如果早些年提问,「把小程序当成App使用」本身就是一件天方夜谭的问题,好像业务人员不再关注研发工程师是否能够按期交付代码,而是想自己在屏幕上点击几下光标,编程软件就能快速生成无数个页面和应用。
时光荏苒一去不返,如今的低代码产品早都把「拖拉拽快速生成页面与应用」变成了必备的基础功能,「把小程序当成App来使用」也不再是以往那么不切实际的幻想。
变化万千
当今世界的运转方式发生了翻天覆地的改变,人们开始逐渐习惯戴着口罩外出,进入写字楼和商场时提前准备好健康码,吃工作餐时分桌落座,用手机扫码领取包裹或者寄快递,好像除去复杂的游戏和娱乐应用以外,大多数生活相关的事情都能被小程序实现。
从这个角度来说,大多数App的作用已经被小程序稀释了一干二净,除非什么「平台独占」的必备应用,我们都习惯先打开微信搜索看看有没有对应的小程序,但似乎我已经很久没有遇到过一定要「下载App」才能使用的应用或者场景了。

大梦想小程序商店的必备榜单
尝试在搜索引擎中查找「小程序应用商店」,就会发现从「拼多多」到「摩拜单车」,从「去哪儿酒店」到「美团」,无数小程序已经用真实的DAU告诉我们,做一款独立App好像真的不那么必要。
小程序的学习门槛极低,不论你是否有专门的研发背景,都可以借助小程序轻易实现自己的产品梦想。
化零为整
开发者或多或少都经历过跨端开发项目,市面上已有的实现方式也非常多,从移动端应用的角度来说,我们可以使用React Native或Flutter快捷的编写出跨端的移动应用,从桌面应用的角度来说,可以使用Electron编写出跨端使用的桌面应用,从小程序的角度,我们也可以用Taro或kbone这样的框架生成跨客户端的小程序应用。
诚然,相比传统的App开发,开发小程序对于开发者不论从难度还是成本上都显得非常友好,但如果要从小程序开发转型至App开发,我想依然有一定的门槛需要跨越。虽然不论iOS的Swift还是Android的Kotlin,都已经尝试降低门槛了……
如果换一个思路,让我们跳过开发App,直接把小程序变成App ,能成吗?
化整为零
坦白来说,虽然开发App有各种好处,但是也有一些无法回避的问题,比如:
1.发布需要提交应用商店审核,审核可能忽然被驳回打回;
2.平台分为iOS与Android两派,始终需要克服学习门槛;
3.维护更新成本实在太高……
有没有什么简单的方式,能够解决这个问题呢?或者说FinClip能不能尝试做一些「微小的工作」来解决以上问题呢?
经过了一些尝试和设计后,我们在近期的FIDE中上线了「导出App」的功能,开发者在下载更新IDE版本后,就可以在工具的右上角看到有「导出」按钮的字样。

通过这个「生成App」的功能,你就可以在自己的小程序基础之上,快速生成iOS与Android的独立应用,之后则可以在Xcode或Android Studio中对相关资源进行配置优化,随后就可以编译出属于自己的独立App了!
相比于传统的App,基于小程序所设计导出的App还具有如下优点:
1.App不需要更新,因此也不需要提交应用商店审核,只需要在FinClip后台更新发布小程序代码包即可;
2.可以将大多数功能使用小程序实际实现,App中仅保留基本主页(或者完全作为空壳应用);
3.App体积十分小,用户获取与安装十分简单。
FinClip是凡泰极客旗下的核心产品,基于小程序无需下载安装、随需随用、自动升级的特性,构造了面向企业、具备自主管控运行能力的FinClip小程序中心(FinClip Operation Center),赋能企业拥有自己的数字化基建。任何企业的App,均可以通过嵌入FinClipSDK而立刻获得运行小程序的能力;而通过部署FinClip ,即可在运行小程序的同时,建立自己的应用商店、成规模地管理自己的应用生态,按需引入或向外分发内容与服务。
凡泰极客致力于帮助企业在数据安全、隐私保护前提下建设自主开放的数字生态,通过其独有的兼容主流互联网小程序技术的企业级云原生移动应用数字引擎为企业数字化提供基础平台。凭借其插件化、嵌入式、轻量而灵活的产品特点及行业领先优势已经赋能银行、证券、政企、电商、航空、园区、零售等多个行业,在无界开放银行、数字券商、监管与合规科技、电子政务、信创等方面形成较有特色的创新应用案例。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。