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 · · · · · · · · · · · · · ·

的总体目标，强调要适应科技信息化发展大势，以信 息化推进应急管理现代化，提高监测预警、监管执 法、指挥决策、救援实战、社会动员等应急管理能力。 大语言模型是具有大规模参数的深度学习模 型，通过对海量文本的训练习得语言的统计规律， 从而具有理解和生成自然语言的能力，实现人机之 间的有效通信。自2018年双向编码表示模型（bidirec⁃ tional encoder representations from pre-trained transformer，GPT），人工智能领域 自然语言处理方向的重大突破，引领了大规模预训 练模型及应用研究的热潮。大语言模型技术的迅猛 进展正深刻地影响着机器系统智能化的轨迹，标志 着进入一个新的人工智能时代。从 BERT 到 GPT [1-2]， 这些模型通过深度学习和海量数据训练，不仅推动了 自然语言处理技术的边界，也正在改变知识获取和创 新的模式，将对应急管理体系发展、能力要求以及实 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 基于大语言模型技术的智慧应急应用： 知识管理与应急大脑 龚 晶 1 黄 欢 2，* （1. 暨南大学 公共管理学院/应急管理学院，广州 510632；2. 暨南大学 党委政治保卫部/人民武装部，广州 510632）

皮书重点介绍了可编程技术支 持的 6G 用户面，系统地探讨了其需求、架构设计和关键技术，旨在为未来的 6G 网络提供灵活、智 能、高效的用户面解决方案。 白皮书首先分析了 6G 移动通信网络对可编程用户平面的核心要求，包括支持多种服务场景（如智 能交互、全息通信和工业互联网）、网络资源的动态适应、差异化的服务质量保证以及计算和通信 的深度集成。在此基础上，它提出了可编程用户面架构的设计原则，强调开放性、面向服务的设计、 1、在网络计算中：通过将计算能力深度嵌入用户平面，实现了近边缘数据处理和实时响应。 2、 动态协议可编程性：支持按需定制和动态加载协议栈，以满足垂直行业的异构需求。 3、 功能服务化：通过基于微服务的架构将用户平面功能解耦，增强部署灵活性和资源利用率。 4、 路径可编程性：利用意图驱动和基于人工智能的动态路径优化来确保端到端的传输性能。 此外，本文还验证了可编程用户面在提高网络效率、减少延迟和通过典型应用场景增强智能方面的 潜力。最后，它概述了未来的研究方向，呼吁全行业合作推进标准开发、开源生态系统建设和跨领 域技术集成，加快 6G 可编程用户面的商业化。 本白皮书为 6G 网络架构的演进提供了重要参考，有助于构建开放、智能和按需的面向服务的未来 通信基础设施。 关键词：6G；可编程；AI；UPF；服务化 2 / 35 Abstract With the rapid development of 6G communication

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen 特征是通过海量数据，无需标注自监督学习，训练一个基础大模型，并在各 领域将其专业化。据相关论文，当模型的参数量大于某阈值，会展现出类似 推理、无监督学习等未曾出现的能力，这种现象被称为“涌现”，因此目前 大语言模型参数均在十亿量级以上。同时，Deepmind 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 8GHz 的占比 36%，价格在 1000 美金以上的占比 13%，即旗舰机型占比较低，随着 AI 大模 型在边缘端落地，有望推动新一轮换机潮。 以大语言模型为核心，以语言为接口，控制多 AI 模型系统，构建“贾维斯” 式智能管家。我们认为大语言模型不仅可以实现对话、创意，未来也有望作 为众多复杂 AI 模型的控制中心，同时也是接受用户指令的交互窗口，实现 《钢铁侠》电影中“贾维斯”式综合智能管家。23

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen 特征是通过海量数据，无需标注自监督学习，训练一个基础大模型，并在各 领域将其专业化。据相关论文，当模型的参数量大于某阈值，会展现出类似 推理、无监督学习等未曾出现的能力，这种现象被称为“涌现”，因此目前 大语言模型参数均在十亿量级以上。同时，Deepmind 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 8GHz 的占比 36%，价格在 1000 美金以上的占比 13%，即旗舰机型占比较低，随着 AI 大模 型在边缘端落地，有望推动新一轮换机潮。 以大语言模型为核心，以语言为接口，控制多 AI 模型系统，构建“贾维斯” 式智能管家。我们认为大语言模型不仅可以实现对话、创意，未来也有望作 为众多复杂 AI 模型的控制中心，同时也是接受用户指令的交互窗口，实现 《钢铁侠》电影中“贾维斯”式综合智能管家。23

