ 操作性强：配有详细的操作步骤和指导，帮助读者快速上手并应用于实际教 学。 进入21世纪，移动通信与人工智能成为数字化技术新的前沿，已经渗透到社会的各 个角落，成为推动社会发展的重要力量。在个人消费领域，智能手机、电子商务、 社交媒体等已经成为人们日常生活的重要组成部分。深度学习、自然语言处理、机 器学习等技术的突破，使得人工智能在语音识别、图像识别、智能推荐等方面展现 出强大的能力。智能家居、自动驾驶等应用的涌现，预示着人工智能将成为未来社 会发展的关键驱动力。在企业和政府层面，数字化转型已经成为提升效率和竞争力 平。 1. 人工智能的发展历程 随着计算机技术的飞速发展、算法的不断优化、算力的大幅提升，AI逐渐从理论走 向实践，并在多个领域取得了显著成果。如今，AI已经广泛应用于语音识别、图像 识别、自然语言处理、机器翻译等领域，成为推动社会进步的重要力量。 AI的发展历程可以追溯到20世纪50年代，“图灵测试”是其中一个重要里程碑，它 作为评估机器是否具有智能的标准，奠定了AI的理论基础。当时的科学家们开始探

挑战。 • AI 驱动的控制系统变革：在智能算法基础上，AI 技术正在重新定义自动化控制架构，推动从 “传统控制 + AI 辅助” 向 “AI 原生控制系统” 的根本性转变。通过将机器视觉、自然语言处理、大模型推理等 AI 能力深度嵌入 控制回路，系统实现从被动响应到主动感知、从规则驱动到数据驱动、从固定逻辑到自主学习的全面升级， 构建具备自主决策、持续优化和协同智能的新一代控制系统。 03 和实时任务之间的资源隔离。在实时任务运行在隔离核上的同时，Windows 可以在剩余核心上保持全面的操作能力。 Kithara 的架构示意图如下图所示。 在软件层面，Kithara 保持了 Windows 编程框架，并提供了自己的 API，用户可直接在 Visual Studio 中开发实 时任务，这一点确保了应用的开发便利性和系统兼容性。Kithara 将实时系统以设备驱动的形式实现，并将用户的 Windows 提供虚拟化环境下的强实时保障，实时虚拟机中断响应时间达到微秒级、实时虚拟机切换时间小于 5us、实时虚拟 机定时器周期达到 50us。 • 开放的生态，良好兼容 Windows/Linux 应用。 • 预装东土工业控制编程平台 MaVIEW，人机监控平台 KySCADA 及 KyGate 协议网关应用。 • 支持多个实时操作系统，主流桌面系统（非实时）同时运行。 • 支持通过内部虚拟数据总线实现不同操作系统间的高速数据交换。

安全性：协作机器人配备有先进的传感器技术和控制算法，如力矩传感器、视觉系 统等，使其能够实时感知环境变化和与人体接触，并根据接触情况做出相应的安全 响应，以防止对人类造成伤害。 ➢ 易用性：协作机器人往往具有直观的用户界面和编程方式，使得非专业的操作员也 能方便快捷地对其进行设置和操作，降低了使用门槛。 ➢ 灵活性：相比于传统固定在某个工作站上的工业机器人，协作机器人通常更轻便且 布局更为灵活，可以快速重新部署于 生产的适应性，也为实现更加智能化、个性化的制造模式提供了强有力的支持，是现代智能 制造体系中不可或缺的一环。 在当前市场需求日益多样化、产品生命周期缩短的背景下，柔性化生产成为企业竞争力 的关键。协作机器人以其高度的灵活性和可编程性，完美匹配了这种生产模式。无论是多品 种、小批量的生产，还是快速的产品迭代，协作机器人都能有效支持，帮助制造商快速响应 市场，降低库存成本，提高整体运营效率。 图表 4 协作机器人与传统工业机器人产品特点对比 外接传感器少 7 投资回报 价格低、易集成、投资回收快 集成复杂、投资回收周期长 作业方式 人机协同作业 耐疲劳、连续作业 操作环境 快速编程、操作简单、可拖动示教 操作复杂、专家编程、专员维护 常用领域 精密装配、检测、包装、上下料、抛光 打磨、医疗辅助、教学培训等 搬运、码垛、焊接、喷涂等 数据来源：公开资料，高工机器人产业研究所（GGII）整理

