1月8日,針對近期一些打車軟件提供的“專車”服務,交通運輸部表示,“專車”服務對滿足運輸市場高品質、多樣化、差異性需求具有積極作用。各類“專車”軟件公司應當遵循運輸市場規(guī)則,承擔應盡責任,禁止私家車接入平臺參與經營,讓使用“專車”服務的乘客更加安心、放心出行。
交通運輸部的聲明肯定了專車服務,但是也首次明確了” 禁止私家車接入平臺參與經營”,即私家車通過掛靠、加盟約租車服務平臺從事運營載客服務的就是“黑車”。
交通運輸部的表態(tài),讓在專車市場耕耘多年的AA租車以及以租車起家的神州租車等一干專車都松了一口氣,因為他們的車輛來源均為正規(guī)的租賃平臺,司機均來自第三方勞務派遣。
但以打車軟件起家、崇尚輕資產、依靠或多或少的第三方租賃車輛以及大量吸納私家車而在專車領域野蠻生長的滴滴、快的而言,則是挨了當頭一棒。因為,在它們的平臺上實際上運營著諸多的私家車。
在交通運輸部對專車服務表態(tài)一個月后,新浪科技對專車市場進行了市場調查。調查發(fā)現(xiàn),現(xiàn)在滴滴、快的兩家企業(yè)正幫助私家車進行“洗白”,以便讓它們符合來自正規(guī)租賃公司的規(guī)定。
助私家車洗白
作為國內市場份額位居前列的打車公司,滴滴、快的從未公布過旗下專車的來源占比,在交通部的聲明之后,對“有多少專車是私家車”的問題更是諱如莫深。
新浪科技調查發(fā)現(xiàn),在交通運輸部表態(tài)之后,兩家打車軟件平臺上的私家車確實在大幅度減少,但是仍有用戶表示,它們約到的大部分專車仍然是屬于個人的私家車。
日前,20位每月至少使用5次專車服務的深度用戶接受了新浪科技的調查。他們表示,在1月份之前“叫到的專車幾乎全部是私家車”,1月份之后,這樣的情況有所好轉,但是真正屬于第三方租賃平臺專車仍是少數(shù)。
一位專車司機告訴新浪科技,快的和滴滴專車平臺過去幾周收緊了接入平臺的政策,私家車只有先掛靠到租賃公司,拿到所謂的租賃合同之后,接受培訓之后才能上路拉客。
對于如何能夠取得這一紙合同,很多專車司機表達了同樣的觀點,滴滴、快的都有一些自己合作的租賃公司,“我們可以通過這些租賃公司進行操作這個合同,當然這些公司究竟是不是正規(guī),是不是有租賃資質,我們就不知道了,反正平臺認,我們就這么做。”
對此快的一號專車表示,目前只和有營運資質的正規(guī)汽車租賃公司合作,一直是在現(xiàn)有法律框架下運營。
滴滴方面也表示,一直與正規(guī)的租賃公司進行合作,但是市面上也可能偶爾會存在私家車,滴滴目前也正與租賃公司加強合作,也配合各地監(jiān)管部門,最大限度的保障專車來源能夠合法安全化。
洗白私家車背后
多位接受問詢的私家車司機不愿透露有關租賃公司的更多信息,但幫助私家車“洗白“背后,是因為快的、滴滴等打車平臺不愿意一下子放棄過多的運營車輛?,F(xiàn)在專車市場仍然處于搶奪份額階段,快的和滴滴仍然需要依靠私家車獲得野蠻生長。
據(jù)滴滴打車某不愿透露姓名的前員工透露,目前滴滴平臺租賃車輛不足1000輛,而私家車則超過3000輛。如果一下減少這么多的私家車,滴滴專車的服務很難讓用戶滿意。
通過“洗白“私家車的操作手法,滴滴和快的保證了專車的數(shù)量,讓自己在競爭中仍然保持著優(yōu)勢,但是將車輛掛靠在第三方租賃公司的司機們可能就要面臨著極大的風險。
專家指出,滴滴、快的旗下的一號專車等通過招募”私家車“掛靠或加盟的行為,本質上是為非法運營提供便利。同時,這樣的合作方式,軟件提供方與司機之間只是一種合作關系,并無合同上的約束力,私家車的收益根本就無從保證。而一旦這種掛靠第三方租賃公司的”洗白“的行為遭到禁止,這些私家車將只能進入”黑車“運營狀態(tài)。
多位專車司機表示,他們都是自費花費數(shù)十萬元購買的車輛,本以為能夠借著運營專車多賺點錢,但是最近半年來,專車的生意并不好做。
“日子沒那么好過咯,如果哪天打車平臺說要徹底取消私家車,那我們只能自己去跑黑車、拉黑活了…”某專車司機劉師傅無奈地說。
趙占領律師對新浪科技表示,如果私家車通過掛靠在汽車租賃公司名下、再通過專車軟件平臺去運營,不論司機是否車主本人,是否租賃公司的員工,這種行為都是違規(guī)的,因為汽車租賃行業(yè)是管制行業(yè),只有具備資質的企業(yè)的合規(guī)營運車輛才可從事租賃經營,車輛合規(guī)至少應該具備兩點:車輛產權屬于汽車租賃公司;申請了車輛指標并對車輛進行了備案。
事實上,滴滴、快的等公司依靠私家車掛靠租賃公司的“洗白“做法,只是利用現(xiàn)有政策,打了一場擦邊球。這樣的做法并不符合交通運輸部的表態(tài),未來有可能遭到交通部門的禁止。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經網絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。