采访嘉宾 | 淘天集团 1688 终端架构负责人曹立成 2024 年，大前端领域并未出现显著的技术革新。除了鸿蒙操作系统这种独立生态的推动，其他热点较少，就连去年发布的 Apple Vision Pro 也或已于年底停产。
这一年，大前端领域的发展受到了多重因素的影响，呈现出创新乏力、前端地位弱化、关注点下沉等特点。
关于 Web 领域的现状，目前仅有少数公司仍在这一方向投入研究。大多数企业已将相关工作划归至业务团队，重点转向为业务目标服务。这意味着当前的主要任务是支持业务需求，而不是只做一些技术研究。现在，许多跨端框架与前端的关系并不十分紧密。虽然它们可能会借助前端生态来降低开发成本，但实际上与前端本身的关联性并不强。因此，今年纯前端领域的地位有所弱化。
与此同时，许多公司逐步转向由客户端主导的开发模式。客户端开发，尤其是面向操作系统的开发，因其能充分利用硬件资源，在 AI 等领域展现出优势，逐渐成为主流。比如在 AI 场景中，对于前端来说，在操作系统的环境里去运行 AI，比浏览器更容易，因为操作系统能够充分利用完备的硬件资源支持计算任务。
“大前端”融合了前端和客户端，从技术层面看，一部分面向 Web 浏览器的，另一是面向操作系统的。这两者在技术栈上有一些不一样。Web 开发受限于浏览器的发展，创新空间相对较小。相对而言，行业对操作系统的发展关注度更高，因为操作系统的发展对上层应用的创新起着决定性作用。如果底层技术没有发生实质性进步，那么上层应用即便频繁更迭，仍然难以摆脱“换汤不换药”的局面。
今年的一大变数是鸿蒙系统的推出，使跨端开发需求再次被关注。
跨端开发由来已久，初衷是通过统一的代码框架实现多端运行，经过多年实践，跨端方案虽然能够实现多平台的功能覆盖，但其整体效率提升却有限。主要原因在于，跨端开发仍需额外的工作来弥补各平台之间的差异。例如，要实现一个网页调用摄像头的功能，不同平台（如安卓和 iOS）有各自的实现方式，仍需要原生工程师进行支持并封装 API 供调用。因此，跨端方案虽然看似减少了表面上的开发工作，实质上只是将一部分复杂度转移到平台差异的抹平上。
此外，许多跨端引擎（如 Flutter）表面上提供了便捷性，但在实际应用中带来了诸多问题。例如，包体积的增加、稳定性问题，以及用户崩溃率的上升等，这些问题往往难以修复，且需要大量人力去排查和解决。长期来看，跨端方案用多了反而导致了用户体验的下降，特别是在苹果生态系统中，由于 iOS 系统的封闭性，许多跨端框架在 iOS 平台上的表现不尽如人意，与原生 iOS 应用所提供的优质用户体验形成了鲜明对比。所以这两年各大公司尤其是头部应用，都会把这些慢慢地去掉下线，转而回归原生开发和 H5（面向浏览器）的组合模式。以拼多多为例，其绝大部分页面采用原生实现，它的体验就很好。近年来，跨端开发的热度有所下降，过去一年内这一领域也未见显著突破。
然而，跨端重新受到关注，其最大的推动因素正是鸿蒙系统的加入。2024 年 10 月，HarmonyOS NEXT（纯血鸿蒙）正式发布，意味着许多应用需要进行鸿蒙适配。而对于已经迭代十余年的头部应用来说，短短几个月全部重写一遍根本就不可能。因此，跨端被视为一种减少开发成本的折中方案，核心目标是通过跨端技术复用部分代码，从而降低开发量。
自 React Native (RN) 版本 0.72.5 开始，鸿蒙系统获得了初步的支持。然而，这种支持并非由 RN 官方实现，而是由华为开发者基于 RN 官方某一版本拉取分支实现的。类似的情况也出现在 Flutter 社区，鸿蒙的支持也是由国内开发者拉取分支完成的，而非 Flutter 官方提供的支持。
