作者 | Echo Tang
出品 | CSDN（ID：CSDNnews）

当 AI 每天生成数以百万行代码，当一个没有任何技术背景的人也能对着手机说几句话就做出一款应用，“软件开发者”这个身份到底意味着什么？写代码的能力还重要吗？开源模型和云端模型该怎么选？一款 App 从想法到上架的路径，是否已经被彻底重写？

在 2026 Google I/O Connect China 谷歌开发者大会的现场，我带着这些问题见到了 Sami Kizilbash。他是 Google 亚太地区开发者生态团队负责人（Head of Developer Ecosystems, APAC），负责整个亚太区的 Google for Startups 加速器、谷歌开发者社区（GDG）和谷歌开发者专家（GDE）项目。在将近四十分钟的对话里，他给出的答案比我预期的更具体，也更出人意料。

Sami Kizilbash（左）与作者 Echo Tang（右）

“中国初创公司不只是在想全球化，他们已经在做了”

去年 Sami 在同一个场合说过一句话：中国初创企业“从第一天起就具备全球化思维”（Think global from day one）。一年过去，当我问到这个判断是否依然成立、以及中国开发者在使用 Gemma 和 AI Studio 等工具时是否呈现出与其他市场不同的趋势时，Sami 的回答不再是预判，而是摆数据。

“不仅从第一天起就具备全球化视野，而且付诸了行动，”他说。“InReality 刚刚以 10 亿美元估值融资了 1.5 亿美元，成为独角兽；我们上一期加速器项目里的 AI Sphere（智象未来）融资 3 亿美元，估值同样达到 10 亿美元。”

他强调的不是融资数字本身，而是一个结构性差异：在其他很多市场，大量初创公司还停留在用 AI 工具做原型开发和测试的阶段；而中国的初创公司在同一个时间节点上，已经实现了商业化成功——数百万的下载量、终端用户、付费用户。

“看到中国初创公司的跑动速度如此之快，让人深受启发，”Sami 说。

他随即举了 Polyverse 的例子。一两年前，他和 Polyverse 的创始人一起聊天，那时他们刚从 Google for Startups 加速器毕业。如今，Polyverse 的下载量突破 4500 万，年同比增长 200%，被 Andreessen Horowitz（a16z）连续三年评为最值得关注的 AI 应用之一，在最新榜单中高居前六。

“每当我想到中国乃至整个亚洲的初创公司，他们其实已经跨过了纯探索阶段，进入了应用 AI、推进商业化的成熟期，”Sami 说。“而我们现在看到，世界其他地方正在吸收和跟进这些趋势。中国在扮演潮向引领者的角色。”

他特别提到了两个方向：一是内容与短视频——MovieFlow 等初创公司正在视频制作领域发力，短视频从中国和亚洲的现象级产品演变为全球现象，背后的创新大量来自这里的初创公司；二是智能硬件——在 AI 与可穿戴设备结合的领域，“世界上没有任何一个地方能比这里涌现出更多的初创公司和创新成果”。

“评估就是新的编译器”

如果说中国初创公司的速度让 Sami 兴奋，那么速度背后的质量问题，则是他反复强调的另一面。

当话题转向 Vibe Coding（氛围编程）——AI 每天生成数以百万行代码，以及这些代码进入生产级系统之前需要经过哪些环节时，Sami 给出了一个精准的类比：

“对如今的软件开发者而言，‘评估’（Evaluations）就是新的编译器。”

过去，代码必须在 IDE 中编译通过才能运行；现在，代码可以通过快速编程工具大量生成，生成量惊人。但开发者需要建立起自动化的测试与评估流程，确保代码安全可用，符合企业的隐私与安全策略，并最终按照预期效果运行。

“今天的软件开发者所承担的角色，不再仅仅是思考‘应用该怎么写’，”Sami 说，“而是从源头去设计：想要实现什么目标？追求怎样的最终结果？以及如何对应用进行测试，以确保它符合既定的使用场景、安全协议、防护规范和隐私策略。这让软件开发者站到了一个远比单纯敲代码更具战略意义的位置上。”

他用自己三个孩子做例子。三个孩子都对开发应用和写代码很感兴趣，但他告诉他们，最核心的能力是找出想要解决的问题，并深谋远虑地想出解决方案。

“对于任何想成为软件开发者的人，我都鼓励你们去想：你究竟想要解决什么问题？先不要去管技术本身。假设 Agentic AI 会在技术上帮你落地——你打算如何解决这个问题？到底有什么痛点等待着你去修复？”

