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 App，整体体验好，功能 基础能力。  AI 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“ 形成智能体价值网络”。鸿蒙智能体分为两类：  系统智能体：鸿蒙系统中有且只有一个系统智能体（即小艺），可以结合OS系统的 底层能力，为用户提供体系化、可扩展的智能能力；OS 系统资源中的各项能力（感知能力、 记忆能力、工具能力等）向系统智能体开放并由其管理。系统智能体像一位私人助理一样， 一直关心、实时在线、适时服务，站在距离用户最近的位置，代表用户超前思考，为用户带 来智能的服务体验。

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 智能家居场景中，用户无需手动切换设备，鸿蒙可通过意图感知自动联动灯光、 空调、安防等设备，形成“服务随人动”的无缝体验；在工业领域，其微内核 设计和高可靠性特性，为智能制造、智慧能源等场景提供了毫秒级响应的底层 支撑。这种“软硬件解耦、服务原子化”的技术路径，使得终端设备从“功能 成于生态——为中国乃 至世界打开万物智联的无限可能。 鸿蒙智能体：自主创新引领智能生态新纪元 余承东 华为常务董事 终端 BG 董事长 随着人工智能技术持续突破，特别是大模型、全场景融合感知与端云 协同等能力的发展，智能终端正经历从“工具”向“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 复杂多轮对话，实现“全局理解”和“文档级记忆”，为报告审阅、代码仓分析等高复杂度任 务提供了技术基础。 与此同时，具备跨模态能力的理解与生成模型加速涌现，支持文本、图像、语音、视频等 多模态输入输出，大幅提升了对现实世界的感知与表达能力，赋能教育、创意设计、广告营销、 媒体内容生成等新场景，成为新一代人机交互与智能创作的核心。 知识蒸馏、低比特量化等技术推进了模型压缩和高效推理，使大模型“端侧可部署”成为 现实。通过“本地小模型

核心系统 被动应急 故障统一调度 系统具备应急预案 故障点人工恢复 统一变更入口 工具建设 集团+省分 几百套系统 跨系统全链路 定界诊断 主动预防 集团+分子公司 整体态势感知 混沌工程 故障自愈 变更追踪 变更管控 体系建设 故障发现 与诊断 故障恢复 与应急 故障预防 故障调度 体系演进 分布式架构挑战 运维生态挑战 数智运维挑战  端到端稳 现、根因准确定位、故障快速恢复、问题深度刨析 1、全层级变更追踪 2、任务流程线上化绘制、管控，统一入口管理调度 3、技术监督实现变更管控 1、故障事前制定应急预案与应急演练 2、故障事中形成故障、监控、调度态势感知能力，实现 业务快速抢通 3、故障事后治理追踪全流程线上化闭环管理，确保故障 经验有效沉淀，整改措施有效落地 1、系统深度健康体检，全链路性能隐患分析 2、系统容量隐患深度分析 3、统一隐患闭环治理 力结合，加强覆盖 逐步完善容量评估模型与 容量评估标准库 挑战： 只在特定场景下落地了智能 化，离全场景智能化还有很 长距离 策略： 探索更多AIOps可落地场景 探索LLM在态势感知、测试 中能发挥的作用 GOPS 全球运维大会 2023 · 上海站 未来展望-安而不忘危，存而不忘亡，治而不忘乱 数字化高速发展、快速迭代为安全生产保障工具的适配 性及泛化性带来了不小挑战；

3 · 上 海 站 1 、系统深度健康体检，全链路性能隐患分析 2 、系统容量隐患深度分析 3 、统一隐患闭环治理 1 、故障事前制定应急预案与应急演练 2 、故障事中形成故障、监控、调度态势感知能力，实现 业务快速抢通 3 、故障事后治理追踪全流程线上化闭环管理，确保故障 经验有效沉淀，整改措施有效落地 1 、涵盖业务层、前端触点层、网关层、应用层、组件 层、资源层的全链路追踪 逐步完善容量评估模型与 容量评估标准库 挑战： n 只在特定场景下落地了智能 化，离全场景智能化还有很 长距离 策略： n 探索更多 AIOps 可落地场 景 n 探索 LLM 在态势感知、测 试 中能发挥的作用 挑战： n 链路中网关、虚拟网络、 物理网络自动拓扑难度大 策略： n eBPF 结合调用链，能力 互 补 挑战： n 业务监控梳理难度大，尤 其跨部门、跨分子公司

harmonyos-guides- V5/arkts-lazy-import-V5#%E4%BD%BF%E7%94%A8%E6%96%B9%E5%BC%8F 29 SmartGC——感知场景的内存回收 ArkTS 运行时选择最为常见的基于对象追踪（即 Tracing GC）算法。GC 的 性能通常以暂停时间、内存使用和吞吐率来衡量，而在 GC 的算法中又不能对 这三项做到面面俱到，一般的 言模 型适配到本地小模型和云端大模型的不同计算环境中。  异构工具集成能力：Agent DSL 支持接入多种工具，包括鸿蒙系统 API、云侧 MCP 服务以及应用自身的功能模块，从而动态感知设备能 力、网络状态与用户偏好，实现“一次编写，处处智能”。 未来，新开发 AI 应用场景下，在仓颉的智能化和跨平台能力支撑下，不仅 能轻松实现全场景智能化应用，还能实现一码多端，大幅减少代码开发和维护

长的时间才敢起 飞，星数太少或者不稳定，在飞行的过程 中丢星其实也会影 203 响到飞行操控和安全。 203 四、振动测试 无人机内部有很多的传感器，比如 IMU 惯性测量单元， 这些感知的数据如果因为振动受影响，最终的结果就是飞行 “ ” 器可能会 疯 掉，完全不受控制；其次，内部硬件结构复 杂，机身的一体化强度要求较高，如果振动导致硬件连接异 常，螺丝或者模块松懈等等，其实都是不能容忍的。同时，