菜鳥網(wǎng)絡(luò)副總裁萬霖4月22日在上海舉辦的全球包裹聯(lián)盟峰會上透露,菜鳥網(wǎng)絡(luò)去年開始搭建的跨境物流體系正在快速成型,“未來菜鳥跨境物流的服務(wù)能力仍將快速增加,同時送貨時效和成本也將持續(xù)優(yōu)化。” 萬霖稱,菜鳥在跨境物流方面的目標,是讓消費者獲得與本國國內(nèi)網(wǎng)購一樣的物流體驗。去年的雙十一期間,杭州江干區(qū)的買家陳先生凌晨0點在天貓國際購買荷蘭諾優(yōu)能奶粉付款成功,2點05分,奶粉就送到了家門口。根據(jù)菜鳥網(wǎng)絡(luò)的訂單跟蹤信息,該訂單11月11日00:00分付款成功,0:50分倉庫打包完成、01:15下發(fā)海關(guān)查驗線,2:05完成簽收。
萬霖透露,菜鳥協(xié)同的全球化全鏈路物流資源,通過同合作伙伴之間的協(xié)作,已經(jīng)建立了覆蓋全球5大洲的海外倉網(wǎng)絡(luò)和航空干線資源能力,可以做到貨通220多個國家和地區(qū)。在進口方面,菜鳥打通了直郵、集貨、保稅三種模式,開通了中美、中德、中澳,中日和中韓5條進口專線。在杭州、廣州、寧波3個城市設(shè)立了保稅倉庫,實現(xiàn)來自全球各地的保稅進口貨物在三這個城市集合。
去年雙十一期間,菜鳥的海淘包裹最快1-3天就能送到消費者手中,而傳統(tǒng)模式至少需要30-40天。價格也大大降低,以進口排名第一的美國地區(qū)商品進口為例,用戶通過轉(zhuǎn)運公司的價格約為每磅40-60元,而菜鳥可低至20人民幣一磅。
“跨境物流應(yīng)該更有品質(zhì)更陽光,告別黑箱子和灰色清關(guān),同時,時效確定性要更強,性價比也應(yīng)該更高。”萬霖表示。目前傳統(tǒng)海淘主要采用直郵和轉(zhuǎn)運模式,直郵模式大多由國際快遞公司承運,寄送快但運費很高;轉(zhuǎn)運模式價格便宜,但信息流與物流沒有打通,物流環(huán)節(jié)對消費者就是個“黑箱”,時效性、安全性差。
跨境電子商務(wù)即將迎來黃金發(fā)展期。2014年,上海、重慶、杭州、寧波、鄭州、廣州、深圳先后開展了跨境電商進口業(yè)務(wù),共驗放包裹411萬余件,價值約10.1億元人民幣。而2014年中國游客海外支出達到創(chuàng)紀錄的1648億美元,較2013年增加28%??梢灶A(yù)見,在未來幾年,跨境進口電商將迎來快速發(fā)展,B2C模式的增速也將大幅加快。
在此背景下,菜鳥網(wǎng)絡(luò)的全球化布局也迅速展開。上個月,菜鳥網(wǎng)絡(luò)與圓通推出國際航線,打通國內(nèi)-東北亞(韓國)、香港-大陸的跨境快件通道,國內(nèi)部分區(qū)域已可實現(xiàn)次日達。此外,菜鳥還與圓通合作率先實現(xiàn)了臺灣直送服務(wù),與中郵在戰(zhàn)略合作框架下,推出了線上平郵加小包、掛號小包等物流產(chǎn)品。在俄羅斯、新加坡、芬蘭等國,菜鳥也與當?shù)睾献骰锇檫M行了數(shù)據(jù)對接,實現(xiàn)了物流信息的同步流通,并嘗試開發(fā)適合中國用戶的快遞產(chǎn)品。
據(jù)悉,全球包裹聯(lián)盟于今年年內(nèi)正式成立,目前已經(jīng)聚集了韓國最大的快遞企業(yè)CJ集團、臺灣本土統(tǒng)一速達快遞等多家跨境物流公司。萬霖表示,希望能夠通過同“全球包裹聯(lián)盟”的合作,進一步打通中國海關(guān)、外國海關(guān)暢順的渠道,讓消費者獲得與本國國內(nèi)網(wǎng)購一樣的物流體驗。
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。