开源模型的多元生态：从 Gemma 4 到行业垂直

谈到开源模型，Sami 说自己“个人是 Gemma 系列模型的忠实粉丝”——他的手机里就运行着 Gemma。

“我经常出差，有时在出差途中没有网络信号，但我又想问一些基本问题。由于 Gemma 模型已经在我的手机上了，我随时可以向它提问、头脑风暴或展开讨论，非常实用。而且由于不需要与云端进行往返的数据通信，它的响应速度极其迅捷。”

当我问到 Gemma 4 在本地运行相比云端模型最大的优势是什么时，Sami 从三个层面展开：速度与离线访问、边缘侧部署的创新场景、以及数据主权合规。

他用自己参与的野生动物保护项目来说明第二点。“借助像 Gemma 4 2B 这样的小型模型，你可以把它们直接部署在树莓派或开源微型设备上，配备摄像头和麦克风，通过动物的叫声瞬间识别出具体的物种。”他提到了 Google 的开源科学模型 Perch——一个基于 Gemma 衍生、专门用于理解动物生物声学的模型。

关于数据主权，他的观点很明确：“如果你希望以特定方式托管数据以符合当地法规，那么拥有一个开源模型并将其托管在任何你需要的地方就会极其便利。”

Sami 特别强调了 Gemma 4 的一个新变化：Apache 2.0 开源协议。“这在我们的开源模型中尚属首次。这意味着它完全开放，开发者可以调整模型、查看权重，根据需要进行微调，并拥有完整的许可证授权。”

但他也坦承，开源模型和云端模型各有适用场景。“如果需要高效地服务更广泛的受众，或者进行只有庞大云端基础设施才能胜任的巨型计算与处理，云端模型依然不可或缺。但开源模型赋予了开发者丰富的选择。”

谈到整个开源生态格局时，Sami 展现出一种少见的开放姿态。Gemma 系列开源模型的下载量已突破 9 亿次，但他说 Google 对涌现出的所有新模型都感到兴奋——“绝不仅仅局限于 Google 自家研发的模型”。他提到，初创公司往往会混合使用多种模型：对于简单的端侧任务用 Gemma 2B 这样的小型模型，对于更高级的使用场景则可能选择 Kimi K3 或其他大型模型。Google Cloud 上的 Gemini Enterprise 模型花园（Model Garden）托管了大量第三方模型，“让初创公司能够根据自身需求灵活选用最合适的模型——无论是不是 Google 出品”。

AI Studio 移动端 App 取消的真正原因

在这次采访前不久，一条消息引起了开发者社区的关注：Google 取消了尚未发布的 AI Studio 独立移动端 App 计划。太平洋时间 7 月 31 日，@GoogleAIStudio 官方账号发帖宣布了这一决定——约 80 万用户已在 iOS 和 Android 上预注册了这款 App，需求显而易见。但 Google 选择了一条不同的路：“Instead of asking you to download yet another app, we’ve decided to take an entirely different approach: one where apps emerge naturally, in the course of your everyday conversations with Gemini.”（让应用在你与 Gemini 的日常对话中自然涌现，而不是让你再下载一个新 App。）

当我在采访中直接问到这个决策背后的考量时，Sami 的反应出乎我的意料——他说自己“反而感到非常兴奋”。

“我们更倾向于将其直接整合到 Gemini App 中，”他解释道。“Gemini App 本身就已经拥有庞大的用户群体，我们未来的方向是让所有这些用户都能直接在 Gemini App 内部构建复杂的应用。”

他承认这需要时间——“我们正在攻克技术整合，正如团队在公告中分享的那样”——但他认为这是“极其明智的路径”。原因在于一个根本性的观察：想做应用的不再只是专业软件工程师了。

“我妻子没有任何技术背景，但她也在用 AI Studio 做应用，”Sami 说。“将 Gemini App 作为手机端的统一入口，能让成千上万普通人无需额外下载新软件就能拥有创作应用的能力。这才是最理想的结果。”

他自己就是重度用户。他用 AI Studio 给孩子做了零花钱管理应用，做了全家出行管理应用，现在连孩子们也在用。“你只需对着界面交谈，它就会开始为你开发应用。这种构建应用的方式既有趣又让人投入。”

从构思到部署：开发生命周期的彻底简化

当一位年轻开发者 Jerry——他和父亲一起做 AI 项目，刚在 Gemma 黑客松中获奖——问到年轻开发者该如何利用 Google 生态系统把想法变成产品时，Sami 用三个阶段拆解了整个流程：