这种分支模式的主要问题在于，开源社区会持续对主干版本进行迭代，而分支版本很难快速跟进主干的更新进度。这就导致了生态的不统一。尤其是在性能方面，无论是 RN 还是 Flutter，在鸿蒙系统上的表现都较为一般，与使用 C++ 或原生 ArkUI (RTS) 实现的应用相比，用户体验差距较大。这种性能瓶颈使得 RN 和 Flutter 在鸿蒙平台上只能满足基本需求，但难以提供优质体验。
这促使许多公司转向使用 C++ 开发基础库，C++ 的性能优越，且其代码可在安卓、iOS 和鸿蒙系统上运行，从而提供了一种更统一的跨端解决方案。C++ 对开发人员的要求较高，包括对内存管理的精细操作等，显著提升了技术门槛。因此，对于性能要求高的业务场景，例如需要高流畅度的核心用户路径，C++ 更为适合。对于某些对性能要求不高的业务场景，例如工具类应用或非核心用户路径的功能模块，可以考虑采用跨端方案来节省开发人力和时间成本。
另外，Taro 作为京东开发的一款前端框架，其对鸿蒙系统的支持是由官方提供的。Taro 的核心架构基于 AST（抽象语法树），通过解析上层 DSL（领域特定语言）的声明，将其转译为不同平台的代码版本。例如，Taro 可以转译为 RN 的代码、微信小程序的代码，或者其他平台的代码。在鸿蒙系统上，Taro 的实现方式是将其 JS 代码转译为鸿蒙系统支持的 RTS（ArkUI）代码。
尽管 Taro 官方对鸿蒙提供了维护支持，但其在鸿蒙平台上的性能表现依然有限。Taro 的核心应用场景仍集中于小程序生态，而在原生鸿蒙系统上的性能问题与其他跨端框架类似，用户体验只能算是“能用”，但与原生实现相比仍有较大差距。
鸿蒙系统上的应用生态日益丰富，目前已上架 1.5 万个原生应用。相比以往“大而全”的超级 App，鸿蒙应用的用户体验在流畅度和易用性上表现出色，甚至在某些方面超越了 iOS 和安卓。
这主要源于历史包袱少。这些应用经过多年迭代后，积累了许多冗余功能和代码，其中不少功能已不再被用户使用，部分代码也处于边缘状态，实际利用率极低。然而，由于程序的复杂性，这些冗余内容往往难以清理。删减代码可能引发不可预见的问题，导致开发团队更倾向于在原有基础上不断叠加新功能。这种模式最终导致应用越来越臃肿，体验就会越来越差。
相较之下，鸿蒙系统上的应用多为重新开发，几乎不存在历史包袱。在开发过程中，那些不必要的功能和代码，或者从方案选型上面本来就已经要淘汰掉的东西就直接舍弃了。这种“轻装上阵”的方式使得鸿蒙应用的体积较小，性能和体验也更优。
另外就是功能聚焦。鸿蒙生态相对较新，其原生生态仅发展了一年左右，目前的应用开发多集中于核心功能的实现，以确保主要使用场景的流畅性。一些非必要的附加功能，如淘宝中的刷视频功能等，往往未被开发，从而进一步保持了应用的简洁性，整体体验就会比较好。
这两年，AI 技术迅猛发展，包括苹果在内都发布了第一版带有大模型能力的操作系统。
目前，操作系统在 AI 领域的发展路径主要体现在系统层语音助手的应用和系统级 AI 能力的开放两方面。以苹果的 Siri 为例，其搭载了大模型技术，具备跨应用联动能力，用户通过简单的语音指令即可触发多个应用协作完成任务。鸿蒙系统的语音助手与小米“小爱”、荣耀“Magic Voice”等也在朝这一方向发展，试图通过整合系统能力，实现语音驱动的智能操作。
同时，在系统级 AI 能力上，各大操作系统正在内置 AI 相关的框架和模型，提供标准化的接口供应用调用。例如，鸿蒙系统内置模型框架支持应用调用系统能力以实现功能扩展。这种方式不仅减少了开发者对 AI 功能的技术投入，还通过系统层的优化，确保用户隐私安全。
