本次演讲将分享在鸿蒙操作系统适配的背景下，结合传统跨端方案的优缺点，探索一种突破传统性能瓶颈的跨端方案，实现“原生性能”下的一码多端。同时，探索在 LLM 的 AI Coding 的趋势下更切合 AI 的跨端方案。

演讲提纲

1. 背景

• 鸿蒙适配需求，客户端侧的跨端方案需求更迫切
• 在 LLM 的 AI Coding 的趋势下，有没有更切合 AI 的跨端方案
• 问题的提出：探索一个契合新时代的新跨端方案思路

2. 从跨端方案发展历程出发，探索新的突破口

• 传统方案与核心瓶颈
  • Web 跨端：Webview 启动瓶颈，动态语言性能瓶颈，虚拟机 ffi 瓶颈
  • RN 跨端：动态语言性能瓶颈，虚拟机 ffi 瓶颈
  • Flutter 跨端：虚拟机 ffi 瓶颈
• KMP 跨端方案
  • 优势：无虚拟机，无 ffi
  • 瓶颈：runtime 与宿主的数据转换
• 有没有一种能突破核心瓶颈，逼近原生性能的跨端方案？

3. 基于转译的跨端方案 - RTS

• 基本架构：三位一体的方案
• RTS 语言
• Salamander 工程
• Relax UI
• 核心问题的解决
• 宿主无缝交互：声明（Typing）的导出与消费
• 多端差异抹平：多种条件编译方式
• 高性能数据传输方案：类型互通（Array、Map、Json）
• RTS 在字节的落地现状
• 转译方案的优势与挑战

4. 基于 LLM 的 RTS 研发方案探索

• AI 时代，语言对于跨端的重要性
• 不同语言，AI 友好性存在差异，比如 C++ 对比 TS
• AI 跨端的两种方式：“单语言跨端”与“AI 直接写多端”
• 从语言、工程化、UI DSL 三个方面探索如何尽可能地 AI 友好
• 一些基于 AI 的探索实践
• 辅助抹平：Compact API
• 生态迁移：Kotlin2RTS

您认为，这样的技术在实践过程中有哪些痛点？

• 基于转译的跨端方案，业界并没有非常多的实践。其能力边界尚未十分明确
• 通过转译的方案，虽抛开了独立的虚拟机，但也带来了多端抹平的挑战
• 一门新的语言，提供价值是第一步，拓展生态是第二步。初期生态的不完善也是挑战

演讲亮点

• RTS 如何做到与宿主无缝交互
• RTS 如何做到高性能数据传输方案

听众收益

• 极致性能的跨端方案探索
• 新时代的跨端方案如何与 AI 融合