• 构思阶段（Ideation）：用 Gemini、AI Studio 快速厘清构想和概念，理解市场与用户意图，挖掘线上已有数据来定义需求。

• 原型制作阶段（Prototyping）：除了 AI Studio，还可以深入使用 Antigravity——接入各种不同的模型，利用其 agentic AI 解决方案为应用搭建后端、部署至云端，并整合来自 GitHub 等开源社区的资源。

• 部署阶段（Deployment）：借助 Google Cloud 进行全球部署和托管，利用 Android 和 Google Play 将应用分发给更广泛的受众。

“整个开发生命周期比四五年前简便了太多，”Sami 说。“正因为有 Agentic AI 的存在，所需的工具大幅减少——Agentic AI 可以自动与各种必要的框架打交道，甚至能把应用打包成对 Android 和 Google Play 友好的标准架构。”

关于 AI Studio 是否最终会统一整个开发体验、实现跨平台构建与调试，Sami 表示这确实是“工具的自然演进方向”——成为一个端到端的中心化平台。他提到 AI Studio 已经能够连接云端后端，通过 Antigravity CLI 具备 Agentic 能力，甚至能开发并正确打包 Android 应用直接提交至 Google Play。但他也务实地建议开发者：“随着应用变得越来越复杂，如果你需要本地化的开发环境，Antigravity 会是非常出色的解决方案。”

社区的价值：在信息爆炸时代，人与人的连接不可替代

当我问到 Google 对中国开发者未来的规划时，Sami 没有给出一份路线图，而是回到了一个更本质的问题：社区的价值究竟是什么？

“虽然所有的信息都可以在互联网上找到，我们也可以向 AI 聊天机器人询问数据，但没有什么能比与他人互动、向他人学习更能激发新灵感，并激励自己朝着目标不断迈进，”他说。“因此，我们希望在‘社区’这一维度上加倍投入。”

他提到 Google 在全国各地的开发者专家（GDE）正在转变教学方式：在一个开发者撰写代码越来越少、更多是通过表达意图并依靠 Agent 来开发和部署代码的世界里，专家们需要教会社区的不再是“怎么写代码”，而是“怎么评估代码”——如何审查代码、确保其安全合规。

“我认为在未来一两年内，关于合规、安全、隐私以及 AI 原则的内容将会迎来爆发式增长，”Sami 说，“因为这些才是当下开发者真正面临的核心挑战。”

下一个前沿：垂直细分模型的机会窗口

在采访的最后，话题转向了最前沿的方向。Sami 对更加专业化、细分化的 AI 模型表达了强烈的乐观。

他用 MobVoo 举例——这家来自中国的初创公司为保险公司提供极其专业的服务，保险行业高度监管、容错率极低。然后他抛出了一个开放性的问题：

“如果现在有一家建造商业楼宇的建筑公司，哪款 AI 模型才是行业绝对的最佳选择？目前还没有。但如果有了，建筑公司的效率可能会得到巨大提升。由于建筑业在全世界都是刚需，这完全可以演变成一项全球性业务。”

从 Google 自身来看，他们已经在垂直方向上布局：医疗领域的 MedGemma，自然科学领域关注生物多样性与声学的 Perch，追踪农林种植和森林覆盖率保护的林业模型。

“垂直细分模型的应用场景正变得越来越丰富，”Sami 说。“市场会进一步碎片化，但这恰恰意味着其中蕴藏着巨大的机会，为初创公司深耕细作留出了广阔空间。”

给中国开发者的一条建议

采访结束前，当我请 Sami 给想用 Gemma 4 和 AI Studio 打造全球化 AI 产品的中国开发者一条建议时，他没有说“大胆去做”之类的套话，而是给出了一个非常具体的技术决策框架：

首先，想清楚你要解决什么问题。如果你在构建一款集成了 AI 功能的应用，那么思考如何将模型与计算资源打包至关重要。“把 Gemma 模型直接内置在 App 中分发，体积会非常庞大，可能不利于广泛下载。这种情况下，直接接入 Gemini API 能让你的开发轻松很多，App 的体积也会更小巧。”

但如果确实需要使用 Gemma——比如你在做硬件设备（这在中国非常普遍）——那 Gemma 就是完美的选择，“因为我们专门针对边缘侧和设备端优化了这些开箱即用、行业顶尖的开源模型”。

最后他补充了一点：“Gemma 是多模态的——支持音频、视频、图像。开发者在构思应用时可以大展创意，交互形式绝不仅限于文本。”