当 Matija Sosic 开始从事 Web 开发工作时,他惊讶于构建一个全栈、生产就绪的 Web 应用程序是多么的不容易。
Sosic 面临的最大难题之一是如何在零散的开发工具生态中导航。开发一个 Web 应用程序需要在前端和后端分别使用不同的工具,等等。
“整个生态系统非常模块化且粒度分明,” Sosic 对 TechCrunch 说,“存在大量独立的子系统,你必须弄清楚如何将它们拼接起来,同时确保所有设置都具有可扩展性和安全性。”
2020 年,Sosic 决定与他的双胞胎兄弟 Martin Sosic 搭档(后者在其开发者生涯中也面临过类似问题)于 2021 年推出 Wasp,这是一款旨在连接这些零散工具的平台。
Wasp 是一个全栈 Web 应用开发工具,它充当着开发者已在使用的不同平台(包括 React、Node.js 和 Prisma 等)之间的粘合剂,帮助将来自这些不同平台的代码编译成一个 Web 应用程序。
Wasp 还会发现并标记出开发者在拼凑不同代码资源时常见的漏洞。例如,Wasp 会提示开发者是否缺少 API key,或者建议可能的代码修改以防止将来出现问题。
这一点在当今市场尤为重要,因为众多新的 AI 编码工具(如 Windsurf(前身为 Codeium)和 Cursor)已使编码对非技术人员触手可及。Sosic 表示,尽管这大致上是件好事,但“用感觉来编码在企业中行不通”,而 Wasp 则能够帮助初出茅庐的开发者构建更安全的全栈 Web 应用程序。
Wasp 的平台是开源的,并且可以部署到公有云或企业服务器上。
Sosic 还表示,创始团队选择将 Wasp 构建为一个基于现有工具之上的层,而不是一个全新的、开箱即用的解决方案,从而免去了开发者为使用 Wasp 而学习一门新编程语言或全新流程的问题。
Wasp 参加了 Y Combinator 2021 年冬季的加速器项目,并于 2023 年推出了其产品的 Beta 版本。自那以后,该公司在 GitHub 上已获得 26,000 颗星,如今它与众多初创企业以及《财富》500 强企业合作。
该公司于 2024 年末完成了一轮此前未公开的 370 万美元融资,由 HV Capital 领投,并有 Fifth Quarter Ventures、Big Bets、Metis Ventures 等多家风险投资机构参与。此次融资还包括 Supabase 联合创始人兼 CTO Ant Wilson 以及 Prisma 首席执行官 S?ren Bramer Schmidt。
Wasp 最近一次融资是在 2021 年 —— 一轮 150 万美元的种子轮融资。迄今为止,该公司累计已融资 520 万美元。
“这为我们提供了非常充足、基本上可以随心所欲使用的资源,” Sosic 说道,“我们非常期待将产品推向下一个阶段,实现 1.0 版本,并在 AI 领域进一步巩固我们的定位。”
Sosic 表示,公司现在正专注于将产品推进至 1.0 版本,该版本将包括支持不同语言和服务端渲染等功能。
“对我们来说,目前依然聚焦于核心产品本身 —— 也就是开源的 Wasp 及其框架。结合过去四年构建所获得的反馈,我认为现在我们已经清楚地知道需要构建什么,以及需要支持哪些功能以实现 1.0 版本。”
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。