荣耀任何一扇门，基于荣耀终端平台级人工智能大模型的数据学习和个性化习惯，通过感知平台和多模型决策引擎，轻轻拖动各种跨应用操作，直接满足需求，实现突破性的操作体验升级。在更多的核心场景中，如社交网络和搜索，由人工智能驱动，通过意图识别和语义理解，实现跨应用的直接步骤。通过语义深度识别、个人知识库匹配、个人意图预测，基于荣耀AI端侧大模型的任何门 ，让Magic Live平台级AI，直接达到用户意图。
在荣耀Magic6系列中，新的标志性交互功能“任何门”，基于荣耀终端平台人工智能大模型数据学习和个性化习惯，通过感知平台，基于多模型决策引擎，让各种跨应用操作，轻轻拖动，直接到达需求，实现突破性的操作体验升级。基于大模型语义理解能力的“智能成片”功能，只需用户用一句话描述需求，就能理解用户意图，自动编辑成片。 依托低功耗移动平台和荣耀独特的眼动控制技术，“智能胶囊”智能理解用户的每一步意图，实现跨应用的全局接触。
通过使用一般数据湖仓库的集成架构，组织可以克服以前无法克服的脱节架构的挑战，并在湖和仓库之间不断复制数据。数千个同时使用数据湖和数据仓库的组织可以通过使用该架构获得以下好处：
数据湖仓库一体化为云存储中的数据湖增加了事务层，使其具有类似于数据仓库的功能，同时保持了数据湖的可扩展性和成本状态。现在可以使用强大的功能，如支持使用主键更新、插入和删除的可变数据ACID 优化、表回滚等。通过数据聚类和小文件处理快速读取。
在我领导 Uber 在数据平台团队期间，我亲身感受到了这种破碎架构的痛苦。在湖泊和仓库之间复制数据的大型缓慢批处理将数据推迟到 24 超过一个小时，这减缓了我们的整个业务速度。最后，随着业务的增长，架构无法有效扩展，我们需要一个更好的解决方案来处理数据。
由于每种方法都具有某些工作负荷类型的优点，组织最终将同时维护数据仓库和数据湖。为了在源之间集成数据，它们将定期在数据仓库和数据湖之间复制数据。数据仓库具有快速查询功能，可以服务于商业智能 （BI） 数据湖支持非结构化存储和低成本计算，可以为数据工程、数据科学和机器学习提供服务。
虽然我可能有一些偏见，但我和我的团队建立了围绕这些通用数据湖仓集成的原则 Apache Hudi。Hudi 经过实战测试，通常被认为是最适合这些工作负荷的，并提供丰富的开放数据服务层，以保持构建和购买的可选性。此外 Hudi 流数据处理模型在数据湖上解锁，大大降低了运行时间和传统的批处理 ETL 运营成本。我相信，在未来的道路上，通用数据湖仓一体化架构也可以基于未来为这些需求提供类似或更好支持的技术。