滴滴快的合并的傳言日囂塵上,由于媒體引用的消息來自《華爾街日報》,所以那些持有“絕對不可能”思想的人們也產(chǎn)生了動搖,不過截至本文發(fā)布前依舊未能確認(rèn)合并消息的真假。但是可以談的地方是,因為這種可能性存在,所以假設(shè)此事件真的發(fā)生了,會帶來哪些明顯的變化?
一
合并后中國打車軟件應(yīng)用市場寡頭企業(yè)誕生,其余同類應(yīng)用幾乎沒有機會。
易觀國際最新發(fā)布的《中國打車APP市場季度監(jiān)測報告2014年第4季度》數(shù)據(jù)顯示,截至2014年12月,中國打車APP累計賬戶規(guī)模達(dá)1.72億,其中快的打車市場份額為56.5%,滴滴打車為43.3%。
顯然,雙方合并后,剩余0.2%的打車APP市場是一個微乎其微的數(shù)字,這些應(yīng)用在未來想要有一席之地將變得非常困難,因為排名第一與第二的企業(yè)不再互相制衡,后面的企業(yè)很難找到追趕機會。
二
合并后,將對Uber產(chǎn)生威脅。
如果說滴滴和快的現(xiàn)在還沒有實力去和Uber比拼,那么雙方合并后,在國內(nèi)沒有了強勁的競爭對手,將有力量與打車應(yīng)用鼻祖uber去爭奪市場。
有分析稱滴滴和快的合并之后可以搶先Uber登錄資本市場,這不是沒有道理。“Uber進軍中國市場不過是姿態(tài)與概念,其用心很可能是想在2015年登陸納斯達(dá)克。目前,海外媒體已經(jīng)開始炒Uber的估值與IPO話題。在這個窗口,無論快的還是滴滴怎么標(biāo)榜商業(yè)模式跟Uber不一樣,如果在IPO節(jié)奏上落后對手一步,至少在2015年會失去先機,而后續(xù)創(chuàng)新、拓展、包裝的成本會大大增加。”夸克傳媒負(fù)責(zé)人王如晨說。
三
合并后,投資方得解脫。
打車應(yīng)用市場已經(jīng)是一片血腥紅海。雙方燒錢非常瘋狂,一方面是培育市場,一方面還要燒錢與對手廝殺,對于投資方而言,估計是叫苦不跌。所以雙方合并,最開心的恐怕就是投資方了,盈利有望了!
2014年12月9日,滴滴打車宣布公司獲得新一輪超過7億美元的D輪融資,投資方包括淡馬錫、國際投資集團DST、騰訊。2015年1月,快的打車也宣布獲得6億美元的D輪融資,投資方包括軟銀、阿里巴巴、老虎基金等。
實際上也有未經(jīng)證實的消息稱,“雖被滴滴快的雙方共同否認(rèn),但這是一場投資方推動的合并,滴滴的投資人在其中起了重要作用。”
四
合并后,企業(yè)管理層將發(fā)生變化。
我們知道,兩家公司的合并是極其復(fù)雜的,之前優(yōu)酷和土豆的合并,過程長達(dá)一年之久。這其中,首先將出現(xiàn)的是管理層變化,CEO只有一個,業(yè)務(wù)部門也不會有重復(fù)的兩個。有傳言稱,雙方如果合并,將由程維出任新公司CEO,快的公司高管則套現(xiàn)退出。
除了最高層外,雙方高管人才濟濟。2015年2月4日升任滴滴總裁的柳青,此前在高盛任職12年,有豐富的資本市場經(jīng)驗,同時她也是柳傳志之女??斓姆矫?,于2015年1月4日,引入原阿里巴巴集團副總裁陶然加盟,并出任資深副總裁,負(fù)責(zé)市場推廣、公眾溝通及商務(wù)合作等工作。陶然于2004年加入阿里巴巴集團公關(guān)部,歷任公眾和客戶溝通部經(jīng)理、總監(jiān)、副總裁。
毫無疑問,雙方如果合并,對于管理層也將迎來一個巨大變化。
五
雙方的合并,將引發(fā)阿里和騰訊支付業(yè)務(wù)更加激烈的競爭。
打車軟件應(yīng)用之爭,不單單只是這個市場領(lǐng)域的競爭,更深遠(yuǎn)的背后是騰訊和阿里在支付方面的競爭,利用打車軟件,雙方各自培養(yǎng)微信支付和支付寶的支付習(xí)慣。
如果滴滴和快的合并,盡管內(nèi)部基于支付方面依然會發(fā)生競爭,但對外將不會表現(xiàn)得那么激烈,那么支付寶和微信支付的戰(zhàn)火將在其他地方燒得更加兇猛。
比如,當(dāng)下正熱的紅包大戰(zhàn)沒準(zhǔn)會更加激烈哦!
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(zhǔn)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。