AI 正在从「应用里的一个功能」变成「系统层的基础能力」。HarmonyOS NEXT 把小艺、意图框架、端侧模型、系统级 AI 能力开放给开发者，这意味着你可以不自己训练模型，也能做出具备智能分发、自然语言交互、场景预测能力的应用。
这一篇讲清楚：鸿蒙的 AI 原生能力有哪些，开发者能接什么，不能接什么，工程上怎么落地。
一、什么是 AI 原生应用
传统应用是「人找服务」：用户打开 App，找到功能，点击使用。AI 原生应用是「服务找人」：系统根据用户当前场景，主动把合适的功能推送到合适的入口。
鸿蒙提供的 AI 入口主要有：
AI 原生应用的关键不是「接入一个大模型」，而是「让应用能力被系统理解和调度」。
二、意图框架：让系统知道你能做什么
意图框架（Intents Kit）是鸿蒙 AI 原生的核心协议。它定义了一套标准 Schema，把应用功能抽象成「意图」，系统入口根据用户请求匹配并调用。
意图有两种运行方向：
意图共享（应用 → 系统）：应用把用户行为或状态共享给系统，系统学习后在小艺建议中推荐。
意图调用（系统 → 应用）：用户通过语音、搜索、卡片触发，系统调用应用对应功能。
以音乐应用为例：
// entry/src/main/resources/base/profile/insight_intent.json
{
"insightIntents": [
{
"intentName": "PlayMusic",
"domain": "MusicDomain",
"intentVersion": "1.0.1",
"srcEntry": "./ets/entryability/InsightIntentExecutorImpl.ets",
"uiAbility": {
"ability": "EntryAbility",
"executeMode": ["foreground", "background"]
}
}
]
}
// InsightIntentExecutorImpl.ets
import { InsightIntentExecutor, insightIntent } from '@kit.IntentsKit';
export default class InsightIntentExecutorImpl extends InsightIntentExecutor {
onExecuteInUIAbility(name: string, param: Record<string, Object>): insightIntent.ExecuteResult {
if (name === 'PlayMusic') {
const songId = param.entityId as string;
// 调用播放器加载对应歌曲
return {
code: 0,
result: { songId }
};
}
return { code: -1 };
}
}
用户对小艺说「播放周杰伦的歌」，系统解析出 PlayMusic 意图，调用你的 Executor，把歌曲 ID 传进来，应用只需要负责播放即可。
三、端侧智能：模型可以不在云端
HarmonyOS NEXT 提供了 Neural Network Runtime 等 AI 推理接口，支持把模型部署到端侧执行。端侧推理的好处是响应快、不上传数据，适合敏感场景。
但不是所有模型都适合端侧跑。判断标准：
如果你的业务只是图像分类、OCR、语音识别等小模型任务，端侧是合理选择；如果是大语言模型生成、复杂多模态理解，现阶段还是云端更现实。
四、AI 能力的工程边界
开发者容易对系统级 AI 有过高期待。需要明确几个边界：
意图不是万能入口：目前只支持预定义垂域意图，自定义意图需要按 Schema 设计，且要经过审核。
小艺建议的推荐权在系统：应用只能共享意图数据，不能保证一定被推荐。
端侧模型需要硬件支持：不同设备的 NPU 能力差异大，需要做能力探测和降级。
隐私是硬约束：AI 处理敏感数据必须在 TEE 内或端侧完成，不能随意上传。
五、实战建议：AI 原生应用的三层设计
把 AI 能力融入应用，建议分三层：
不要一上来就做大模型。很多场景的 AI 价值，靠规则引擎 + 意图框架就能实现。比如「用户每天 8 点打开导航」这种习惯推荐，不需要模型，只需要把行为数据共享给系统。
六、隐私与合规：AI 不能成为数据漏洞
AI 能力越强，数据风险越高。鸿蒙对 AI 数据的处理有明确约束：
端侧模型推理优先在 TEE 内执行。
敏感数据不上云，除非用户明确授权。
意图共享的数据必须遵循最小必要原则。
开发者在设计 AI 功能时，要把隐私方案写在需求文档里，而不是上线前临时补。
小结
鸿蒙的 AI 原生能力不是让你自己造一个大模型，而是让应用能力被系统理解和分发。意图框架、小艺建议、端侧推理是最值得优先接入的三个点。真正做出价值的 AI 应用，往往不是靠模型多强，而是靠场景理解多准、数据边界多清。
下篇讲大型团队鸿蒙化迁移实践，这是许多企业正在面对的真实问题。
参考阅读
HarmonyOS 开发者文档：意图框架概述
HarmonyOS 开发者文档：Intents Kit 开发指南
HarmonyOS 开发者文档：Neural Network Runtime