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

依托核心名师 IP 及教培数据优势，推出“豆神 AI”产品，从答疑工具升级 为教学主体，硬件端规划便携式智能硬件“小豆”等产品；4）盛通股份： 硬件端打造中鸣机器人编程教具将抽象编程语言转化为实体机器人便于理 解，软件端接入 Deepseek 打造支持自然语言对话与智能决策的教育硬件平 台。5）天立国际控股：场景上以 AI 自习室（借助智能平板硬件）与启鸣云 校（软件）切入 C 端校园场景，验证短期冲刺平均提分 ...........10 千亿多邻国成长启示录：AI 赋能打造 C 端寓教于乐场景 .............................12 公司概览：千亿市值在线教育龙头，打造寓教于乐语言学习平台 ............................. 12 收入结构：多层级产品实现流量变现 ........................................... ......................................... 17 国内实践概况：降本增收两侧赋能，构筑“基础内容-技术方案-产品应用”的三级产业链架构 ...17 有道：语言学习科技先锋，加码智能硬件 AI 教育生态 ...................................... 20 好未来：传统教培+教育科技龙头，发力 AI 再起航 ........

大模型可以从大量的数据中学习， 并利用学到的知识和模式来提供 更精准的答案和预测。这使得它 们在解决复杂问题和应对新的场 景时表现更加出色 学习能力强 大模型可以生成更自然、更流利 的语言，减少了生成输出时呈现 的错误或令人困惑的问题 语言生成能力 学习到的知识和能力可以在不同 的任务和领域中迁移和应用。这 意味着一次训练就可以将模型应 用于多种任务，无需重新训练 可迁移性高 1.2 大模型的发展历程 ，预训练大模型包含了预训练大语言模型（可以简称为“大语言模 型”），预训练大语言模型的典型代表包括OpenAI的GPT和百度的文心ERNIE，ChatGPT是基于GPT开发的大模型产品， 文心一言是基于文心ERNIE开发的大模型产品 人工智能 机器学习 深度学习 深度学习模型 预训练模型 深度学习 预训练大模型 预训练 大语言模型 预训练大语言模型 GPT 文心ERNIE 文心ERNIE ... ChatGPT 文心一言 1.4 大模型的分类 语言大模型 视觉大模型 多模态大模型 是指在自然语言处理（Natural Language Processing，NLP）领域中的一类大模型，通常 用于处理文本数据和理解自然语言。这类大模型 的主要特点是它们在大规模语料库上进行了训练， 以学习自然语言的各种语法、语义和语境规则。 代表性产品包括GPT系列（OpenAI）、Bard

指导，更注重提供实操模板与案例，强调无需依赖专门AI系统，普通教育和学术工作者也能便捷应用通用模型与开放工具实 现专业功能，具有广泛实用性和迁移价值。 二、教育和学术领域是一个知识密度极高的领域，也是受大语言模型技术影响较大的领域。本讲座共包括五个部分，逐层递 进、环环相扣，从技术概述到教学应用、学习辅助、科研支持再到管理赋能，通过教-学-研-管四个教育环节构建了 DeepSeek教育应用的立体图景 DeepSeek快速出圈，全民硬控 n 2024年12月26日， DeepSeek推出对标OpenAI GPT-4o的语言模型DeepSeek V3，随后在美国AI行 业内部引起轰动。 n 2025年1月20日， DeepSeek发布对标OpenAI o1 的DeepSeek R1大语言模型，并于1月24日引起美 国投资界KOL关注。 n 2025年1月26日，关于DeepSeek颠覆了大模型的商 MTP 混合精度训练 FP8 混合专家 MOE 多头潜注意力 MLA 通讯优化 DualPipe 并行训练框架 HAI 强化学习 GRPO 直接硬件编程 PTX 测试时计算 TTC 能力突破 开源、低成本、国产自主 n 基础能力：进入推理模型阶段，并跻身全球第一梯队 1. 推理能力跃升： DeepSeek大模型核心技术突破，实现复杂推理任务的精准处

大模型相关术语 l 多模态 Ø 文本、图片、音频、视频 l AI工具（国内） Ø DeepSeek、 豆包、Kimi、腾讯元宝、智谱清言、 通义千问、秘塔搜索、微信搜索... l 通用模型 Ø 大语言模型（LLM，Large Language Model） Ø 视觉模型（图片、视频） Ø 音频模型 Ø 多模态模型 Ø …… l 行业模型（垂直模型、垂类模型） Ø 教育、医疗、金融等 •Transformer架构：可以并行矩阵计算（GPU），核心是注意力机制（Attention） •编码器（BERT）：多数embedding模型，Ernie早期版本，……. •混合网络：T5、GLM •解码器（GPT）：大语言模型（LLM），也是传统的多模态模型的核心 •生成式人工智能（GenAI）：AIGC •DeepSeek、Qwen、GLM、Step、MiniMax、hunyuan、kimi、…… •OpenAI •OpenAI GPT（ChatGPT）、Claude、Llama、Grok、…… •Diffusion架构：主要用于视觉模型（比如Stable Diffusion、DALLE），现在也开始尝试用于语言模型 •Diffusion+Transformer架构：例如Sora的DiT（加入Diffusion的视觉模型），部分新的多模态模型架构 大模型的发展阶段 生成模型 ref:中文大模型基准测评2024年度报告(2025