
作者|高飞
操作系统和数字体验的关系是最直接和紧密的。
举个例子来看,20年前,1992年微软发布了划时代的操作系统,可以流畅支持鼠标操作的Windows 3.1。这就意味着,即使一个用户的电脑的硬件没有任何升级变化,假设还是286或386,也依然可以通过一个叫“扫雷”的游戏体验到用鼠标操作电脑的乐趣。
这个例子,也可以直接套用到鸿蒙(HarmonyOS)操作系统的一项特性——分布式能力上。
鸿蒙强调了它的八项创新能力,包括分布式能力、原子化服务、AI、地图、音视频、隐私安全等,「分布式」是第一个创新特征。
当时被强调最多的特性,也是分布式,即支撑鸿蒙作为面向万物互联的操作系统最核心能力。
消费者的手机即使是硬件没有任何的变化,也能够通过鸿蒙的分布式软总线、端云协同等能力,获得以前没有感受过的跨设备应用和数据流转体验。
而对开发者来说,他们也得到了“一次开发,多端部署”的编程体验,更容易开发出“终端可分可合,数据自由流转”的应用场景。
因此,鸿蒙做的事儿,虽然初衷是替代,但是,是更有意义的替代,也是鸿蒙区别于同行,在发展理念上的第一个发展抓手。
当然,只有新特性,还不足以吸引开发者的目光。
几十年前,IBM的OS/2 操作系统,有很多Windows 没有的特性,但是因为装机量不够多,所以缺乏开发者新的应用支持,所以还是没能赢过微软。
鸿蒙的第二个抓手就是装机量。
华为不能再用谷歌GMS的时候,正值智能手机业务发展的高峰,不仅在中国,甚至在欧洲市场也塑造了高端品牌形象。
但是对于开发者来说,更重要的是,华为手机的既有的巨大的存量市场。
有了数亿现有设备的支持,和后续虽然没有5G、但是依然得到国内消费者追捧的新机,让鸿蒙平台的开发者更容易、更快速的获得市场回报,而不是像早期Linux系统的发展一样,要经历一个漫长的爬坡期。
或许是鸿蒙系统本来是为物联网系统打造的,所以鸿蒙从一开始,就非常注重非手机终端的支持。
我们一直在说“万物互联,万物智能”。鸿蒙应该是这八个字的坚定践行者。
拿业界最关心的产品「汽车」来说。
虽然对于汽车的评价有多样化的指标,消费者也有多元化的口味,但是目前来看,鸿蒙赋能的车机体验,确实有比较一致的好口碑。
所以,余承东就曾经毫不客气的说,鸿蒙座舱是“车机天花板”,特别是,有像“手机”一样流畅丝滑的车机。
不过,还有一些非常值得关注的,也是比较容易被忽视的行业场景。
比如在医疗健康领域,华为和301医院、北京大学第一医院合作,做到基于华为手表检测到的HRV、呼吸率、血氧、异常咳嗽音等生理参数,进行肺功能评估,实现慢阻肺风险筛查。
实际上,相对消费电子这样对AI等新技术使用的非常靠前的领域,传统行业有许多场景是落后于技术发展的。甚至,如果用技术用的不好,还不如没有技术。
无疑,以后的房屋装修,除了传统的水电墙面木工,必然会增加一项以网络为核心的数字化、智能化。
其实严格来说,汽车也属于这个范畴。如果没有新能源和智能化两个新引擎,百年汽车工业的市场版图,一定不会是现在的面貌。
把智能手机上已经用的非常纯熟的AI等能力,正如同将元气释放到传统行业中实现数字化转型,这是鸿蒙作为新OS的第三个抓手,应该也是最有潜力的抓手。
好文章,需要你的鼓励
本文介绍LT-OPD训练框架,通过让极限压缩的多模态大模型在自己生成的内容上接受满血版模型指导,并配合渐进式课程学习,在仅保留5%视觉token时把性能保留率从68.6%提升到82.3%,且不增加推理成本。
本文解读ALIGNOPSD方法,该方法针对AI智能体训练中"决策与时间戳错配"问题,通过先对齐功能相同的决策场景再打分,并按可变长度决策段分配信用,在ALFWorld、WebShop、Search-QA三大任务上相比GRPO提升5.5%至8.7%。
本文介绍自适应一致性图(ACG)方法,通过持久化执行记忆图与预算感知的上下文构建,帮助AI智能体在长任务中减少信息失联,在多项基准测试中相比ReAct等基线方法提升了任务成功率。
多智能体AI协作时重复计算KV缓存浪费严重。PReCache提出预计算低秩缓存和中性基础缓存重构两项设计,免训练实现最高3.1倍加速、2.3倍吞吐提升,且准确率仅比不共享方案低1.1个百分点。