.. 24 1. 编程组态软件.......................................... 24 2. 运行时 Runtime ........................................ 25 (四) 国产厂商大型 PLC 软件未来发展方向......................... 26 1.方向①：逻辑编程软件方面，开发一体化平台（集成的开发环境） 供应链管理系统（SCM） 人力资源系统（HRM） 仓储管理系统（WMS） 国外厂商占 据绝对的市 场份额 航空、船舶、石化、钢铁、 汽车、装备、轨道交通、电 子等 工业操作系统 可编程逻辑控制器（PLC） 分布式控制系统（DCS） 数据采集与监视控制系统 SIS 嵌入式软件 大型企业市 场基本被国 外 厂 商 占 据，国内厂 商产品主要 应用于中小 企业 电力、水利、冶金、石化等 需构建一套完善的系统级工具 链，以支撑高效、可靠的软件开发与运行。 第二章：破局外资主导，中国大型 PLC 国产化进程提速 (一) 大型 PLC 产品定义 PLC，即可编程逻辑控制器，是一种采用一类可编程的存储器，用于其内部 存储程序，执行逻辑运算、顺序控制、定时、计数与算术操作等面向用户的指令， 并通过数字或模拟式输入/输出控制各种类型的机械或生产过程。 大型 PLC 自主可控白皮书

化提出了更高的要求。 本白皮书聚焦智算领域的异构算力，具体是指面向大模型应用，采用不同架构设计的人 工智能芯片算力，通常包括来源于不同的厂家或同一厂家设计的不同代际产品，使其在计算 性能、容量带宽、访存系统和编程模型等方面具有差异性。异构算力按技术路线可划分为 GPGPU 和专用 ASIC（Application-Specific Integrated Circuit）两类路线。 GPGPU 是一种突破性的异构芯片架构，其核心在于将 （1）统一计算：打破异构壁垒构建算力融合底座 统一计算是异构算力协同的基础能力，旨在解决异构芯片生态割裂导致的“算力碎片化” 问题，构建底层异构硬件的统一抽象模型，从而实现对各类异构算力资源的一体“池化”。 将基于特定算力的编程应用程序转译为与底层硬件架构无关的中间表示层，通过智能编译优 化技术实现自适应的即时编译优化；各异构算力厂商间算子各异，需要构建跨架构的统一算 子接口，提炼通用算子的统一数学描述，解耦硬件实现细节，形成能够在厂商间源码共享的 一化的异构硬件抽象，统 一编程模型与接口和智能动态编译优化，构建跨芯片、可扩展、自优化的编译系统，实现 AI 模型的“一次编写、多芯运行、智能优化”。 当前业界现有 AI 编译器大体分三类：一是芯片厂商闭源编译器，例如英伟达的 NVCC （Nvidia CUDA Compiler）编译器和华为的毕昇编译器等，针对单一架构深度定制优化； 二是大而全的统一异构编程框架如 SYCL、OpenCL

4）鸿蒙生态伙伴 SDK 市场 · · · · · · · · 32 41 40 高效开发与测试 1）典型开发场景 · · · · · · · · · · · · · · 2）ArkTS 语言 · · · · · · · · · · · · · 3）ArkUI 框架 · · · · · · · · · · · · · · 44 46 44 4）应用程序框架 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 各种复杂性，例如跨设备的网络通信、数据同步等。若采取传统开发模式，适配和管理工作 量将非常巨大。当前移动应用开发中遇到的主要挑战包括：  针对不同设备上的不同操作系统，重复开发，维护多套版本。  多种语言栈，对人员技能要求高。  多种开发框架，不同的编程范式。  命令式编程，需关注细节，变更频繁，维护成本高。 的时延，且数据传输的安全性、私 密性不能得到有效保证。随着人们对交互和信息获取的智能化要求越来越高，移动设备的计 7 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

