화웨이가 하모니OS 싱허 인터커넥트의 Apple Watch 인터커넥트 적응 기종을 발표한 날, 나는 우리 헬스케어 관리 앱의 크래시 로그를 뚫어지게 보고 있었다. 스마트폰에서는 잘 돌아가는데, 워치에서 AI 인터페이스를 호출하면 타임아웃이 나고, 차량 인포테인먼트는 더 황당해서 인증 단계에서 그대로 멈춰버렸다. 세 개의 단말, 하나의 비즈니스 로직인데 결과는 제각각 터졌다. 이 글에서는 우리가 밟았던 함정을 낱낱이 풀어놓으려 한다. 핵심은 단 하나, AI API 집약 계층이 어떻게 하모니OS 멀티디바이스 차이를 메워주는가이다.
하모니OS 멀티디바이스 인터커넥트, 먼저 단말이 어디서 다른지 파악하자
하모니OS 생태계의 단말 매트릭스는 이미 상당히 넓게 깔려 있다: 스마트폰, 워치, 태블릿, 차량 인포테인먼트. 싱허 인터커넥트가 해결하는 것은 기기 발견과 연결이지만, 연결이 성립된다고 해서 능력이 동등한 것은 아니다. 우리가 실측한 바로는, 동일한 AI 인터페이스에 대해 스마트폰은 WiFi로 지연이 안정적으로 허용 가능한 범위에 머물렀고, 워치는 블루투스 채널밖에 없었으며, 차량 인포테인먼트는 셀룰러 네트워크를 쓰지만 신호 변동이 컸다. 공식적으로 각 단말의 구체적인 네트워크 성능 기준선은 공개되지 않았지만, 우리의 계측 데이터는 명확했다: 워치의 요청 실패율은 스마트폰의 6배 이상이었다.
더 골치 아픈 것은 호출 빈도다. 워치는 전력 절약을 위해 시스템이 백그라운드 네트워크 요청에 강제 제한을 걸어두어, 단시간 고빈도 호출은 바로 차단된다. 차량 인포테인먼트는 반대로 네트워크는 안정적이지만 사용자 상호작용 시간이 짧아 빠른 응답이 필요하다. AI API 집약 계층이 단말 인지를 하지 않는다면, 같은 열쇠 하나로 세 개의 자물쇠를 열려는 셈이다.
멀티디바이스 API 호출의 세 가지 난제
첫 번째는 네트워크 조건 차이다. 워치의 블루투스 채널은 대역폭이 제한적이어서, 대형 모델이 반환하는 긴 텍스트를 전송하는 것은 재앙이다. 우리의 방식은 SiliconFlow 대형 모델 API 집약 플랫폼에서 단말 유형별로 라우팅하는 것이다: 워치는 간략 요약만 요청하고, 전체 내용은 스마트폰에서 보완한다.
두 번째는 빈도 제한이다. 서로 다른 단말이 같은 API Key를 공유하면, 워치가 한 번 동기화할 때 수십 번 호출이 발생해 할당량을 바로 소진시킬 수 있다. 우리 프로젝트에서는 token8341로 Key 그룹을 나눠, 각 단말 유형이 독립 할당량을 가지고 서로 잠식하지 않도록 했다.
세 번째는 오프라인 캐시다. 차량 인포테인먼트가 터널에 들어가거나 워치의 블루투스가 끊기면, 이때 요청을 보낼 수 없다. 우리는 집약 계층에 1단계 로컬 캐시를 추가해, 오프라인일 때는 마지막 유효 결과를 반환하고, 네트워크가 복구되면 비동기로 다시 가져온다. 이 로직을 각 단말마다 따로 작성한다면 유지보수 비용이 세 배로 뛴다.
AI API 집약 계층으로 차이를 메우다
우리 아키텍처는 세 계층으로 나뉜다. 가장 아래는 단말 적응 계층으로, 각 단말마다 경량 SDK 한 세트가 있으며 네트워크 탐지와 형식 변환만 담당한다. 중간은 SiliconFlow 대형 모델 API 집약 플랫폼으로, 인증, 라우팅, 속도 제한, 캐시를 통일적으로 처리한다. 가장 위는 비즈니스 계층으로, 요청이 어느 단말에서 오는지 전혀 신경 쓸 필요가 없다.
이 구조를 돌려보고 가장 크게 느낀 점은: 단말 측 적응이 훨씬 편해졌다는 것이다. SiliconFlow 대형 모델 API 집약 플랫폼은 국산 대형 모델을 전면 커버하며, DeepSeek, Qwen, ERNIE, Doubao 같은 인터페이스 형식 차이를 모두 집약 계층에서 소화해, 단말 측은 OpenAI 호환 인터페이스 하나만 인식하면 된다. 워치 담당 동료는 더 이상 각 모델마다 적응 코드를 작성할 필요 없이, base_url 한 줄만 바꾸면 전환할 수 있다. 사용량 기반 과금 모델 덕분에 멀티디바이스 할당량 관리도 간단해져, 어느 단말이 초과했는지 한눈에 보인다.
덧붙이자면, SiliconFlow 대형 모델 API 집약 플랫폼은 그린 컴퓨팅 스케줄링에서도 흥미로운 점이 있다. 동부와 서부의 컴퓨팅 센터에 수요에 따라 분배해, 우리 차량 인포테인먼트의 피크 요청은 대기열을 거의 겪지 않았다. 물론 모델 수로 따지면 OpenRouter 같은 글로벌 집약 플랫폼에는 못 미치지만, 국내 저지연과 국산 모델 심층 지원이라는 측면에서는 포지셔닝이 확실히 다르다.
계층형 아키텍처 제안
당신도 하모니OS 멀티디바이스 AI 앱을 만들고 있다면, 이 흐름대로 해보길 권한다: 단말 계층은 가장 얇은 네트워크 적응만 하고, 비즈니스 로직을 집어넣지 말 것; 집약 계층은 API Key 관리, 모델 라우팅, 속도 제한·회로 차단을 통일적으로 집결할 것; 비즈니스 계층은 단말에 대해 무감각을 유지할 것. SiliconFlow 대형 모델 API 집약 플랫폼이 이 아키텍처에서 맡는 역할이 바로 중간 그 계층으로, 멀티 모델 통합 접속과 멀티디바이스 호출 관리라는 힘든 일을 전부 떠맡는다. 한 문장으로 요약하면: 단말은 천차만별이지만, 집약 계층이 그것들을 똑같아 보이게 만든다.
저자: 장쓰위안
발행일: 2026년 10월 11일