1月15日,移動(dòng)出行平臺(tái)快的打車今天宣布,公司已完成新一輪總額6億美元的融資,由國際知名投資機(jī)構(gòu)軟銀集團(tuán)領(lǐng)投,阿里巴巴集團(tuán)以及老虎環(huán)球基金也參與了此次投資。憑借此輪巨額融資,快的打車將繼續(xù)提升已有的市場領(lǐng)先地位及服務(wù)體驗(yàn)。
資料顯示,快的打車成立于2012年,截止目前其提供的服務(wù)已經(jīng)覆蓋了國內(nèi)包括香港在內(nèi)的358個(gè)城市。易觀國際最新的數(shù)據(jù)顯示,快的打車在國內(nèi)打車軟件市場中已占據(jù)54.4%的份額,位居行業(yè)第一。與此同時(shí),勁旅咨詢的調(diào)查顯示,快的打車已成為國內(nèi)最大的旅游類APP。
快的打車也是國內(nèi)唯一一家在香港與多家國際巨頭同臺(tái)競技的打車軟件。和內(nèi)地市場一樣,快的打車在香港市場同樣占據(jù)行業(yè)第一,市場份額超過30%。根據(jù)此前披露的信息,快的打車正加快國際化步伐。
在國內(nèi)打車軟件行業(yè)格局趨于穩(wěn)定之后,快的打車于去年下半年推出了中高端約租車服務(wù)一號(hào)專車。短短半年的時(shí)間里,一號(hào)專車已經(jīng)覆蓋國內(nèi)56個(gè)城市。憑借高效的運(yùn)營以及優(yōu)質(zhì)的服務(wù)體驗(yàn),一號(hào)專車目前已成長為國內(nèi)規(guī)模最大、發(fā)展最快及最受歡迎的約租車平臺(tái)。
快的打車董事長兼CEO呂傳偉表示,“非常歡迎軟銀、阿里巴巴及老虎基金參與本輪融資。新一輪融資將幫助公司繼續(xù)在技術(shù)和產(chǎn)品創(chuàng)新上進(jìn)行更大的投入,同時(shí)穩(wěn)固并擴(kuò)大已有的市場地位。我們期待著各方一起,進(jìn)一步提升乘客的出行服務(wù)體驗(yàn),持續(xù)為城市交通系統(tǒng)帶來積極的影響。”
軟銀副董事長Nikesh Arora表示,“在短短兩年的時(shí)間里,快的打車已成長為中國打車軟件行業(yè)的主導(dǎo)者。鑒于其自身擁有優(yōu)秀的團(tuán)隊(duì)及超強(qiáng)的執(zhí)行力,我們相信快的打車的業(yè)務(wù)未來將顯著成長。我們很高興能支持快的打車持續(xù)擴(kuò)張。”
阿里巴巴集團(tuán)CEO陸兆禧表示,“快的打車通過技術(shù)改變了中國的城市出行方式,同時(shí)也在這一過程中改善了人們的生活。阿里巴巴集團(tuán)將繼續(xù)全力支持快的打車發(fā)展,并對(duì)其未來充滿信心。移動(dòng)互聯(lián)網(wǎng)正進(jìn)入一個(gè)令人興奮的階段,我們相信快的打車已經(jīng)做好了充足的準(zhǔn)備。”
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。