够设计智能功能并与AI工具协同编写代码的人才（来源：IDC ICT 岗位与技能调查，2025 年 8 月）。 软件团队正超越传统的应用程序开发模式，转向构建新一代智能自适应解决方案，将AI嵌入各类 产品与平台。随着编程、自动化与产品战略之间的界限日益模糊，组织需要既精通软件技术原 理，又掌握先进AI集成能力的专业人才。 随着数字化及AI驱动的转型加速推进，组织必须优先关注那些能够推动创新及数据驱动决策的岗 高效。 智 能 世 界 的 I C T 岗 位 与 技 能 24 对高级网络安全人才与战略领导力人才的需求也在不断增加。随着数字威胁日益复杂，企业亟需 精通最新AI防御技术的数字取证分析师、大语言模型安全研究员及入侵检测分析师。在领导力层 面，首席信息安全官、AI与数据治理负责人、首席AI官（CAIO）、首席信息官等高管岗位已成为 核心招聘重点。归根结底，企业能否成功，取决于能否打造融合型团队、推动智能自动化，并使 ·云计算转型：云自动化工程师、云迁移工程师等岗位对迁移和管理可扩展的AI增强型云环 境至关重要。这些专业人才是推动数字现代化与运营效率提升的核心力量。 ·安全领域演进：日益增长的网络威胁使得数字取证分析师、入侵检测分析师、大语言模型 安全研究员等安全岗位需求增加。随着生成式AI的兴起，这些专业人才需运用先进的AI工 具检测安全漏洞、应对风险隐患。 ·AI优先的领导力：领导力的核心正转向AI治理与战略。企业开始在高管团队中设置首席信

files (Natural，COBOL，PL/I，Assembler，Fortran，REXX，…） (DB2，IMS DB，…) (VSAM，…) Logical Partition 多基于老旧语言开发 与硬件/操作系统深度绑定 集中式架构 专有存储格式和协议 主机专有工具组件 专用硬件 定制化操作系统 Processor (CP，zIIP，zAAP，…) Memory (RAIM，…) 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 Maven、Gradle 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

万亿美元收入，占科技 领域总支出的 10%-12%，复合年增长率预计达到约 42% [2]。 然而生成式 AI 在 AIGC 上的应用仅仅是人工智能革命的开始。大模型的出现，全面提升 了 AI 的自然语言理解能力和通用推理能力，让 AI 具备自主完成复杂任务的可能，从而演进成 为能够感知环境、进行用户意图的自主理解、做出决策和采取行动的 AI Agent（智能体）系统。 - 4 - 行业趋势 鸿蒙 在两个方面： 首先是允许用户以更自然和直观的方式与数字内容交互 [4]。人机交互方式从单模态、二维 平面，逐步迈向多模态、三维空间交互，用户无需与设备直接接触，就可以通过更加自然的手势、 肢体语言、视觉甚至意念等方式与数字世界进行互动，设备同时从多个通道获取信息，并整合 ������ ������ ���������� ��������� �������� ������ �������� 端的能力演进达成统一的共识，牵引终端系统智能化的演进，基于人与 AI 在任务中的协作关系， 以及 AI 的参与程度，并参照汽车驾驶自动化分级的理念，以及清华大学 PERSONAL LLM AGENTS（个人大语言模型智能体）中的智能体能力分级策略 [10]，我们认为终端智能体验可 划分为 5 个等级（L1~L5）： 图 5 终端智能化分级标准 �� � ������� ������������������