ZDNet至顶网软件频道消息:在谷歌2014 I/O大会上,谷歌推出了几款供开发者在Android系统和Chrome浏览器里构建云应用的新工具。
在大会主题演讲接近尾声时,谷歌技术基础设施高级副总裁Urs Holzle介绍了谷歌云平台的几个改进功能。Urs Holzle表示,“我们努力打造的谷歌云不仅功能强大,而且也很容易使用。”
谷歌公布了4个新的云开发工具,分别为:云储存、云调试、云轨迹和云监控(Cloud Save, Cloud Debugger, Cloud Trace,Cloud Monitoring)。谷歌还推出了将云平台整合到Android Studio的功能,该功能简化了将基于云的后端加至移动应用程序时的过程。
另一个在会上发布的新产品是云数据流(Cloud Dataflow)。云数据流是一个管理数据处理的服务,使得分析实时流媒体数据变得和分析批量数据集一样简单。
谷歌云解决方案架构师Eric Schmidt为与会者演示了云数据流,用到的例子是世界杯球迷心态评估。他将云数据流接到推特数据API上演示了竞逐巴西世界杯足球队的球迷心态分析。
Schmidt称,“云数据流是一项研究超过十年的分析经验产物。它提供了一个简单、全面的管理服务,开发人员可用它来创建数据管道,分析任意大小的数据集。”
Holzle告诉与会者,云数据流取代了用了十多年的、过时的MapReduce技术。他称,MapReduce与大多数系统一样,在处理PB级数据时会出现故障。
他补充说,“数据流使用管道技术完成了MapReduce在每一步完成的事情。”
Holzle还在台上谈到谷歌的IaaS产品Compute Engine,他声称Compute Engine除了允许开发人员“运行任何想运行的代码”外,还具有“同类产品中一流的性能和价格”。
他接着说到了谷歌的PaaS产品App Engine,称App Engine是那些“不想费心管理机器”的开发者的福音。Holzle表示,“利用App Engine可以非常容易地编写大规应用程序。”他提到Snapchat,指Snapchat应用程序是用App Engine开发的,App Engine在完全没有后端开发人员的情况下却可以用于开发大规模的系统。
Holzle又逐个讲了谷歌云平台的各种存储选项,从每小时完成几十亿个查询的SQL和NoSQL完全托管服务到可以拥有任意大小的对象存储。
他指出,“但是你不光是要存储数据,你还想分析数据。”出于这个原因,谷歌提供了诸如BigQuery的工具,可以将数十万条的记录以流的形式传到云里供SQL互动查询用。
Holzle表示,硬件的发展使得谷歌可以向客户提供极大的持续使用折扣,并不需要签署合同,只需预付款项或是预测年利用率。他告诉与会者,“随着硬件越来越便宜,我们将省下来的钱回馈给顾客,让顾客看到云计算摩尔定律。”
Holzle最后介绍了产品管理云平台总监Greg DeMichillie,由DeMichillie讲解四个新工具。
DeMichillie演示了Cloud Save的产品。Cloud Save可以让Android应用程序在设备之间进行数据同步。他以一个自己建的应用程序为例子,他的应用程序可以记录走步资料,并且可以与朋友分享相关信息。Cloud Save不需要服务器端编码,可以将数据存储在Cloud Datastore里、可以检索数据以及将数据同步到其他设备里。
DeMichillie表示,“我可以用App Engine或Compute Engine构建网页应用程序。”
他用上述的走步记录应用程序还演示了Cloud Debugger的使用。Cloud Debugger的名字含调试的意思,可以简化调试过程。他也演示了Cloud Trace的使用。Cloud Trace是一个可视化工具,可以提供有关应用程序性能方面的主要信息。
Cloud Debugger可以为开发者在源码里设置的观察点(Watch point)处提供完整的堆栈跟踪和局部变量的快照。
Cloud Monitoring是从收购的Stackdriver整合出来的,用于识别应用程序堆栈中的异常行为。Cloud Monitoring设有仪表板和报警工具,以提供可视化应用功能。
DeMichillie在谈到Cloud Monitoring时表示,“我们自动检测你在使用什么样的服务。”
根Holzle说,这些工具和服务可以最大限度地提高开发人员的效率。“他们缩小了团队规模,他们可以专注于自己最擅长的工作,因为基础设施的剩余部分是由我们来运行的。”
谷歌还在Google I/O会议上透露,Google Drive for Work(谷歌工作网盘)现在的云存储无上限,但单个文件不能超过5 TB。
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。