今天在豌豆莢「應(yīng)用發(fā)布會」欄目獨家首發(fā)的,是一款預(yù)訂非標(biāo)準(zhǔn)化住宿的應(yīng)用:去呼呼。用戶可在預(yù)訂 Airbnb+Homeaway 式的房源,比如在上海可住進(jìn)法國音樂家老派別墅,在廈門住進(jìn)海賊王風(fēng)格的客棧。包括酒店式公寓,度假公寓,別墅,民宿,青旅等在內(nèi)的非標(biāo)準(zhǔn)化住宿已經(jīng)擁有越來越廣泛的用戶群,據(jù)統(tǒng)計 18.8% 的用戶一年住 8 次以上非標(biāo)準(zhǔn)住宿。
去呼呼與同類應(yīng)用相比,把用戶體驗從線上到線下完整連貫起來,通過智能門鎖,可以在手機上操作一鍵開鎖,免去了在前臺辦理手續(xù)或與房東交接鑰匙的麻煩。試想,若干年后,當(dāng)人們習(xí)慣用手機開門,房卡和鑰匙這樣的物件則逐漸過時??萍急揪筒恢皇歉呱畹睦碚摚恢痹诟纳浦覀兊纳?,且從未停止過。
這也正是豌豆莢「應(yīng)用發(fā)布會」選擇這款新應(yīng)用做首發(fā)的原因。
亮點1:類 Airbnb 特色住宿模式
去呼呼并沒有搜索功能,而是通過個性化篩選,讓用戶挑選符合自己需求的房間。這里沒有千篇一律的標(biāo)準(zhǔn)間,每一間房子都有自己的風(fēng)格。
圖1:去呼呼平臺上的房源,多是個性化的酒店式公寓
如果是幾個朋友一起出去玩耍,分隔在好幾個房間很不方便,最好能定下一整個房子,又有玩??臻g,又有休息空間,如果心情好,還能洗衣做飯。在去呼呼里,房間數(shù)、是否有客廳、是否可以做飯都可以作為篩選條件:
圖2:去呼呼按照實際需求篩選出最適合你的房子
同樣的價位,去呼呼平臺上的房間是普通酒店的 2-3 倍,且設(shè)施更完善。
亮點2:智能門鎖改變了開門習(xí)慣
去呼呼平臺上的所有房子都是聯(lián)網(wǎng)的。一旦房間預(yù)訂成功,這間房子就被密碼鎖住,無法重復(fù)預(yù)訂。到達(dá)目的地后不需要去前臺辦手續(xù),也不需要聯(lián)系房東給鑰匙,只要找到自己的房間,用手機直接開門:
圖3
除此之外,在去呼呼預(yù)訂成功后,手機會收到一條開門密碼,記住這個密碼,24小時內(nèi)在智能門鎖上輸入都可以開門。如果朋友先到,你還可以在手機上為其遠(yuǎn)程開鎖,在北京的你能打開上海的房門也是有點炫酷。
亮點3:讓房東和房客都「驚喜」
大部分房客往往會用「驚喜」來形容去呼呼的訂房體驗。而對于房東來說,又是怎樣的感受呢?
在大連有一家叫馬猴吃香蕉的主題酒店,由一對 80 后夫妻經(jīng)營。這家主題酒店是去呼呼平臺上很有特色的代表,我們聽一聽房東是怎樣說的。
圖4:復(fù)古波普主題房
「應(yīng)用發(fā)布會」主辦方:先問一個大家最關(guān)心的問題,智能鎖如何保證房客的安全呢?
房東:如果在入住期間出現(xiàn)非正常方式開鎖,如撞門等情況,智能鎖會立刻通知房東。
「應(yīng)用發(fā)布會」主辦方:那別人能打開我的房間門嗎?
房東:有別于鑰匙或者門卡有被復(fù)制的風(fēng)險,智能鎖的開門指令是有時間段的,只有房客在入住期間能打開。
「應(yīng)用發(fā)布會」主辦方:作為房東,對智能鎖感受最深的點是什么?
房東:因為我的房子每間主題風(fēng)格都不同,有的客人每晚都想換不同的房間。如果是在以前,我就得頻繁更換房卡或鑰匙給他。另外,如果客人不小心弄丟了鑰匙,為了保障安全,我就要更換門鎖。智能鎖完全免去了這樣的麻煩。
也許,傳統(tǒng)的房卡和鑰匙真的會就此淡出,誰說不一定呢?Uber 和 Airbnb 正在改變著全世界人的出行,五年前你也不會想到自己今天會如此依賴手機。
硅谷已經(jīng)成為對世界最有影響力的地區(qū)之一,科技也不再是業(yè)內(nèi)玩家的自留地。我們?yōu)樯硖庍@樣的行業(yè)而感到興奮,并為之注入自己的熱愛。
希望有趣的應(yīng)用越來越多,哪怕每次只是多一點點。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。