值得注意的是，鸿蒙操作系统的后发优势之一，是其系统层的 AI 的能力相对来说比较完善。包括内置推理框架、神经网络、多模态模型等功能，同时提供丰富的 API（如目标识别、超分辨率处理、语音文字互转、智能推荐等）。我们可以利用这些系统级 AI 能力提升用户体验。例如，通过鸿蒙内置的 AI 功能，系统能够自动纠错、提供智能记忆及推荐等服务。
相较于鸿蒙，安卓因碎片化问题，AI 能力往往受限于设备型号和版本。只有最新的旗舰机型才具备完善的 AI 功能，而较旧的设备在系统层能力上就很欠缺。操作系统层的能力欠缺的话，在上层去填补就会比较成本高。而系统层能力完善的话，系统调度的整体功耗会比较占优势，性能与用户体验也更好。
因此，电商行业在鸿蒙系统上进行了更多探索，较之安卓更加激进，尝试将 AI 融入实际场景，例如根据用户需求提供精准的商品搜索和个性化推荐。同时，针对用户对快递状态的关注，AI 助手会主动更新并推送相关信息。以及端模型的实时意图识别和云端 AI 联动。例如，通过语音助手实现全局唤起，用户可用语音完成搜索、页面跳转等操作，探索更自然的交互模式。
近年来，大前端领域虽未发生显著变革，但其发展趋势依然值得关注。
这两年，受整体经济环境影响，大家会更关注业务及应用本身，重点在于是否能吸引用户买单、实现营收，以及商业模式能不能挣钱，以及会更“卷”用户体验，比如如何让应用、网页的体验更好更顺畅更丝滑？
在智能化方面，AI 技术的迅速发展为大前端领域带来了一些冲击。不管是从工具层面上的提效，例如自动编写代码、代码审查，还是通过 AI 能力或模型的能力做线上部署，可以为用户提供更定制化的功能，满足更多个性化需求，从而提升用户粘性与收入转化率。然而，目前 AI 技术的实际落地应用仍较为有限，“杀手级应用”不多。尽管许多企业在 AI 领域投入了大量资源，但普通用户感受不到特别多的 AI 带来的变化。为此，未来发展需要结合大前端体系，落地一些能解决用户痛点的应用。无论是面向设备还是面向网页，都需要进行人机交互。
底层技术的发展会推动上层应用的创新。例如，语言层面或底层框架的进步能够直接促进上层应用的演进，语言层面，原生的跨平台的高性能的跨平台的能力，它一定程度上是可以推动跨平台的技术向前再走一个小步。所以，前端会关注包括底层框架、底层语言，以及底层操作系统能力的提升。这些技术进步，不论是在优化用户体验还是增强 AI 能力方面，都可以为前端开发带来助力，推动上层应用实现更多迭代。我们可以关注过去由于系统或其他方面的限制，一些实现代价高昂，甚至无法完成的功能，会不会因为底层技术的不断发展变得切实可行。
随着操作系统的多样化趋势，跨平台开发的重要性日益凸显。以鸿蒙系统为例，其兼容安卓的能力为行业提供了参考，但未来其他厂商可能也会采取类似策略，进一步加剧操作系统碎片化的问题。此外，前端代码如今不再仅限于手机，还被广泛应用于电脑、家庭物联网设备（如智能冰箱）、餐厅点餐机、收银机等多种场景。在这些多样化设备上实现代码复用、提升开发效率并兼顾性能，成为开发者必须面对的核心问题。
总结而言，大前端技术的发展将主要聚焦以下四个方面：
智能化：通过 AI 技术提升开发效率与用户体验。
跨平台：实现高效的代码复用和场景化优化。
框架与语言的创新：推动底层技术革新，支撑上层应用的迭代。
用户体验优化：通过技术手段实现更优质的交互与操作体验。
大前端的未来在于技术与应用的紧密结合，开发者需要不断适应变化，将智能化和技术创新融入实际业务场景，推动行业的持续发展。
