新一代交互式风电智能运维平台 “ 风云 · 小云” 风云家族 智能监控 AI 场控 气象洋流 智能运维 自然交互 知识库 人工智能 语音识别 语义理解 … … … … … … … … … … … … … … … … … … … … … … … … … 全寿管理 大数据分析 传统客服 VS. 智能客服 处理 电话沟通，键盘输入

年的历史，但其自诞生以来，不断 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 成策略规划和任务拆解，灵活运用多种辅助工 具和数据资源，并控制进度，直至工作完成。 图 2 人机协作方式从以指令为中心到以意图为中心的变革 1.2 虚拟世界与现实世界深度融合，人机交互迈向空间多模态 随着空间计算、人工智能、虚拟现实（VR）、增强现实（AR）等技术的发展，一个虚拟 世界与现实世界融合的未来不再遥不可及，基于虚实融合理念的元宇宙概念在经历了去泡沫冷 静期后， 整个元宇宙市场规模在 2030 年将达到 1.5 万亿美元 [3]。 虚拟世界和物理世界的进一步融合，主要体现在两个方面： 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 ������ ������

Agent 典型安全防线， 实现全栈安全自主可控；产业层面，鸿蒙生态实现了从底层芯片到上层应用的 完整技术栈，使我国首次在基础软件领域摆脱了对西方体系的依赖。更为深远 的是，鸿蒙通过定义智能终端交互标准，在消费电子、智能汽车、工业互联网 等关键领域推动“中国标准”走向世界。这种“技术自主 + 标准引领”的双重 突破，与“数字中国”战略形成深度共振，成为提升国际竞争话语权的关键支 点。鸿蒙 协作者”的深刻变革。 这场变革不仅改变了人机交互的方式，更重构了整个智能生态的服务逻辑。 消费者的需求不再是简单的功能堆叠，而是追求随时随地、自然流畅、无 感协同的智慧体验。他们希望终端设备更聪明、更懂人，不仅能理解指令、 完成任务，还能超前思考、主动服务。在这样的趋势下，智能体成为新时 代智慧体验的关键载体，以用户意图为中心，以多模态交互、意图理解、 任务闭环与持续学习进化等关键能力为特征，打通用户、系统与服务之间 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 的智能体 + 鸿蒙应用开发平台。我们坚信，鸿蒙智能体框架将加快生态伙

习时强调“高质量发展需要新的生产力理论来指导”。传统的 ISO/OSI 等经典网络理论，虽然涵盖了联网设备之间，从物理连接、 数据传输、会话管理到应用服务的完整通信功能，但并未纳入网络用 户交互所需的身份识别、行为交互、数据解析等能力。针对当前互联 网在数据互联互通中面临的架构性与基础性瓶颈，本白皮书在参考借 鉴 OSI 网络七层模型的基础上，通过在网络传输层之上构建新型互 联协议，提出一种面向 协议以及浏览器等技术使得主机中的信息能够被 普遍访问和相互链接，这创造了全新的信息交互范式。这一时期，网络互联的对 象从主机互联延伸到了超文本互联。 万维网出现之后（1995 年左右开始），互联网的商业化进程开始提速，网 面向 Web3.0 的数字实体互联白皮书 5 络技术的普及和应用创新蓬勃发展。电子商务、搜索引擎、社交媒体等新型应用 不断涌现，网络处理的对象和交互模式变得更加多样化。21 世纪前二十年，移 动互 层面，数据互联所需的身份识别、行为交互、数据语义解析等需求被当做应用层 问题由“客户端-平台（服务器）”交互模型解决。 2) 缺乏对数据的合理抽象 OSI 七层模型主要针对异构网络互联，这使得当前网络基础设施主要面向" 面向 Web3.0 的数字实体互联白皮书 9 数据管道"角色，但缺乏对数据进行合理抽象以剥离个性化语义/知识与通用概念， 同时缺乏网络原生能力支持数据之间的共性交互模型。这造成了当前互联网之上

2025/06 • 具身智能通过传感器与物理世界的交互实现感知、决策和执行能力， 其所需传感器类型众多。在人形机器人载体中，力传感器、电子皮肤、 视觉传感器、惯性传感器是其迈向具身智能的关键传感器 具身智能产业链分析——上游机器人传感器 机器人关键传感器类型及国内代表企业——以人形机器人为例 来源：头豹研究院 ◼ 具身智能通过传感器与物理世界的交互实现感知、决策和执行能力。根据具身智 能载体 能载体的不同，传感器在机器人和自动驾驶载具上的功能定位和应用场景存在差 异。机器人传感器的核心目标是模拟人类感知能力，实现精细化操作和交互，例 如通过触觉传感器感知物体接触力、温度及滑动状态，或通过六维力传感器精准 控制关节力矩以完成抓取、装配等任务；而自动驾驶载具传感器则侧重于环境建 模与动态避障，例如激光雷达提供高精度三维点云以识别障碍物，毫米波雷达在 恶劣天气下穿透性强，超声波雷达用于近距离泊车检测。 ＞20+ ◼ 人形机器人在迈向具身智能的过程中，其感知能力呈现多元化，运动控制频率持 续提升。在感知层面，机器人不仅实现了传统力/视觉/温度/位置等基础传感功能 的全面升级，更在触觉、空间定位、环境交互等维度实现了感知能力的深度融合， 其内置传感器（如力、视觉、温度、位置、触觉等）数量与价值量占比显著提升， 传感器数量将由初期的60~100个逐步增长至超过200个。 ◼ 在运动控制层面，人形

