开发者工具初创公司Expo近日宣布完成4500万美元融资。
Expo是一款广受欢迎的开源跨平台应用开发框架的缔造者。
说到Expo的技术背景,开发者通常使用一个名为React的开源库来构建Web应用界面。React能将界面代码拆分为易于管理的模块,并加快网页加载速度。2015年,Meta开源了React的增强版本——React Native,使其不仅能构建Web服务,还能开发iOS和Android应用。
Expo(公司法定名称为650 Industries Inc.)提供同名框架,可显著提升React Native项目的开发效率。通常情况下,开发者为了同时覆盖iOS、Android和Web三个平台,需要分别用不同编程语言编写三套独立代码。而Expo允许开发者统一使用JavaScript完成全部开发工作,可大幅节省开发时间。
除此之外,这套开源框架还简化了其他多项开发任务。它内置了可加速界面导航功能开发的组件,另有一款名为CNG的工具能够自动处理部分应用更新的发布流程。
在商业模式上,Expo通过付费云服务实现营收,这些服务可自动化更多开发环节,尤其是应用构建阶段的相关任务。所谓构建阶段,是指开发者将代码文件转化为可运行程序的工作流程。
应用构建是一项对硬件要求较高的任务,在本地机器上往往耗时较长。Expo通过在云端执行构建任务、并缓存无需重复构建的组件来提升效率。构建完成后,开发者还可借助该平台将应用发布至各大应用商店。
Expo还提供另一项云服务,用于托管应用的服务端组件。例如,一款移动端电商应用可将商品信息存储在云端数据库中,Expo能在流量峰值期间自动扩展服务端基础设施。
在本次融资公告发布的同时,Expo还推出了一款新产品——Expo Agent。这是一款基于人工智能的编程助手,能够加速常见编码任务的处理,提供软件部署建议、修复程序漏洞,并支持与外部应用进行集成对接。目前该工具处于公开测试阶段。
Expo联合创始人兼首席执行官Charlie Cheever表示:"智能体应用开发面临的核心问题,在于业务关键型应用难以顺利上线投产。这正是Expo致力于解决的问题。我们已为移动应用搭建好底层基础设施,并能够将这些基础设施能力融入Expo Agent之中。"
本轮B轮融资由Georgian领投,Leadout Capital、A Capital和Red Swan跟投。
Expo计划将本次融资所得用于强化旗下AI工具的能力,同时加快应用构建服务的速度,并扩展与更多第三方工具的集成支持。
Q&A
Q1:Expo框架相比直接使用React Native有什么优势?
A:Expo在React Native的基础上进一步提升了开发效率。开发者通常需要为iOS、Android和Web三个平台分别用不同语言编写代码,而Expo允许统一使用JavaScript完成全部开发,节省大量时间。此外,Expo还内置了界面导航组件,并提供CNG工具自动处理应用更新发布流程,整体上大幅降低了跨平台开发的复杂度。
Q2:Expo Agent是什么?有哪些功能?
A:Expo Agent是Expo推出的一款基于人工智能的编程助手,目前处于公开测试阶段。它的主要功能包括:为开发者提供软件部署建议、自动修复代码漏洞,以及支持与外部应用进行集成对接。其设计目标是解决智能体应用开发中业务关键型应用难以顺利上线的痛点,并将Expo已有的移动应用基础设施能力直接融入AI辅助开发流程中。
Q3:Expo这次融资会用在哪些方向?
A:根据官方公告,Expo计划将本轮4500万美元融资主要用于三个方向:一是持续增强Expo Agent的AI能力;二是提升应用构建服务的速度,降低开发者在云端构建应用的等待时间;三是扩展与更多第三方工具的集成支持,进一步丰富开发生态。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。