幾乎所有公司都有微信群,但大多用于溝通,在企業(yè)級移動應(yīng)用“紛享銷客”看來,微信相對私人化,如果在微信群里談工作、布置工作、查詢工作有諸多不便。于是,繼7月份獲得千萬美元B輪融資后,紛享銷客在11月初迅速上線3年來變動最大的一次改版,欲借新版本4.0打造“微信式”移動辦公管理平臺。
做“微信式”辦公
互聯(lián)網(wǎng)產(chǎn)品競爭激烈,尤其是面對普通用戶的C端產(chǎn)品鏖戰(zhàn)已久,面對企業(yè)級用戶的SaaS產(chǎn)品也在逐漸升溫。有著6億用戶的微信在10月初推出企業(yè)號,用個人用戶最為熟悉的即時溝通的方式完成企業(yè)級溝通。
在這樣的行業(yè)趨勢下,紛享銷客率先試水,4.0版改變了原來基于微博的溝通方式,變成了全“微信式”體驗。在用戶首先看到的“企信”界面中,將工作提醒模塊整合其中,用戶打開平臺就能看到與自己關(guān)聯(lián)度最大的工作提醒,提高響應(yīng)速度。
紛享銷客“企信”界面
在BYOD工作場景中,用戶經(jīng)常需要發(fā)送文檔、審批、日志等工作內(nèi)容,紛享銷客解決了這一問題。比如,我在旅行的途中,同事打電話讓我傳送一個財務(wù)文檔,我就可以打開手機使用紛享銷客先發(fā)送審批給直屬領(lǐng)導(dǎo)申請是否可以傳送,領(lǐng)導(dǎo)閃回之后我給同事傳送文檔,然后@通知我的同事查收,這樣典型的工作流程在分享的平臺上就能實現(xiàn)。
并且新版本在通訊的底層架構(gòu)上做了很大升級,在電梯、地鐵等弱網(wǎng)環(huán)境下也能穩(wěn)定使用。
同樣,在辦公場景中時經(jīng)常要組織部門或者公司的會議,在紛享銷的平臺上能夠發(fā)起 “百人大會”群聊和@某人的功能,并且能在群對話中發(fā)起“企信通知”,并實時查看已讀狀態(tài)及確認回執(zhí),這樣在通知發(fā)出之后,有哪位同事沒有響應(yīng)就能夠做到一目了然,方便用戶掌控通知效果。
無限可能的構(gòu)架模塊
據(jù)了解,在紛享銷客版本4.0中,工作、CRM等功能模塊重新做了優(yōu)化整合,尤其是添加了應(yīng)用模塊,以實現(xiàn)完全可擴展的程序架構(gòu),承載更多功能應(yīng)用。
這就能為不同行業(yè)的企業(yè)創(chuàng)造條件。比如,在12月份版本中,就會有適合快消行業(yè)的報數(shù)的應(yīng)用。之后,紛享銷客會開放更多API接口讓企業(yè)應(yīng)用接入。
紛享銷客CEO羅旭指出,這樣的布局,以實現(xiàn)“工具+平臺+生態(tài)”的發(fā)展模式,同時也是紛享銷客的戰(zhàn)略意圖。
紛享銷客CEO羅旭
紛享銷客總裁楊斌介紹,與之前版本相比,新版的優(yōu)勢在于,用戶可完全利用碎片時間辦公。
紛享銷客總裁楊斌
“大家都在講我們辦公的產(chǎn)品充分利用大家的碎片時間,我們中國的這些商務(wù)人群更多的碎片時間是在地鐵和公交,以及衛(wèi)生間和坐電梯這些環(huán)境里面。我們現(xiàn)在的體驗可以做到在這種碎片時間里面,微信能用,紛享就能有用,但是我們以前的產(chǎn)品和同行的產(chǎn)品在這種情況下不能順暢地接收信息和產(chǎn)品使用,現(xiàn)在包括在火車上能夠做到紛享銷客順暢使用,紛享銷客在網(wǎng)絡(luò)環(huán)境下的表現(xiàn)是一致的。”楊斌說道。
誠如楊斌所言,這方面與微信不同,紛享銷客做了一些企業(yè)個性化的改造,比如企信通知。楊斌指出,現(xiàn)在有很多的企業(yè)用戶在拿微信群進行辦公,他在一個群里面不是聊天而是發(fā)一些通知性的信息,弊端在于但是他不知道這些人閱讀的情況,不知道他到底看沒看。這一塊我們做的企業(yè)通知可以做到有多少人看到,有多少人沒有閱讀,有多少人確認,做了一些辦公性的改造。“這個也是針對微信做了一些企業(yè)級的改造,按部門可以進行選擇員工、快速建群組,這些都會做提升。”
上線3年以來,紛享銷客目前已積累60000家企業(yè)用戶。紛享銷客方面透露,今年年底將進行C輪融資。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。
關(guān)注科技創(chuàng)新、技術(shù)投資。
以文會友,左手硬核科技,右手浪漫主義。