。 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 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：  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 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。 多端开发能力 应用如需在多个设备上运行，需要适配不同的屏幕尺寸和分辨率、不同的交互方式（如 触摸和键盘等）、不同的硬件能力（如内存差异和器件差异等），开发成本较高。因此，多端 开发能力的核心目标是降低多设备应用的开发成本。为了实现该目标，鸿蒙系统提供了以下 几个核心能力，支持多端 UI 适配，交互事件归一，设备能力抽象，帮助开发者降低开发与 维护成本，提高代码复用度。 17

PART ■ 具身智能的基本概念 □ 具身智能的定义 > 具身智能 (Embodied Intelligence) , 是一种基于物理身体进行感知和行动的智能系统。 它通过实体智能体与环境的动态交互，获取信息、理解问题、做出决策，并实现行动，从而产生 智能行为和适应性。 > 具身智能是人工智能与机器人学交叉的前沿领域，其核心在于将感知、行动与认知深度融合。 ■ 具身智能的基本概念 □ 什么是“具身” 在环境中完成具体物理任务 学习 基于大规模静态数据集 通过与环境的实时交互和试错 ■ 具身智能的基本概 念 □ 具身智能与传统 Al 对比 ■ 具身智能的基本概念 □ 具身智能、离身智能、反身智能 > 具身智能 (Embodied Inte ligence) : Ⅱ 强调智能体通过物理身体与环境的直接交互来产生认知和行动。其 核心在于“感知 - 行动 闭环，智能通过身体与世界的互动动态形成。 日本本田公司的人形机器人 ASIMO-E0 问世 , > 1986 年，美国计算机科学家罗德尼 · 布鲁克斯 (Rodney Brooks) 提出通过感知和动作驱动的环境交互来设 计 智能机器。智能体可以通过与环境进行直接的物理交互，以一种更加简单、有效的方式产生智能亍为。 > 1991 年，麻省理工学院 (MIT) 的 Cog 项目开始研究仿人形机器人的认知能力。 > 1991 年，罗德尼

2025-08-23 1 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 2 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 传统智能 具身智能 只可远观，被动接受 具身模型(Model) 智能 算法 物理 载体 相比具身载体的日趋成熟，具身模型的算法研究方兴未艾、挑战众多 现状 6 具身模型应该考虑哪些能力？ n 技能泛化、真实交互、本体扩展 Skill （技能泛化） Reality （真实交互） Embodiment （本体扩展） Adapted from Jim Fan’s talk 7 具身模型的几种类型 大小脑协同 端到端 8 具身模型的最新进展：代表性新工作 sgpjbg.com）,由用户Id:349461下载,文档Id:908399,下载日期:2025-09-10 大小脑模型协同的技术路线仍有机会 q 端到端模型虽决策高效，但泛化性和扩展性受限，受制于环境交互与硬件适配， 难以适应多样场景。而模块化的大小脑协同框架凭借强泛化、可解释优势，正成 为学界与业界的研究热点 模块化：大小脑协同框架赋予具身智能体模块化优势，具备可扩展架构、高效开发 与强适应性三大特性

系列采集控制 IO 卡，实时快速采集控制每个对象数据，然后所有的 WTD 产品通过标准的 RS485 通信接口，利用 Modbus-RTU 总线通信协议与 WTH207A/WTH407A 人机界面进行数据交互。 现场工程可根据确定的传感器，选择上海辉度 Modbus-RTU 总线采集控制 IO 卡，同时根据智慧监控系统的现场要求，可以选配多台现场显示人机界面，如： WTH207A(ARM9 内核 7 寸人机界面 系列采集控制 IO 卡，实时快速采集控制每个对象数据，然后所有的 WTD 产品通过标准的 RS485 通信接口，利用 Modbus-RTU 总线通信协议与 WTH207A/WTH407A 人机界面进行数据交互。 目录 客户背景 一 二 客户痛点 三 某通优势 四 具体方案 五 下游商机 现场工程可根据确定的传感器，选择上海辉度 Modbus-RTU 总线采集控制 IO 卡，同时根据智慧 系列采集控制 IO 卡，实时快速采集控制每个对象数据，然后所有的 WTD 产品通过标准的 RS485 通信接口，利用 Modbus-RTU 总线通信协议与 WTH207A/WTH407A 人机界面进行数据交互。 客户为本 团队共进 开放创新 追求卓 客户背景  XX 水司有 20 万户水表用户，月均用水为 5 立方 /户，经营收入为

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% 的人类工作任务场景将被大模型影响，据麦肯锡预 测，生成式 AI 每年可以增加 2.6~4.4 万亿美元经济收入，AI 驱动的自动化决策与交互将成为业务常态。与此同时，传统 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， 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 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 智能研发等特征落地，形成更广泛、更灵活的智能体系统，从而能够在降本增效、体验优化等各方面得到大幅提升。 行业需求从效率优化到体验升级，Agent 成为优先选择 3.1.4 Agent 技术生态的成熟支撑 3.2 智能应用的核心技术架构概览 3.3 智能应用的六大核心特征 3.3.1 特征 1：多模交互 3.3.2 特征 2：智能协作 3.3.3 特征 3：自主运行 3.3.4 特征 4：环境认知 3.3.5 特征 5：自我进化 3.3.6 特征 6：智能研发 4 智能应用平台，应用智能化的技术底座