的崛起，不仅是中国信息产业自主创新的重大突破，更是全球智能终端生态迈 向新范式的重要里程碑。作为新一代操作系统与 AI 技术的集大成者，鸿蒙智能 体以技术自主为根基、生态协同为路径，为中国数字经济发展注入新动能，也 为全球产业智能化升级贡献了中国智慧。 鸿蒙智能体的突破性在于其开创了“以人为中心”的操作系统新范式。通 过分布式架构与原子化服务能力，实现跨终端、跨场景的智能协同。例如，在 进一步提出鸿蒙智能体的 技术和生态发展主张。鸿蒙智能体是对传统智能体的升级，实现了系统级 安全可信、多智能体高效协作、自主可控的个性化、多设备间自由流转等 独特能力，引领系统与应用交互协同的新范式。 鸿蒙应用生态正蓬勃发展，为赋能鸿蒙应用生态智能化演进，我们提 出鸿蒙智能体框架，以多样化的交互入口、高效可信的通信协议、丰富的 开发工具生态、全链路的安全防护为基石，构建一个开放、灵活、可演进 加速与终端产品深度融合，不仅仅为消费者带来了全新的人机交互体验，也推动 了应用形态和生态范式的变革。华为在《鸿蒙 2030 白皮书》 [2] 中提出，当前主流操作系统的 生态范式均以 APP 为中心构建，未来几年的鸿蒙生态系统将以面向场景的智能服务形态为终极 演进目标，呈现出以 AI 智能体为中心、多种服务形态并存的新范式，包括 APP、元服务等已存 鸿蒙应用智能的愿景 Agent 时代 鸿蒙应用生而智能

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。 与此同时，AI 时代全面来临，在 PC 互联网到移动互联网到智能化终端演进过程中，AI 计算主要在云端数据中心进行，非常依赖网络，具有一定的时延，且数据传输的安全性、私 子系统：提供高性能低功耗的端侧推理和端侧学习环境，保证芯片能力高效有 序提供。还提供大模型的相关能力。 意图框架提供了HarmonyOS系统级的意图标准体系，通过多维系统感知、大模型等能 力构建全局意图范式，实现对用户显性与潜在意图的理解，并及时、准确地将用户需求传递 给生态伙伴，匹配合时宜的服务，为用户提供多模态、场景化进阶场景体验。 传统基于LLM的智能体“可以自主地理解意图、规划决策、执行任务、调用工具，并具 框架提供给开发者多种开发方式：基于 ArkTS 的声明式开发范式，基于 JS 扩展 的类 Web 开发范式，基于 C 语言的命令式开发方式。声明式开发范式更加简洁高效，C- API 开发方式适用于框架对接场景，同时提供了基于 ArkTS 的命令式 FrameNode 接口，作 为对声明式范式的能力补充。 声明式开发范式 在声明式开发范式模式下，通过语言增强、渲染管线扁平化，最小化更新等手段，在功

第一章 序言 1. 定义与范式 2. 发展与态势 3. 数据分析 第二章 AI 前沿 1. 从大语言模型走向自主智能体 2. 具身智能 3. 脑机接口 4. AI 内生安全 第三章 数学 1. 基础理论 2. 优化 3. 统计 4. 科学计算 5. 复杂系统 第四章 物质科学 1. 物理 2. 化学 3. 材料 4. 能源 第五章 生命科学 第一章 序言 第一章 序言 1. 定义与范式 1.1 定义 面向科学研究的人工智能（AI) 创新和 人工智能驱动的科学研究的总和可被定义为 科学智能（AI for Science, AI4S），是体现 了人工智能创新与科学研究双向促进与深度 融合 1，从而变革科研范式。 1.2 范式 科学研究促进人工智能创新。传统科研 范式大致可分为经验归纳（实验科学）、理 论建模（理论科学）、计算模拟（计算科学） 证。计算科学以科学模型为基础，通过数值 方法模拟复杂系统，但需要简化模型以及提 高模拟精度，以解决模拟系统精度低且计算 成本高的挑战。随着技术的发展和数据规模 的增长，出现了数据密集型科学的研究范式。 这一范式利用机器学习方法，自动从数据中 发现统计关联，一定程度上避免了提出科学 假设，但无法发现因果关系，且难以分析低 质量数据和发现复杂系统中的规律。当前的 科学研究主要面临系统复杂性的挑战，相互

