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，应用现代化的核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与 API 可信数据资产目录实现跨域流通，为 Agent 提供实时、高质量的训练与推理燃料；而 API 则从传统的服务接口演进为“智 能连接器”，通过动态编排与语义理解，支撑 Agent 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 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”。 华为云始终践行“一切

基础设施层 3.1.1 软硬协同一体化，构建融合高性能基础设施 3.1.2 调度和升级优化，支持超大规模算力管理 3.1.3 端到端可靠性设计，保障系统稳定可靠运行 3.1.4 原生安全能力基线，构筑纵深防御高安全体系 数据层 3.2.1 五大核心要素，定义和设计云上数据库 3.2.2 基于数据迁移和同步技术，保障数据完整性与准确性 3.2.3 数据库和存储设备协同，高效实现大库备份和恢复 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 Hadoop、Spark）使用分布式文件系统（如 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 全量割接 上线监控与回退 瀑布开发

安全解决方案：安全可信的 MaaS 24 2 MaaS 安全核心理念：客户数据主权、25 负责任的 AI 与云原生安全保障 2.1 客户数据主权：平台可靠、数据自主可控、链 25 路可信、操作可审计 2.2 负责任的 AI：安全、合规、向善、透明 26 2.3 云原生安全保障：打造可靠 AI 基础设施 27 目录 大模型发展趋势、风险挑战与 解决方案 1 模型商业落地加速，面临多样化的部 研发安全：数据与算法根基防护，强化内生 49 安全能力 3.2 部署安全：过程控制，构建防御屏障 59 3.3 运行安全：上线监测，实现动态防护 60 CHAPTER CHAPTER 阿里云AI基础设施：原生安全 保障 1AI 基础设施及其关键挑战：兼顾安全、30 能力、效率 1.1 安全挑战：系统软件漏洞、资源滥用、供应链 30 攻击与隐私合规风险 1.2 高可用性挑战：系统稳定性压力增加 68 1.2 MaaS 时代下的新型安全风险研判 68 1.3 拥抱全球合规框架，构建可信 AI 基石 70 2 阿里云百炼全链路安全能力框架 72 2.1 安全设计理念：纵深防御与原生集成 72 2.2 核心：贯穿生命周期的数据安全与隐私保护 73 2.3 扩展：支持客户弹性、灵活地应对外部攻击 78 3 阿里云百炼关键场景安全实践 82 3.1 场景一：发布并调用一个线上模型推理服务

互入口也随之从基于应用程序的界面逐步演进为基于 AI Agents 的界面。 面向未来，鸿蒙系统将在整个 OS 层面构筑统一的 AI 系统底座，达到系统内所有组件都 高效灵活使用 AI 能力的系统级原生智能。在此基础上，构建常驻系统、结合系统底层能力的 系统级 Agent（即超级智能体），识别用户意图，完成服务闭环。同时，鸿蒙系统也将进一步 图 3 鸿蒙 2030 愿景及关键特征 ����������� 效率、空间计算应用的流畅交互体验、多 Agent 协同、系统性安全问题等。下一代编程语言应 提供原生 AI 应用开发框架和设计特定 DSL（即 Agent DSL）来简化应用开发，使模型部署、 智能决策等 AI 相关功能成为开发框架的一部分，给开发者带来高效的开发体验。 针对以上挑战，我们设计并实现了一款新的编程语言仓颉。仓颉编程语言具备原生智能化、 天生全场景、高性能、强安全等特点，内置定制的 Agent DSL 面向领域的声明式开发，提供模型部署、智能决策、Agent 协同的框架能力。 当前在鸿蒙原生应用的开发中，支持声明式 UI，一次开发、多端部署的 ArkTS 语言已经 被广泛使用。仓颉语言作为面向未来的下一代编程语言当前已经完成设计与实现，并启动了开 发者预览，未来将与 ArkTS 共同发展，为鸿蒙原生应用开发者提供极致高效的开发体验。 鸿蒙 2030 倡议 - 34 - 鸿蒙 2030

