至顶网CIO与CTO频道 07月31日 人物访谈(文/王聪彬):从2018年开始,云原生生态就在不断壮大。云原生技术有利于企业在公有云、私有云和混合云等新型动态环境中,构建和运行可弹性扩展的应用。云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式API。
目前,很多公有云服务商也在积极布局云原生,腾讯云就在IaaS服务之外,将所有的产品慢慢向云原生转型,利用云原生技术和产品结合给用户提供更高的价值。
腾讯云云原生产品矩阵分为三层,第一层、基础设施,包括Serverless产品(Serverless容器、Serverless函数)、边缘容器、DevOps产品、微服务TSF等;第二层、产品化服务,包括TCB的云开发平台、微服务网格等;第三层、应用场景,包括大数据容器方案、小程序解决方案、IoT解决方案、游戏云解决方案等。
同时在私有云上,腾讯云将IaaS、PaaS、SaaS平台完整的从公有云输出到私有云,同时推出TCS的云原生的PaaS平台,包含了云原生的三层能力。
突破云原生三大痛点
云原生的规模正在以肉眼可见的速度高速增长。腾讯云容器产品总经理邹辉表示,同比去年容器在整个腾讯云的增长率将近300%,是去年同期容器规模的3倍。腾讯云也在今年陆续推出一系列新产品,例如云原生解决方案。
云原生最常被提及的主要有三大痛点,第一、费用,Serverless模式在费用上较贵;第二、缺乏开发工具、调试工具、开源生态等;第三、Serverless特别是云函数缺乏落地案例。
腾讯云Serverless产品副总监张浩表示,微服务平均耗时在20-30毫秒之间,但是业界云函数都按照100毫秒最小颗粒度计费,腾讯云在全球率先发布1毫秒计费粒度,使用者可以真正实现按需付费,彻底消除了困扰用户的资源成本浪费难题。
同时腾讯云构建了两大生态。第一、微信生态,“小程序·云开发”产品可以大幅提升小程序的开发效率,上线一年注册账户超过23万,为超过50万开发者提供服务。第二、开源生态,通过开源协同的方式持续向Serverless framework社区贡献。该项目在GitHub上Star数超过3.5万,日下载量超过4万,其中的Serverless应用商城提供Vue、 React 、Express、Koa等前端、web端、全栈应用组件,助力开发者轻松上云。
到目前为止,腾讯云Serverless的规模已经超过了500%的增长,整个大盘的调用量已经超过了百亿级别,出现了像人人视频、新东方、bilibili等云原生标杆案例。
云原生从内到外的实践
腾讯云从年去开始就在努力,希望将内部所有业务上云,通过云的方式服务于内部。同时也希望各种业务在上云的过程中完全采用云原生的方式。
基于这两个目标腾讯云正积极进行云原生的改造,首先、要让内部理解云原生改造对于业务的价值;其次、在云原生改造上进行规划,做一些定制化的诉求,例如容器支持固定IP、容器秒级重启等。
“在云原生改造的过程中我们有妥协,但也有一些原则坚持。”邹辉说道,主要的坚持原则有三点,第一、通过镜像发布;第二、完整使用DevOps流程;第三、容器可调度。
腾讯云云开发产品副总监王倩举了一个境外支付团队的使用案例,境外游礼包在开发过程中只需要一个人,包括前后端调用形式,整个研发流程的优化,从一个页面的10人/天,降到了一个页面3人/天,研发效率上有较大的提升。
现在越来越多的业务也在开始进行云原生改造,整体帮助内部团队在降低人力,在提升交付周期的效果上取得了比较好的预期。
但是传统行业和互联网行业相比对于云原生的应用上还是存在一些差异,互联网行业整体技术成熟度很高,而传统行业场景更为复杂。邹辉表示,很难有标准的产品可以覆盖所有行业的诉求,所以腾讯云则是将云原生的底层能力与不同行业解决方案结合,满足不同行业的数字化转型。
这样企业就可以无感知的享受到云原生技术的好处。例如,工业云平台解决方案是将各地方政府和工业企业,以及上层SaaS服务商连接在一起,让三者之间能够各自联动发挥最大的价值。
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。