快速迭代的背景下，期待与产业界共同探索最佳实 践，务实推进应用智能化落地进程。 ——《应用全生命周期智能化白皮书》编写组 前言 迈向 AI-Native 时代：智能体驱动的应用现代化新范式 近两年来，随着 ChatGPT、DeepSeek 等大模型技术的快速发展，人工智能正以前所未有的速度重塑产业格局，而 Agent 智能体的崛起标志着应用现代化迈入全新阶段。未来大于 50% 的 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 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”。 大模型技术加速全球产业价值链重构 1.2 数字基础设施逐渐成为国际竞争制高点 1.3 数据联接正在影响行业转型和应用安全 1.4 人机协作成为社会融合发展的主流趋势 1.5 客户群体转型加速驱动应用开发新范式 2 智能应用企业端和个人端双爆发，市场空间巨大 2.1 智能应用双端爆发，孕育万亿市场空间 2.2 智能体在 B 端和 C 端加速落地 2.3 央国企正成为应用智能化的主力军，领跑多个场景落地

演进，多次推动了信息产业浪潮的发展。 操作系统的演进大体上经历了批处理、主机、PC 互联网、移动互联网几个阶段的发展， 正走向万物智联的时代。不同历史时期的操作系统在底层硬件架构与形态、人机交互方式、信 息呈现方式，以及生态范式上展现出不同的技术特征。 进入全新的万物智联时代，新技术的发展趋势、用户体验诉求以及随着而来的新应用场景， 都将对操作系统提出新的需求和挑战。 图 1 操作系统历史演进和技术特征变化 1990's 用户的数据安全和隐私的前提下，充分发挥数据的价值，赋能生态，给用户带来更便 捷的智能生活体验？ 挑战三：生态使能 可以预见服务智能化、体验空间化、终端多样化将重塑操作系统的生态范式，作 为生态的基座和入口，操作系统如何使能使能新型服务，推动生态范式的变革？ 鸿蒙 2030 愿景及关键特征 - 17 - 鸿蒙 2030 白皮书 3.2 关键特征 3.2.1 智能化：突破人机协作方式的边界 随着大模型等新技术的出现和不断发展，AI 数量一般十亿到百亿。端云协同可以最大化 发挥“端侧快”和“云侧强”的优势，同时解决信息安全隐患、云端算力成本过高等问题。 开放的生态系统 开放繁荣的生态是终端操作系统的活力之源。智能化也对生态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，

批处理模式无法满足实时决策需求；复杂操作和高技术门槛限制了用户参与；预定义指标缺乏灵活性，难 适应多元需求；聚焦历史数据则削弱了预测能力。这些短板使其在数据爆炸和敏捷决策的时代逐渐失位， 亟需向开放、实时、智能的分析范式转型，以释放数据的真正价值。 8 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 （接上页——传统BI局限性） 来源： 中云金诺，头豹研究院 决方案。 25 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 制造行业ABI应用案例 ABI技术正在推动产业从经验驱动型向数据智能型范式转型。以富士康“灯 塔工厂”为例，其智能系统通过订单-生产-供应链的全链路数据协同，已 将工业决策从局部优化升级为生态级战略控制 ABI典型行业应用——制造行业应用案例 来源：华为，工业互联网产业联盟，灯塔工厂，头豹研究院 能决策体系，集成AI算法与数据洞察优 化订单管理、柔性排产及动态库存控制， 实现人力配置从338人精简至18人，单位 产能提升30%，库存周转效率提高15%， 形成可应对订单波动、供应链波动及设 备运维挑战的智能生产范式。 技术框架 自主研发的“雾小脑”技 术和工业云平台（Fii Cloud），将海量设备 连接至边缘计算和云端， 覆盖了表面贴装、数控 加工、机器人、组装测 试等场景 实际应用 在深圳龙华科技园的

前 言 纵观历史，每一次科技革命和产业变革都深刻地改 变人类的生产生活，并对教育产生深远的影响。当前， 人工智能技术快速演进、广泛应用，正在重塑知识供给 模式和科研创新范式，知识创新不断加快，从发现到发 明、从发明到应用加速迭代，促使教育内容、教育模式 和教育形态深刻变革。 中国政府高度重视教育数字化工作。党的十八大以 来，习近平总书记多次就数字教育作出重要指示，为教 开放学习，服务人次达 5000 万。国家老年大学体系在 全国推出多媒体智能软件实操等课程，提升老年群体 人工智能素养。国家开放大学实施人工智能赋能教育教 学要素改革，打造“人工智能+教育”新范式。上海市、 福建省等地老年大学，杭州开放大学等开设人工智能相 关技能课程，获得广泛好评。 二、促进人工智能广泛应用，助力教育创新发展 中国教育部积极推动智能技术在教育领域的深入 广泛应 生，探索学生全流程、全要素评价改革的创新路径。人 工智能让管理决策更加科学，武汉理工大学建设校长数 字驾驶舱、AI 校长助理，科学掌握学校运行情况。 以人工智能改变科研范式。鼓励高校开展人工智能 赋能的科研范式变革。人工智能赋能自然科学方面，复 旦大学开发的伏羲气象大模型，成为全球首个针对新能 源优化的气象大模型。人工智能赋能工程科学方面，同 济大学开发的建筑大模型集成海量自动设计功能，可迅