第三章：技术引擎：驱动数智化的核心力量.......................................................................22 3.1 云智一体：云原生与 AI 的深度融合......................................................................22 3.2 工业大脑：AI 大模型在制造业的落地 阶段性目标，避免盲目投资。 全景的现状扫描 - 通过对四大类型企业的深入剖析，辅以研发、生产、供应链等关键领域 的成熟度分析，为企业精准定位自身坐标提供参考。 落地的技术指南 - 我们不空谈概念，而是深入解析云原生、AI 大模型、数字孪生等技术的 实际应用场景，展示它们如何真正为制造业创造价值。 真实的行业实践 - 汽车、电子信息、化工医药三大行业的典型案例，见证了领先企业如何 通过数智化实现质的飞跃。 1 云智一体：云原生与 AI 的深度融合 在数智化转型的深水区，企业往往面临一个核心矛盾：对智能化的迫切需求与高昂的技术 门槛和成本之间的矛盾。解决这一矛盾的关键，在于“云智一体” 的战略选择。云平台 已不再是简单的 IT 资源池，而是承载一切数智化应用的“基座”，它通过提供弹性、可 扩展、按需付费的算力与服务，极大地降低了企业，特别是制造业企业拥抱 AI 的门槛。 云原生：重塑应用开发与部署模式

代化、网络恢复与韧性强化，以及核 心企业应用更新。 近三分之一（31%）的组织表示，数据中心基础设施现代化将是首要投资方向，这一趋势反映出 从“云原生”到“AI原生”系统的广泛架构演进。与以往仅将AI作为附加功能整合的模式不同， AI原生架构从设计之初就以AI为核心，通过实时数据管道、自适应基础设施和持续学习能力，支 撑高性能、可扩展的AI工作负载。这一模式不仅对计算资源提出了新要求（如高性能GPU与专用 = 1007，金融服务 = 145，软件与信息服务 = 132，制造业 = 193，零售业 = 101） 综上，这些趋势代表着企业IT策略的根本性转变：从“附加AI能力”转为“智能体驱动、AI原生 的未来，系统性地设计、保障并优化技术栈的每一层”。优先进行这些投资，并联合各业务职能 相关方的技术领导者，企业才能更好把握AI驱动转型所带来的优势与机遇。 趋势 3：开源生态系统推动AI普及，助力创新与业务增长 如今，AI、大数据工程与高级分析技术已渗透到几乎所有ICT岗位中，它们将企业的数字化成熟度 与智能系统的掌握程度紧密相连，助力企业提升运营效率、实现明智决策。网络与网络安全领域 的专业人才需求也在大幅增长⸺由于云原生架构模糊了基础设施与安全之间的界限，要求相关 人员必须熟练掌握云管理、威胁建模及自动化事件响应等技能。 然而，仅掌握技术知识已远远不够。创造性思维、适应性推理能力与敏捷执行能力，正变得与编 码

赋能方案：  构建云原生车联网（IoV）平台。车联网平台是实现主动式智能服务的数据基石， 它必须能够应对百万级乃至千万级车辆并发接入所带来的海量、高频、时序性数 据挑战。这些数据具备高频采集、强时序性、非均匀分布等典型特征，对系统的 高并发处理、低延迟响应与稳定可扩展性提出了极高要求。面对如此复杂的数据 洪流，传统的批处理架构或单点流式引擎已难以支撑。为此，袋鼠云基于云原生 理念，打造了面 升级与预警分析的智能触发，都 能在保障高吞吐的同时维持毫秒级延迟响应。凭借这些特性，StreamWorks 已成为 构建云原生车联网平台的“实时计算底座”，帮助主机厂与出行企业在应对海量 连接挑战的同时，真正实现“从被动感知到主动服务”的智能跃迁。 图 40：云原生车联网（IoV）平台监测 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 57 —  全生命周期车管家：“车联 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 82 —  构建多模态数据中台: 针对汽车行业数据海量、多模态（结构化、半结构化、非结 构化）、实时性要求高的特点，推荐采用开放、云原生的技术栈，构建新一代的 湖仓一体多模态数据中台。该平台能够将数据湖的低成本、灵活性与数据仓库的 高性能、强管控能力相结合，实现对车辆 CAN 总线数据、生产日志、用户行为 数据、业务交易数据等

