能用普通人聽的明白的語言聊一下鴻蒙系統是什么樣的嗎？

先狗頭保命。（提示：此回答有加密內容）

以下內容為全網獨家消息，轉述自項目相關員工，信息量遠高于各路自媒體。

我看知乎上這么多開發者都在抱怨鴻蒙，我觀點跟其他開發者差不多，發布會約等于什么都沒講，但其實沒必要這么激動。

不管你對發布會滿不滿意，先不要點反對，這篇文章絕對有你要找的東西。

華為的技術一直都還可以，這次發布會的問題是沒有請項目負責人來講解，余本身也多年不碰技術，讓他講ppt，其實不是個正確選擇。

正好我周圍有幾個華為的朋友，工作跟鴻蒙相關。前后問了很多東西，很漲姿勢，這里分享給大家。都是要公開的東西，也不存在泄密。而且也不涉及具體技術實現。

現在很多人說開發者大會連一點文檔，開發工具都沒放出來，連用什么語言都不知道。目前開發工具確實沒準備好。但是已經很有進展了。

朋友的同事A，目前在做形式語言及相關理論的研究。

這次發布會強調統一IDE支撐一次開發，多端部署，可以實現跨終端生態共享。

A所在的組正在設計鴻蒙的開發語言，以及相關的開發工具，這次華為不打算用Java，而是基于超文本標記語言改進，設計了一套全新的語言。叫做原生標記句法語言（Native Marked Syntax Language），簡稱NMS語言。 這是解釋型語言。

很多人會說，解釋型語言不是很慢嗎？是的。

但是解釋型語言可以降低新手的學習門檻，對開發者友好，現在鴻蒙需要生態，要吸引開發者，只能這樣做。

但不用擔心，這次NMS也會納入方舟項目，采用的是解釋器+預編譯技術，后期會慢慢更換為純編譯。性能上有望接近C++和Rust。

A其實是個神人，屬于特別有天分的那種，他初中時，在一次算法比賽中，他用C++寫出了O(1/n)時間復雜度的算法，當時編譯沒有通過，他非常憤怒，錘了一下電腦，然后編譯器鏈接錯誤，于是他只能現場用機器語言寫一個非常粗糙的編譯器來編譯程序，最后比冠軍晚提交了5秒，只拿了亞軍。

后來就喜歡上了編譯原理，高一之前就把龍書虎書鯨書都讀完了。直到現在還沉迷在編譯技術中。整天想著怎么改進haskell和Lisp。

這次他在新語言的解釋器里貢獻了相當多的代碼。（據 @Bricklayer 的內幕消息：方舟編譯器將比GCC多一個級別的優化選項，-O4優化，僅內部使用。此選項為云優化，編譯時代碼將上傳到A的服務器上，由A親自優化）

朋友B，做安全的。他算是大學就一起玩的死黨了，上文和后文的同事，其實都是他的同事，我們玩到一起了而已。

他老大非常牛逼，是華為花大價錢挖過來的白帽子。發布會上說的基于微內核架構提升設備安全性，其實就跟他們組有關。

講大了就泛泛而談了，所以我就講一個點。

如果提到CPU的安全性問題，很多開發者會想起去年初爆出的Meltdown和Spectre漏洞，目前Intel和AMD在售的CPU，幾乎都中招，一時間人心惶惶。

簡單介紹下這兩個漏洞吧。

現代的CPU，不管是x86還是Arm，都使用分支預測技術（Branch Prediction），CPU會在執行if語句，流水線閑置等待的時候猜測一個分支并執行，預測失敗就恢復，執行對的分支。因為程序具有局部性，加速效果非常明顯。

沒這個技術，現在的CPU速度至少降低一半

現代操作系統還有虛擬內存，進程之間無法直接訪問對方的內存，這方便管理，并且保證數據安全。

這本來是沒有什么問題的。

問題出在緩存上，當分支預測失敗時，CPU會恢復到執行之前的狀態，這在邏輯上沒有問題，但是現代CPU出于性能考慮，不會恢復緩存。也就是說，一次分支預測之后執行的代碼，導致一些數據加載到緩存了，如果分支預測失敗，這些緩存是不會主動退回的。

