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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。