移動支付在線下究竟有多普及?今日,支付寶發(fā)布了線下影響力大圖,詳細披露了支付寶在商超、餐飲、交通出行、醫(yī)院等領域的覆蓋情況。數(shù)據(jù)顯示,目前已經(jīng)有超過13萬的線下店鋪接入了支付寶支付,超過90萬出租車和專車可用支付寶付款。而在醫(yī)院、售貨機、地鐵公交、商場等領域,支持支付寶的商家也在迅速增加。
艾瑞的數(shù)據(jù)顯示,支付寶在國內(nèi)移動支付的市場份額占到80%以上。支付寶的數(shù)據(jù)也反應出,經(jīng)過兩年時間的市場培育,移動支付在國內(nèi)已經(jīng)進入了快速普及期。
隨著移動支付和O2O在國內(nèi)的發(fā)展,線下商家在2013年開始陸續(xù)接入支付寶。兩年多時間中,支付寶逐步取代現(xiàn)金,成為用戶和商家在線下交易時的主流付款方式之一。而今日支付寶公布的線下影響力大圖,也勾勒出了移動支付在線下滲透的大致曲線。
支付寶的數(shù)據(jù)顯示,截至今年6月底,線下已經(jīng)有超過13萬家店鋪支持支付寶付款。無論是在超市、便利店、餐廳、咖啡廳或者零食鋪,用戶只要打開支付寶掃一掃,2秒即可完成付款,不必再準備現(xiàn)金和零錢。
商超行業(yè)是移動支付最為普及的一個消費領域。支付寶的數(shù)據(jù)顯示,全國有75個商超品牌的近4萬家門店接入了支付寶支付。這些品牌涵蓋了目前幾乎所有主流的商超品牌,包括家樂福、沃爾瑪、物美、世紀聯(lián)華、歐尚、華潤萬家、卜蜂蓮花、宜家、全家、好德、喜士多、屈臣氏、羅森等。在每個月28號的“支付寶日”,超市顧客中大概有30%的人會選擇用支付寶結賬。
在餐飲行業(yè),移動支付也已經(jīng)成為顧客習以為常的支付手段。目前全國有6.5萬家餐廳支持支付寶付款,涵蓋的品牌包括海底撈、必勝客、肯德基、望湘園等。與此同時,哈根達斯、85°C等甜品飲料品牌里,支持支付寶付款的門店規(guī)模也高達2.1萬家。除此之外,用戶在周黑鴨、來伊份、良品鋪子、座上客等1.2萬家零食鋪中,也可以用支付寶付款。
出租車、醫(yī)院、地鐵公交……
移動支付成為常態(tài)
除了商超、餐飲等快消領域,支付寶也在滲透生活的方方面面,成為一種生活常態(tài)。
在交通出行領域,滴滴、快的、優(yōu)步、神州專車、易到用車等叫車App已經(jīng)接入了支付寶支持。而強生、大眾、海博這樣的出租車公司也陸續(xù)將支付寶引入旗下的出租車。在全國,超過90萬輛出租車、專車可以用支付寶支付車費。在上海、廣州、深圳的地鐵里,用戶可以用支付寶給購買、充值交通卡。
在醫(yī)療領域,已經(jīng)有200家醫(yī)院加入了支付寶“未來醫(yī)院”計劃。在這些醫(yī)院,病人不僅可以在支付寶上面掛號,還可以用支付寶進行診間支付避免重復排隊。支付寶發(fā)布的《未來醫(yī)院一周年服務數(shù)據(jù)報告》顯示,一年時間,平均每2天就有一家醫(yī)院加入“未來醫(yī)院”。通過“未來醫(yī)院”服務,用戶就醫(yī)逗留時間縮短了一半,且用戶好評率到達8成以上。
支付寶的數(shù)據(jù)顯示,在全國,有3.7萬臺自助售貨機支持支付寶付款。也就是說,每兩臺售貨機中就有一臺支持支付寶。
商場、社區(qū)、停車場、菜場……在線下,支付寶還在不斷進入各個領域,讓更多用戶體驗到移動支付帶來的便捷。支付寶+線下商業(yè),正在大大改變和提升用戶在線下消費時的方式與體驗。據(jù)悉,近期支付寶也將推出新的版本,新版本中將進一步強化其在餐飲、商超等本地生活服務方面的布局。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。