但是緩存訪問更快，內存慢，如果某個惡意程序被執行，并且跟普通進程有內存共享機制。那么惡意程序可以引導普通進程進行特殊地址的訪問，然后惡意程序測量訪問速度，猜出訪問的是緩存還是內存。進階版本的實現甚至可以dump普通進程的整個內存映像。這是一種旁路攻擊。

本來硬件的漏洞，在操作系統層面是沒法修復的，只能補救。如果要軟件修復，要不就是不能完全抵御攻擊，要不是就是犧牲大部分CPU性能。

朋友B所在的組基本上以很小的代價，解決了這個問題，而且這項技術未來也會應用在鴻蒙OS上，這點上其實可以稍微吹一吹，因為目前Windows和Linux都沒做到這點。具技術原理我沒聽太懂，大致是預先訓練一個模型，通過識別進程上下文，提前預判程序的執行流程，可以達到跨秒的預測，大幅降低預測失敗的可能性，這叫熱點換頁算法（Boiling Point Page Swap Algorithm）。

再說說當年他老大怎么進來的。

面試現場，面試官問了個網絡安全的問題，然后老大看到面試官的Thinkpad裝的是Kali Linux，想著就不用啰嗦了，直接上手干，實力說話。于是老大就用那臺thinkpad在面試期間拿下了華為一個生產環境的數據庫，差點拖庫了。雖然不是什么核心的服務器，算不上重大事故，但面試官一下子就拍板，漲了一倍薪水，把人要了。所以是一戰成名。

朋友的同事C，這也是個神人，騷話特別多，喜歡玩各種底層的輪子，之前混幣圈的，主要是做分布式，其實就是挖礦。

覺得沒意思了，來了華為，這次鴻蒙的分布式架構有他參與。

最近他們在測試鴻蒙同時在100臺終端上的協同計算能力。測試方式沒定，他問老大，老大說跑深度學習？算了，不是特別熟。那挖礦吧，畢竟之前就玩這個。老大就答應了。

然后充分利用了鴻蒙的特性，寫了很多指令級優化，比如通過提高數據訪問的局部性來提高緩存命中率，使用循環展開來提高整數和浮點單元，及流水線的占用率。還充分利用了CPU的SIMD技術。其中有一種麒麟芯片的擴展指令，原生高級矢量指令（Native Advanced Instruction in Vector Edition），簡稱NAIVE，支持2048位寬度的矢量運算，高于Intel的AVX2擴展指令，能做到高度的數據并行。

最后通過共享基技術（Shared Base）部署到100臺機器上。單臺機器的運算速度優化到了之前的1.7倍。

因為有如此大的提升，他當時沒反應過來，一下子沒法相信，還以為程序出錯了，根本就沒算出正確結果。于是他心算了一波非對稱加密的密鑰，和程序結果比較，發現其實都是對的。這波優化其實相當漂亮，在內部還專門做了場報告，而發布會根本沒有提。

最后再說說發布會上宣傳的低延時引擎，其實實時系統的低延時不是什么值得吹的性能，如果連低延時都做不到，那就不叫實時系統了。就像汽車有四個輪子一樣，這算不上feature。

只是這次鴻蒙用了全新的調度算法，反搶占式調度算法（Anti-Navy Preemptive Algorithm）。

以往的實時系統可以保證低延時，但是沒辦法保證CPU占用率，這次鴻蒙做到了既可以運行實時任務，還能盡可能榨干CPU的剩余性能，保證CPU空轉等待的概率降到最低。

這部分在發布會上就是一筆帶過，難怪這么多人不滿意了。

總體來說，華為技術可以，但這次發布會完全就是翻車現場。對著一堆已經寫進教科書的技術吹，而自己做的東西一點都沒講。這恰好滿足一部分外行半懂不懂喜歡虛榮的心理，但又讓開發者感到蒙蔽：這都是正確但無卵用的廢話，說了半天等于啥都沒說