Cloudflare今日宣布收购VoidZero公司——这家开源公司是Vite及其周边JavaScript构建工具生态的幕后缔造者。此次收购旨在将Cloudflare的开发者平台打造成AI辅助Web开发的核心枢纽。
Vite已成为JavaScript与TypeScript开发领域的默认选择,每周下载量超过1亿次。VoidZero旗下的其他工具同样服务于相同的开发流程:Vitest负责测试,基于Rust编写的Rolldown承担打包任务,底层则由Oxc工具链支撑。VoidZero由Vue.js框架的创始人尤雨溪于2023年创办。
Cloudflare希望将这套工具链整合进其Workers开发者平台,计划为开发者打通从本地编码到部署至Cloudflare全球网络的完整路径,消除不同工具之间的切换成本。该公司表示,Cloudflare Vite插件的每周下载量已达1390万次,超过Vite整体周下载量的10%。
此次收购恰逢AI自主编码智能体重塑应用开发方式的关键时期。Cloudflare认为,随着智能体承担越来越多的代码编写工作,围绕智能体的工具链也必须同步演进——从本地环境到生产环境的速度与行为一致性,将成为首要考量。
Cloudflare联合创始人兼首席执行官Matthew Prince表示:"我认识的最优秀的工程师,正在交付比以往更多的代码,而亲手编写的代码却越来越少。将VoidZero团队纳入麾下,能让数百万开发者以及与他们协同工作的AI智能体,拥有从本地代码到全球网络的最快路径。"
VoidZero团队将加入Cloudflare的新兴技术与孵化部门,继续主导相关项目的发展。尤雨溪将继续掌舵该工具链的开源路线图。
针对外界对单一供应商掌控广泛使用的开源基础设施的顾虑,Cloudflare承诺,Vite、Vitest、Rolldown、Oxc及Vite+将继续以MIT协议保持开源,并维持厂商中立原则。公司还将出资100万美元设立独立的Vite生态基金,用于支持与VoidZero及Cloudflare均无隶属关系的维护者和贡献者。
尤雨溪在博客文章中表示,此次交易解决了VoidZero长期面临的变现难题——尽管其工具的采用率增长迅猛,商业化之路却始终举步维艰。此前,公司曾尝试混合授权模式,并在收购谈判启动前,已在Cloudflare之上着手搭建一个名为Void的Vite原生部署平台。VoidZero曾获Accel领投的种子轮及A轮融资。
此次收购是Cloudflare持续布局AI原生Web战略的最新举措。今年1月,该公司收购了授权数据初创企业Human Native,并持续扩展其用于构建和运行AI智能体的Agent Cloud工具集。
Q&A
Q1:Vite是什么?为什么Cloudflare要收购VoidZero?
A:Vite是一款主流的JavaScript与TypeScript开发构建工具,每周下载量超1亿次,已成为该领域的默认标准。Cloudflare收购VoidZero,是为了将Vite及其周边工具链整合进自身的Workers开发者平台,帮助开发者打通从本地编码到全球网络部署的完整流程,同时抢占AI辅助Web开发的核心位置。
Q2:收购后Vite还会保持开源吗?
A:会。Cloudflare明确承诺,Vite、Vitest、Rolldown、Oxc及Vite+将继续以MIT协议开源,并保持厂商中立原则。此外,Cloudflare还将设立100万美元的独立Vite生态基金,专门支持与VoidZero及Cloudflare均无隶属关系的社区维护者和贡献者,以打消外界对单一供应商垄断开源生态的顾虑。
Q3:尤雨溪加入Cloudflare后还会继续主导Vite的开发吗?
A:会的。根据Cloudflare的公告,VoidZero团队将加入Cloudflare新兴技术与孵化部门,尤雨溪将继续担任该工具链开源路线图的负责人,主导Vite等项目的后续发展方向。
好文章,需要你的鼓励
今天讲的出海案例是明阳电气,这家输配电设备公司在马来西亚投产首个海外生产基地,并以 250 万林吉特子公司承接本地制造。
阿里巴巴通义实验室与北京大学联合提出ESPO方法,让语言模型强化学习训练时能在推理走偏时及时截断,节省超20%计算资源,同步提升数学推理准确率。
Canva正式发布适用于Perplexity Computer平台的连接器,允许Perplexity桌面智能代理自主将数据和提示词转化为可编辑的Canva设计资产。用户只需通过连接器页面接入Canva,描述需求,Perplexity便可结合会议记录、业务数据及实时网络内容,自动生成演示文稿、社交媒体素材、信息图表或品牌视觉套件。该功能目前面向Perplexity Pro、Max及企业版用户开放。
NITP是上海交通大学等机构提出的大语言模型预训练新目标,通过让模型预测下一词的浅层语义表示,解决标准训练中内部表示退化问题,仅增加约2%训练开销即可提升下游任务表现。