尽管苹果仍然是美国主导的智能手机制造商,但得益于其灵活性和较低的价格优势,Google 的 Android 移动操作系统在企业和商业领域获得了巨大成功。战略咨询公司 Stratix 最近的一项调查显示,60% 的企业设备都运行 Android 系统。
现在,Google 希望利用其 Gemini AI 模型系列帮助企业应用开发者在 Android 生态系统中更轻松地开发更多工作应用。因此,在拉斯维加斯举行的 Google Cloud Next 2025 大会上,公司宣布推出基于订阅的 Android Studio 企业版 Gemini。
此次发布旨在满足大型组织和开发团队对隐私保护、安全性和可定制 AI 集成的日益增长需求。
这个企业版 Gemini 在 Android 开发者熟悉的核心 AI 功能基础上,为管理敏感代码库和工作流程的组织引入了增强功能。通过这一举措,Google 在不影响数据治理和知识产权保护的前提下,将 AI 辅助编码引入企业级环境。
聚焦数据隐私和控制
企业版产品的关键支柱之一是对安全性的重视。Google 实施了严格的数据治理政策,确保公司代码、开发者输入和 AI 生成的建议保持机密。
这些资产不会用于训练共享模型或支持无关产品开发。组织可以完全拥有和控制其知识产权。
为支持大规模安全部署,该产品包括企业级管理功能,如私有 Google 访问、VPC 服务控制以及通过企业访问控制实现的精细 IAM (身份和访问管理) 权限。这些工具使公司能够严格管理其开发团队的访问和使用权限。
通过知识产权赔偿的法律保护
Google 已将其生成式 AI 赔偿政策扩展到 Gemini Code Assist Enterprise 产品,为企业提供针对与 AI 生成代码相关的第三方版权侵权索赔的法律保障。
这一政策已经应用于使用生成式 AI API 的 Google Cloud 客户。纳入赔偿政策旨在让企业开发者能够在工作流程中充分利用 AI,而无需额外的法律顾虑。
定制化的编码支持
Gemini 企业版包括代码库集成功能,允许使用托管在 GitHub、GitLab 或 Bitbucket 上的公司内部代码库来自定义 AI 辅助。
此功能适用于云端和本地部署。通过与组织的实际代码库对齐,Gemini 可以生成更准确、更贴近上下文的代码补全、建议和聊天响应。
这种定制化的好处是显而易见的。根据 Turing 的内部研究,与仅使用基础模型相比,使用 Gemini Code Assist Enterprise 进行代码定制可使代码接受率提高近 70%。
为 Android 生态系统打造
Gemini in Android Studio 与 Android 开发生命周期保持紧密一致。开发者可以使用以下工具:
用于诊断项目问题的构建和同步错误支持
基于 Google Play Console 和 Firebase Crashlytics 数据的 Gemini 驱动的应用质量洞察
用于加速 Compose UI 设计的 Jetpack Compose 预览生成
这些功能在个人和企业版本中都能提供价值,但企业用户可以获得更强大的隐私和安全保证。
可用性和访问
组织需要通过 Google Cloud Console 购买 Gemini Code Assist Standard 或 Enterprise 许可证才能开始使用企业版 Android Studio Gemini。
Google Cloud 管理员随后可以将这些许可证分配给组织内的开发者。
Android Studio Narwhal 支持企业功能,目前通过金丝雀发布渠道提供。这确保公司可以在沙箱环境中试验最新的 AI 工具,同时为更广泛的推广做准备。
支持标准和合规性
Gemini 企业版支持多个行业认可的认证,包括:
o SOC 1、2 和 3
o ISO/IEC 27001 信息安全管理
o ISO/IEC 27017 云安全
o ISO/IEC 27018 个人身份信息保护
o ISO/IEC 27701 隐私信息管理
这些认证进一步证明该解决方案适合具有严格合规性和监管要求的企业。
继续支持独立开发者
虽然企业版增加了订阅层级,但 Google 继续为个人用户提供免费版本的 Android Studio Gemini。这确保了企业环境之外的开发者仍能受益于 AI 驱动的编码辅助。
准备采用企业版 Android Studio Gemini 的组织可以购买 Code Assist Enterprise 许可证,起价为每用户每月 54 美元 (可随时取消),或签订 12 个月合同时每月 45 美元。更多详细信息,包括个性化咨询的联系选项,可通过 Google Cloud 销售渠道获取。
随着 Google 将 AI 更深入地整合到 Android 开发中,这个面向企业的解决方案代表了平衡创新和控制的关键一步。它为企业提供了更快开发 Android 应用的工具,同时维护其知识产权和数据的完整性。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。