................................................................................... 25 5.1 芯片级：新计算范式芯片...............................................................................................25 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 统一调度是异构算力协同的智能决策中枢，旨在解决多任务资源争用引发的“效率下降” 难题，构建全局最优的资源编排范式，实现对异构算力集群的全维度精细化调度。针对异构 算力计算能力差距，面向大模型训练场景构建分布式并行策略组合、业务感知的非均质拆分 等能力，实现跨厂商算力的弹性按需调度；面向大模型推理场景，支持单机多卡异构分布式 两阶段资源最佳配比，交叉混合推理吞吐性能最高提升 72%，成本最大降 低 42%，盘活异构国产算力，实现“利旧降本”，为后续推进异构芯片混合部署和规模化 应用提供了技术验证。 25 第五章 未来技术展望 5.1 芯片级：新计算范式芯片 当前主流 AI 芯片（包括 GPGPU 和 ASIC）仍延续冯·诺依曼架构的“计算-存储分离” 设计模式，该架构在应对大模型时代的海量数据并行计算需求时面临“内存墙”和“功耗墙” 瓶颈，

供开发者选择。另外，ArkTS 进一步提出了 Sendable 的概念来支 持对象在并发实例间的引用传递，提升 ArkTS 对象在并发实例间的通 信性能。  支持声明式 UI 开发，ArkTS 提供了声明式 UI 范式、状态管理支持等 相应的语言基础能力，让开发者可以以更简洁、更自然的方式开发应 用。  继承 TS/JS 语言生态，ArkTS 支持与标准 TS/JS 的高效互操作。开发 者可以选择使用标准 ArkTS 基础类库 4。 三、 ArkTS 拓展并发能力示例 详见 2.2.1.4 ArkTS 的并发能力 章节。 四、 支持声明式 UI 开发示例 ArkTS 提供了声明式 UI 范式、状态管理支持等相应的语言基础能力，帮助 开发者提升鸿蒙应用界面开发效率。 1. // index.ets 2. @Entry 3. @Component 型推断和丰富的语法糖，使编程简洁高效。此外，仓颉还提供元编程 能力，允许开发者针对特定业务快速设计领域特定语言（DSL），进一 步提升了仓颉的易用性。  多范式支持：仓颉是一个典型的多范式编程语言，对过程式、面向对 象和函数式编程都提供了良好的支持。开发者可以灵活选择或混合使 用不同的编程范式，来满足不同开发场景的需求。  丰富的标准库：仓颉提供了丰富、通用、性能卓越的标准库，包括集 合类库、IO 库、数据库、网络库、安全库、OS

企业应从管理范式创新、工作方式变革等方面,建立与新型能力建设、运行和优化相匹配的组织管 理范式和工作方式,推动员工自组织、自学习、主动完成创造性工作,支持员工自我价值实现,与企业共 同成长。企业应开展的活动包括但不限于: a) 开展与其新型能力建设与业务创新转型等需求相匹配的管理范式创新,包括但不限于推动职 能驱动型管理范式向数据驱动型管理、知识赋能型管理、智能自主型管理等管理范式转变; b) 组织治理体系以及新型能力、业务创新转型等相关方从数 据、技术、流程和组织等四要素入手形成对系统性解决方案的统筹策划、分步实施、迭代优化的需求,协 同推进数字化领导力建设、数字化治理制度建设、数字化组织机制调整、数字化管理范式变革、数字化文 化建设等工作,加快提升数字化领导力,逐步构建覆盖全要素、全员的数字化治理体系,打造一体化、平 台化、生态化的柔性组织,实现员工的精准赋能赋权和创新激励,并形成与企业管理变革相适应的数字 等相关部门、岗位/角色等的职能职责); c) 建立相关人与机(如设备设施)之间协作体系及其标准化、规范化执行机制。 C. 2. 2. 5. 5 数字化管理 企业在数字化管理范式、数字化工作方式等方面应满足的要求包括但不限于: a) 建立基于信息系统,以标准化、规范化为核心的科学管理范式; b) 建立基于信息系统应用的标准化、规范化工作方式。 C. 2. 2. 5. 6 数字化文化 企业在数字化文化方面应满足的要求包括但不限于: