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
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。