珠宝行业营销数字化发展趋势 8 珠宝行业数字化实践 结语 06 31 01 全球珠宝行业正经历深刻变革，新技术和Z世代消费群体的崛起成为关 键驱动力。Z世代（1995-2009年出生）作为数字化原生代，习惯于通 过互联网获取信息并表达个性。他们强调个性化、社会责任感和环保 意识，注重品牌文化、情感价值及购物体验的互动和社交。这一代消 费者偏爱能传递价值观和情感故事的品牌，并倾向通过数字化渠道完 整合线上与线下资源，提供无缝的购物体验。 线下门店 线下门店智慧屏 可定制个性手链 线上线下联动 线下主题快闪店 11 珠宝行业数字化转型的必要性 对于珠宝品牌而言，数字化转型既是挑战也是机遇。Z世代消费者的数字原生特性，使 得品牌必须在数字化渠道上与他们保持紧密联系。通过数据驱动的运营模式，品牌能够 实时获取消费者的行为数据，分析他们的购买习惯和偏好，从而制定更精准的营销策略。 与此同时，品牌还可以利用

Scale-Out 层面，移动云将在未来考虑在各平面使用 OCS 替 代原有的 Super Spine。OCS 替代 Super Spine 并非单一设备升级， 而是移动云算网架构从“电为主、光为辅”向“全光原生”的范式 云智算光互连发展报告 转变，本质是通过算网底层的全光重构，破解大规模 AI 算力集群的 带宽瓶颈、延迟损耗与扩展桎梏，为“N+X”智算节点的弹性组网提 供核心支撑。这一升级并非简单的硬件替换，而是覆盖数据、控制、 版本起持续迭代至 2025 年 3.0 版本，逐步强化可靠性、可管理性、3D 封装及高速互连 能力。两者共同推动 Chiplet 生态走向互操作、低成本与高性能。 2022 年 12 月，中国首个原生 Chiplet 技术标准发布《小芯片 接口总线技术要求》（T/CESA 1248-2023），这项标准描述了 CPU、 GPU、人工智能芯片、网络处理器和网络交换芯片等应用场景的小芯 片接口

② 自动适配语法差异与变量命名规则，减少手动调整工作 量； ③ 提供详细的兼容性报告，标记需手动调整的部分（如特殊 指令）。 兼容主流总线协议，直接 复用存量设备 天行 PLC 原生支持 Profinet、EtherCAT、Modbus TCP/RTU、 CANopen、Profibus DP 等主流总线协议，若存量 PLC 被天行 PLC 替代后，可无缝接入现场传感器、执行器、HMI 备自主化进程的关键“卡脖子”问题。 在这一背景下，宝信软件推出的天行 IDE 成为国产技术攻坚中的亮点。作为 自主研发的工业软件平台，天行 IDE 不仅是天行系列 PLC 的专属开发工具，更是 一个面向全行业的开放式、云原生平台。它支持跨操作系统部署，深度适配国产 化软硬件生态，并具备集成第三方应用的能力。 尤为突出的是其深度集成能力： 天行 IDE 将传统上分散于多个独立工业控 制 IDE 软件（如 PLC 编程、HMI 在服务器部署模式下，天行 IDE 的软件更新仅需在服务器端执行一次， 即可实现全局升级，无需逐台更新客户端。同时，所有项目文件集中存 储于服务器，便于统一管理。 跨平台部署 除了 windows 系统，天行 IDE 原生兼容各种操作系统，如麒麟、通信、 Ubuntu 等，适配全国产化生态。 多人在线 支持多人同时在线编程同一台 PLC 设备，操作简洁直观，显著提升团队 协作效率。 第四章：大型 PLC 典型行业客户现阶段对自主可控的需求