一流的产品要在中国腾飞必须要包含中国特色。作为一家具有西门子背景、成立于2005年的跨国产品团队,Mendix深谙此道。Mendix正在以两周一迭代的速度用中国本土研发团队添加中国元素。
先于市场布局、效率质量兼得
2018 年,Mendix 成为西门子旗下的低代码开发平台。Mendix在中国秉承了西门子深厚的行业知识和应用经验,在保持产品先进性的同时,打造优异的产品质量,坚守全心全意服务中国的理念。在Mendix正式宣布进入中国之前,对于研发团队的构建已经悄然展开。2019年9月和2020年1月,Mendix先后组建了分别驻扎于成都和上海的研发团队,这是一支25人的高学历队伍。Mendix的研发团队以服务客户作为其运作核心:他们与国内的销售团队、支持团队保持着极为密切的沟通,争取第一时间获得客户向支持团队反馈来的信息,并将有价值的反馈在产品中快速实现。在必要时,研发团队还会与客户直接沟通,了解客户的需求,明确后期改进的方向。目前,Mendix研发团队以两周为一个迭代周期对外发布产品和更新,以“中国速度”服务中国客户!
背靠全球,面向中国
在2021年Gartner的报告中,Mendix以强势姿态再度被评为全球企业低代码应用开发的领导者,这也是Mendix连续三年排在最前列。Mendix在国际上有着大量的低代码应用的成功案例,国际应用市场有着丰富的可重用的优秀应用。Mendix的本土研发团队和国外有经验的团队进行直接、快速的沟通,从而了解全球各不同行业客户的需求,并将其带进Mendix里让包括中国客户在内的全球客户都能尽早使用。
另一方面,来自于国内的研发团队成员与客户保持无时差无障碍的沟通,与客户共同成长,快速构建中国元素。
Mendix成都研发团队负责人任磊表示:“自成立以来,研发团队不断快速推进Mendix中国本地化发展,为了满足广大客户需求,团队计划在2022第一季度推出Mendix中文版平台。”这些都是Mendix中国研发团队着力本地化,力争成为对中国客户最为友好的开发平台的有力佐证。
简洁的低代码其实并不简单
虽然低代码相对于传统开发来说显得更为容易,但这并不意味着低代码平台本身也非常简单。眼下有许多关于低代码平台的误解广为流传,比如能够提供一些行业应用模版就被称作是低代码平台、低代码是“人均程序员的零门槛入门神器”等。在Mendix中国研发团队看来,低代码平台在业务上的关键点在于如何能和企业的业务逻辑做完美的整合,然后将低代码衍生到企业的增值业务中去。低代码并不是面向无软件开发经验人员的,而是需要配备基本的软件设计基础知识、强大的逻辑能力,甚至拥有软件部署和运维的知识。但不可否认,低代码可以让学习周期变得更短,可以利用模板更快的生成自己的应用,这也是外界对于低代码产生“入门快”的评价的原因。低代码平台要解决的问题就是如何将通用的功能服务剥离出来,作为“开箱即用”的服务提供给低代码开发人员,使他们从繁琐的重复性工作中获得解放,把工作重心转移到业务和定制化的服务开发上来。
另一方面,Mendix中国研发团队也面临着一个挑战:中国客户相对于其他国家的客户,对云平台的选择会有很大差异。国外客户对公有云接受度更高,而国内客户则更希望程序和数据都在自己可控的环境里,甚至是与外部隔离。基于此种原因,Mendix中国研发团队目前力推的就是一种支持私有云部署的方案,大致分为三种情况:第一种是客户的K8S集群私有,通过公网出口连接到在腾讯云上的Mendix平台,通过平台下发指令,将App部署到私有集群;第二种是客户的K8S集群完全和公网隔离,不对接Mendix平台,通过安装Mendix私有云套件到客户集群,提供脚本部署和运行Mendix应用的环境;第三种是在客户的私有环境里,完整部署Mendix平台和和用于运行Mendix应用的客户集群。
还有一点值得提及,Mendix中国团队已经成功地将完整的Mendix服务运行于腾讯云。这得益于Mendix的各种服务均基于云原生设计,可以轻松运行在各大云厂商的基础设施上。
开放的创客理念
谈及自身的标签属性,Mendix中国研发团队从来不用“程序员”来认知自我,而是“创客(Maker)”。Mendix上海研发团队负责人徐献阳表示:“我们的团队是客户需求的实现者,我们不会闭门造车,而是打开大门欢迎各种客户的声音,从而帮助客户创造更好,更易用的产品。”区别于传统程序员的功能创造者的角色,相比起简单固化的软件改进反馈,他们更渴望将客户对于行业的深刻认知,体现在为客户开发的软件上。诚然,“最好的”产品往往只存在于想象中,现实世界对于“好”的追求和定义似乎没有上限,与其把这群创客们看作是客户需求的实现者,不如说他们是永远向上的“攀登者”。
好文章,需要你的鼓励
存储扩展专家Lucidity将其AutoScaler平台扩展至Kubernetes容器编排平台,帮助企业控制存储支出。该公司表示,Kubernetes中的持久卷常常成为隐形浪费源,虽然Kubernetes可自动扩展实例数量,但底层存储通常未被充分利用。新服务可为亚马逊EKS提供持久卷的自动扩缩容,声称可为客户节省高达70%的云块存储费用。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
超过1.8万Spotify用户加入名为"Unwrapped"的集体组织,通过去中心化数据平台Vana将个人听歌数据打包出售给AI开发者。该组织已将1万用户的艺术家偏好数据以5.5万美元价格售出,用于构建新型流媒体数据分析工具。Spotify对此发出警告,称该行为违反开发者政策和商标权,禁止将平台数据用于机器学习模型构建。但Unwrapped团队坚持用户拥有控制和变现个人数据的权利,双方就数据所有权展开争议。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。