云云协同游戏行业论坛:华为游戏中心赋能开发者 打造鸿蒙精品游戏
2025年4月10日,“聚力共创 加速行业智能跃迁”华为云生态大会2025在芜湖召开。期间,由华为游戏中心主办的云云协同游戏行业论坛成功举办。论坛以“云启鸿蒙,游创未来”为主题,聚焦云平台、AI使能下游戏行业智能化发展,汇聚行业专家、游戏开发者与生态伙伴,围绕鸿蒙游戏生态建设、技术创新、开发者扶持等议题展开深度探讨,加速游戏行业智能化升级。
鸿蒙游戏生态迈入新阶段,全场景智能分发助力开发者
论坛伊始,华为游戏中心总经理发表了开场致辞,回顾了鸿蒙游戏生态的显著成果。他表示,鸿蒙生态的建设与发展,离不开产业的合作与协同,截至目前,已有500+游戏厂商参与鸿蒙生态建设,上架了超过3700款鸿蒙游戏,鸿蒙游戏正在迈向新纪元。而华为游戏中心将秉承软硬芯云协同的自主创新的底色,持续提供一站式服务支持,助力开发者实现技术跃迁。
会上,华为游戏中心高级运营总监也分享了鸿蒙游戏生态的差异化竞争优势,在游戏市场竞争日趋激烈的当下,鸿蒙游戏围绕新机遇、新体验、新服务正在为行业开辟全新赛道。
软硬端云的技术协同与创新,促进了鸿蒙游戏的体验提升,同时也为游戏产业催生更多新机遇。通过近场感知技术,多款鸿蒙游戏实现了手机碰一碰即可快速发起游戏组队邀请的功能,还支持未安装游戏的用户直接同步跳转下载,在线下娱乐的多元化场景中,碰一碰技术能够帮助厂商实现游戏传播裂变;鸿蒙创新互动卡片能够添加到桌面“即点即玩”,为玩家带来轻松解压的体验,更加符合时下移动玩家的轻量化游玩习惯,构建游戏创新场景,为游戏产业带来新的增量。
此外,基于HarmonyOS 5的分析能力,华为游戏中心能够结合全场景意图感知,精准预判玩家偏好,实现手机、平板、智慧屏三端联动的智能推荐;在开发者支持方面,全新升级的HGS(HarmonyOS Gaming Services)构建了业内完整的全生命周期服务体系,从开发测试的性能调优工具,到上线后的智能运营系统,帮助开发者实现高效开发。
鸿蒙游戏开发者服务焕新,技术赋能行业创新
在《鸿蒙游戏开发者服务,助力构筑最佳游戏体验》议题中,华为游戏中心高级产品总监详细介绍了HGS(HarmonyOS Game Service)服务的全新升级内容。焕新升级的HGS为开发者带来了赋能套件、运营服务、技术能力、商务政策等全方位的提升。目前,主流引擎、三方自研引擎、SDK和插件等游戏产业链各环节均已完成鸿蒙适配,将为开发者提供更全面的技术支持和更精准的运营服务,助力行业伙伴抢占鸿蒙生态发展先机。
在运营支持方面,华为游戏中心为开发者提供全生命周期服务,包括自助提报活动、数据分析和策略优化等功能,帮助游戏实现长效增长,开发者可以灵活制定运营计划,精准触达目标用户群体。
云云协同加速游戏创新,驱动产业智能化发展
云平台、AI、VR等高新技术的发展,为游戏产业蓬勃发展提供了坚实的技术基础。极致性能的云原生基础设施提供稳定的游戏环境,云原生大数据统一数据底座,实现存算分离,降本增效。游戏AI加速游戏智能化,提升研发效率,增强游戏体验。移动游戏云化,实现云游戏一点即玩,支持同屏互动,丰富游戏玩法。
华为游戏中心关注游戏行业发展趋势以及合作伙伴需求,与华为云紧密协同,共同发挥华为独有的云、网、边、端产业布局和协同优势,为游戏伙伴提供从立项、研发、到发行和运营阶段的全生命周期解决方案。
论坛上,多位行业代表也分享了AI技术驱动下,游戏产业的智变和重构经验。鸿蒙全场景和AI等特性能力全面提升,具备更强的感知、推理能力,能够贴合玩家认知在多场景做游戏推荐,也为游戏体验、场景玩法和跨终端交互带来更多可能。华为游戏中心致力于通过创新场景的构建和技术能力的开放,持续不断地为开发者带来新的机遇,从而创造更大的价值。
论坛尾声,华为游戏中心与华为云携手行业伙伴共同启动“云云协同·加速游戏行业智能跃迁”行动。展望2025年游戏生态发展,华为游戏中心表示,未来将持续深化鸿蒙游戏技术赋能,通过工具创新、政策激励和资源支持,为全球玩家带来更极致的游戏体验。现如今,华为游戏中心正携手行业伙伴,共同书写游戏产业智能化发展的新篇章。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
推理 AI 模型基准测试成本激增:评估一个或需近 3000 美元
第三方 AI 测试机构 Artificial Analysis 数据显示,在七种流行的 AI 基准测试中评估 OpenAI 的 o1 推理模型需要花费 2,767.05 美元:MMLU-Pro、GPQA Diamond、Humanity's Last Exam、LiveCodeBench、SciCode、AIME 2024 和 MATH-500。 在同一组测试中对 Anthropic 最新的 Claude 3.7 Sonnet进行基准测试的成本为 1,485.35 美元,而测试 OpenAI 的o3-mini-high 的成本为 344.59 美元。 有些推理模型的基准测试成本比其他模型更低。例如,Artificial Analysis 评估 OpenAI 的 o1-mini 花费了 141.22 美元。但平均而言,这些模型的基准测试成本往往不菲。Artificial Analysis 总计花费约 5,200 美元评估了大约十几个推理模型,几乎是该公司分析 80 多个非推理模型(2,400 美元)花费的两倍。 OpenAI 的非推理 GPT-4o 模型评估成本仅为 108.85 美元,...
- 下一篇
DPP 推荐引擎架构升级演进之路
一、DPP整体架构 DPP依赖于算法平台的引擎服务(FeatureServer,召回引擎, 精排打分),提供“开箱即用”的召回,粗排,精排服务。采用“热加载技术”解决算法平台的工程和算法同学策略迭代效率问题,支持策略随时发布,让他们可以专注于业务逻辑,即可拥有稳定的推荐在线服务。 图1.0 DPP服务整体架构 平台特性 快速迭代:通过系统解耦,实现算法、策略的快速迭代。 效果分析自动化:打通数据平台,BI数据分析标准化。 灵活实验:通过分层实验平台,支持多层多实验的灵活配置。 诊断方便:落地各子流程中间结果,支持算法、策略的细化分析;提供方便的监控告警,运维,时光机等问题排查工具。 二、DPP引擎演进 DPP编排引擎的迭代分为了3个阶段:固定编排,灵活编排,图化DAG编排;均是在策略迭代过程中,围绕着“迭代效率”提升的不断进化。下面分别介绍下各阶段引擎产生的背景及其方案。 2.1 固定编排 - DPP-Engine 推荐业务一般都可以抽象为“召回->融合->粗排->精排->干预”等固定的几个阶段,每个阶段通常是有不同的算法或工程同学进行开发和维护,为了提升迭代效...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- 设置Eclipse缩进为4个空格,增强代码规范
- CentOS关闭SELinux安全模块
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Hadoop3单机部署,实现最简伪集群
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- Docker安装Oracle12C,快速搭建Oracle学习环境