繼滴滴高調(diào)涉足拼車業(yè)務(wù)之后,百度連投兩家拼車APP,讓本已不平靜的拼車市場再起波瀾。
根據(jù)公開報(bào)道,在2014年中拿到融資的拼車APP超過20家,融資金額超過2億美元。2015年普遍被認(rèn)為將是拼車應(yīng)用高速發(fā)展的一年。
“我們會把公司所有的家當(dāng)都會投進(jìn)去。”面對日益激烈的行業(yè)競爭,51用車CEO李華兵直言不排除用補(bǔ)貼砸出市場份額。
51用車喊話天天用車:吹牛逼誰都會
昨日晚間,天天用車宣布獲得由百度領(lǐng)投的C輪融資。兩天之前,另一拼車軟件51用車也對外宣布獲得百度領(lǐng)投的C輪融資。兩者同為“一對一”上門拼車業(yè)務(wù),車費(fèi)低于出租車,并限制司機(jī)每日僅能接兩單。
據(jù)悉,51用車與天天用車均在4月10日和百度完成交割,51用車先于天天用車公布。
盡 管同為百度所投資,但相似的業(yè)務(wù)模式使得兩家公司直接競爭。對于天天用車所說的“融資規(guī)模幾乎是行業(yè)第二、第三名的總和。”,51用車方面頗為不滿,一方 面對天天用車的融資規(guī)模存疑,另一方面不滿天天用車自稱行業(yè)第一。“我們的訂單量是天天的N多倍。”“吹牛逼一點(diǎn)都沒用,有本事把各項(xiàng)數(shù)據(jù)曬出來。”李華 兵如此反擊。
除業(yè)務(wù)模式外,兩者的融資背景也頗為相似:51用車獲得雷軍的天使投資,隨后先后獲得創(chuàng)新工場領(lǐng)投的A輪投資、紅杉資本領(lǐng)投的B輪投資以及近期百度領(lǐng)投的C輪融資;同樣,天天用車的B輪融資由紅杉領(lǐng)投,C輪融資由百度領(lǐng)投。
在模式和融資背景高度相似的情況下,天天用戶和51用車之后將如何差異化發(fā)展待解,是否會在資本的推動下上演滴滴快的的合并大戲也未知。天天用車CEO翟光龍表示,現(xiàn)在談這些話題還太早。51用車?yán)钊A兵則強(qiáng)調(diào),公司管理層掌握決定權(quán),決定不會受資本方干擾。
BAT齊聚拼車:百度最用力
錯(cuò)失了打車軟件高速發(fā)展機(jī)遇,百度押寶專車和拼車。
去年9月份,易到宣布獲得C輪融資,百度參投,易到獨(dú)家接入百度地圖專車入口。12月,百度與Uber簽署戰(zhàn)略合作及投資協(xié)議,未來雙方將在技術(shù)創(chuàng)新、開拓國際化市場、拓展中國O2O服務(wù)三個(gè)方面展開合作。
由于易到、Uber在中國市場份額一再縮減,百度的入股并未帶來預(yù)期效果。有消息稱在百度的撮合下,易到與Uber或?qū)⒑喜ⅰ5饲坝袠I(yè)內(nèi)人士向鳳凰科技透露,雙方已經(jīng)談崩。
滴滴快的在打車市場一家獨(dú)大,而后又在專車領(lǐng)域長驅(qū)直入。但有業(yè)內(nèi)分析認(rèn)為作為拼車市場的后進(jìn)入者,滴滴快的以往的優(yōu)勢助力有限,因此拼車成為百度新的入口爭奪點(diǎn)。
據(jù)悉除天天用車和51用車之外,百度也與其他的拼車軟件接觸過。百度地圖將在5月份發(fā)布新版本,或?qū)⒔尤敫嗥窜噷\囓浖?。屆時(shí),包括51用車在內(nèi)的APP將會啟用百度錢包支付。
對于燒錢補(bǔ)貼看法不一
打車軟件如火如荼的“燒錢大戰(zhàn)”之后,在線拼車領(lǐng)域接棒,掀起又一輪的“燒錢大戰(zhàn)”。
此前AA拼車花2000萬元補(bǔ)貼重慶市場,愛拼車發(fā)放給乘客的首單補(bǔ)貼30元拼車費(fèi)用。微微拼車、51用車等應(yīng)用此前先后砸出百萬元補(bǔ)貼用戶拼車。
在李華兵看來,補(bǔ)貼是必要的市場手段,如果你不做就會落后。“我們會把公司所有的家當(dāng)都會投進(jìn)去爭奪市場。”
天天用車翟光龍的看法截然相反,“從打車軟件開始很多家都在進(jìn)行補(bǔ)貼,但補(bǔ)貼不是拼車的未來。”
對于拼車軟件的未來,李華兵認(rèn)為會與汽車后市場做聯(lián)合。翟龍光則表示現(xiàn)在先把拼車做好還沒有具體計(jì)劃。
好文章,需要你的鼓勵
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。