早上key note内容的演讲完之后，下面针对每个点进行详细的分享。
移动前沿
分别从多屏幕适配、应用质量和开发效率这几个方面进行讲解
主题概要
1.先来看一下多屏幕适配
在jetpack工具包里面提供了 windowManager和windowSizeClass的工具包及接口类，帮助开发者适配多屏幕多样式。
屏幕适配工具
这里讲述了一些最佳产品设计，利用大屏的左右区域进行加购行为和商品对比。
多屏幕设计案例
这里谈到了一些数据，利用大屏构建不同体验的应用给整个app带来的收益。
大屏收益
在Studio上面新增了视频流进行预览的方式。
视频流预览
对于大屏，提供了更加方便的compose tv工具包，让开发更加高效。
大屏的设计建议
这里，对于原生和compose的开发套件的选择，google也给出了一些建议，对于大型app来说全盘替换肯定不合理，这里建议新的模块或者功能用compose来实践，compose本身也是和原生兼容的。
camera x也提供了新的api,如夜间模式，HDR,焦外成像美颜等，已经有很多厂商接入了。
camara 新api
这里提到了荣耀 magic 5率先进行了适配支持，给了一波广告。
在手机上，介绍了通行密钥一种新的密码验证的解决方案，经过凭据认证之后，可以通过指纹，屏幕锁直接登录，飞书团队介绍了他们实践的demo。不过这个要在国内推广需要，厂商自己构建凭据认证后台。
通行密钥
Android提供了统一的api，旨在解决这个统一登录认证的问题。
通信密钥认证
这个api在 credential manager中
联合登录
下面是一个认证过程，网站上原理
其实Passkey的核心技术非常简单粗暴，就是用非对称密钥通过签名完成认证：
使用Passkey登录时，网站存储了用户的公钥，而用户的私钥存放在本地设备（电脑或手机）中，通过给服务器发送私钥签名，服务器验证签名无误，即登录成功。
通行密钥原理
提到了 之前发布过的Health Connect
health connect
jetpack glance库已经退出beta版本,他通过compose申明式语法，来消除直接使用removeview的复杂性，从而简化widget开发
glance库
建议用kotlin来构建build脚本
接下来又谈到了机器学习，设备端机器学习难度比较高。
端侧面临的问题
这里推出了media piple,用于解决上面问题。
mediapiple
还有很多应用场景
应用场景
TensorFlow Lite可用于端侧的前向运算，简化了api
手势识别
mediapipe模块化支持
这里举了个例子，讲如何做上面的需求，api简单
手势识别例子
mediapipe还推出了一个基于web编辑器mediapiple Studio，用于调整参数。
mediapiple Studio
下面是一个人脸检测的调试案例
人脸检测特征
另外，还推出了model maker
model maker
这里举例来如何使用
举例
对于大模型来说一般用verses AI
大模型
举例了全身特征点检测的例子
全身特征点检测
另外，还举例了人脸风格化的例子
ai举例
总结如下，可到网站上看详情
ai动向总结
最后讲了一个实际的卡牌案例
flip
这里用ai生成卡牌的图
ai生成卡牌的图
项目开源可进一步研究
来源地址
这里的演讲b站已经发布，可以进一步观看
网友评论