國內(nèi)生活服務(wù)平臺美團(tuán)網(wǎng)CEO王興近日表示,要將美團(tuán)打造成一家超過1000億美金市值的公司。
王興表示,互聯(lián)網(wǎng)商業(yè)大革命的到來,為O2O提供了數(shù)十萬億級的廣闊市場,讓產(chǎn)生一家千億美金市值公司成為可能,“在互聯(lián)網(wǎng)商業(yè)大革命中,沒有哪個行業(yè)能夠置身事外。”在未來的2到3年里,以傳統(tǒng)快遞行業(yè)和傳統(tǒng)線下商超零售產(chǎn)業(yè)為代表的諸多行業(yè)都會與O2O進(jìn)行劇烈整合。
并且,互聯(lián)網(wǎng)對服務(wù)業(yè)的改造速度和翻天覆地的程度,會遠(yuǎn)遠(yuǎn)超過互聯(lián)網(wǎng)對商品零售的改造。而目前,在中國的生活服務(wù)領(lǐng)域,互聯(lián)網(wǎng)滲透率還不到2%,這為O2O行業(yè)帶來了巨大的發(fā)展空間。
王興表示,將繼續(xù)做綜合性平臺。他說,“將繼續(xù)增加服務(wù)品類,為用戶提供最豐富最全面的生活服務(wù)。在各個垂直領(lǐng)域有區(qū)分、有重點的精耕細(xì)作,使各領(lǐng)域相互拉動,達(dá)到整體大于部分之和的效果。” 這意味著美團(tuán)將繼續(xù)品類擴張,強化美團(tuán)的O2O入口地位,在贏家通吃的互聯(lián)網(wǎng)領(lǐng)域,此舉將進(jìn)一步拉大美團(tuán)與競爭對手的差距。
除了自營業(yè)務(wù)之外,美團(tuán)還在今年正式推出開放平臺,接入第三方的服務(wù)提供商。王興表示,“2015是美團(tuán)網(wǎng)重點建平臺、建生態(tài)的一年。不同的產(chǎn)品、不同的業(yè)務(wù)需要平臺,還需要跟外部合作伙伴有各種各樣的合作方式。”
今年4月,美團(tuán)增加了“上門”入口,接入美業(yè)、家政、汽車洗護(hù)等多種品類的上門服務(wù)提供商。通過開放自身流量資源,連接用戶與上門服務(wù)提供商,美團(tuán)的開放平臺將與現(xiàn)有業(yè)務(wù)模式形成互補,為美團(tuán)的交易額帶來巨大增量。美團(tuán)方面表示,未來還將推出更多的上門服務(wù)。
美團(tuán)方面提供的數(shù)據(jù)顯示,2014年,美團(tuán)用戶數(shù)超2億,覆蓋商戶近百萬家,覆蓋城市超過1000個,交易額突破460億元,較去年增長180%以上,市場份額占比超過60%。從交易額看,美團(tuán)已成為僅次于阿里、京東的第三大電商平臺。今年以來,美團(tuán)繼續(xù)保持了高速增長,2015年4月,美團(tuán)交易額突破84億,較3月環(huán)比增長12%。美團(tuán)的移動端交易額占比90%以上。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(tuán)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。