傳聞中的移動CRM企業(yè)紛享銷客融資一事終于落下實(shí)錘——1月23日,國內(nèi)軟件廠商金蝶國際宣布5000萬美元戰(zhàn)略投資紛享銷客。
一開場,紛享銷客創(chuàng)始人兼CEO羅旭用“鳳凰涅槃”形容過去一年多的經(jīng)歷:“從我個人來說,參加了一次馬拉松,當(dāng)時心臟驟停了幾秒,在醫(yī)院醒來之后覺得萬幸,應(yīng)該是冥冥之中還有很多事沒做完、沒做的更好;從公司來看,2016年紛享銷客進(jìn)行了上千人的調(diào)整,去重新定位,回歸到產(chǎn)品,聚焦到用戶。”
紛享銷客創(chuàng)始人兼CEO羅旭
的確,企業(yè)服務(wù)市場從2015年突然火爆起來,到2016年下半年開始降溫,正好與紛享銷客的大起大落階段吻合,但這并不影響這家公司曾經(jīng)的瘋狂歷史,一度給移動辦公CRM(Customer Relationship Management,客戶關(guān)系管理)掀起了小高潮:
2011年,原新京報副總裁羅旭離職創(chuàng)立紛享科技,當(dāng)時定位為企業(yè)協(xié)作平臺,名為“紛享平臺”,產(chǎn)品是像微博界面一樣做團(tuán)隊內(nèi)部的溝通協(xié)作。
2013年,紛享科技獲得IDG資本300萬美元A輪融資,重新定位做銷售管理,改名為“紛享銷客”,此時產(chǎn)品對標(biāo)Salesforce,定位給銷售人員提供移動辦公和CRM工具。
2014年7月,紛享銷客獲得北極光創(chuàng)投領(lǐng)投的千萬美元B輪融資;同年12月,紛享銷客再次獲得了由DCM領(lǐng)投的5000萬美元C輪融資。
2015年7月,紛享銷客獲得了來自高瓴資本領(lǐng)投的1億美元D輪融資。此時盡管IPO尚未提上日程,但已經(jīng)開始引起業(yè)界猜測。
2016年3月,紛享銷客獲得中信產(chǎn)業(yè)基金E輪融資,同時宣布“公司定位由移動銷售管理平臺轉(zhuǎn)為一站式移動辦公平臺,‘紛享銷客’更名為‘紛享逍客’”;同年7月,紛享逍客再次獲得華聯(lián)長山興投資E+輪7000萬美元融資。此時,一度高舉高打的紛享銷客韜光養(yǎng)晦,內(nèi)部改革動作頻頻。
2018年1月,紛享銷客獲得金蝶國際5000萬美元戰(zhàn)略投資。
資本狂潮之余,“紛享銷客”過去幾年的業(yè)務(wù)大致可以理解為兩塊,一塊是具有IM(即時通訊)+OA(辦公自動化)的“管控類” SaaS 軟件;另一塊是“連接型”CRM,重點(diǎn)服務(wù)零售、醫(yī)療、制造行業(yè)等B2B類大客戶,幫助他們對上游企業(yè)用協(xié)作網(wǎng)絡(luò),對下游合作伙伴(分銷型企業(yè)等)解決核心痛點(diǎn),對子公司解決調(diào)度協(xié)作、數(shù)據(jù)管理等問題。
如今,紛享銷客已經(jīng)不再是一家資本驅(qū)動、以銷售主導(dǎo)的 SaaS 公司,在2016年末進(jìn)行人員調(diào)整后,目前紛享銷客員工規(guī)模在600人左右,銷售僅100多人,其余大部分為研發(fā)團(tuán)隊。
現(xiàn)在的羅旭也更堅定業(yè)務(wù)方向:“2017年我們向死而生的回歸,第一件事是真真正正理解了什么是中國人需要的CRM。”“更多的企業(yè)需要交互起來,基于業(yè)務(wù)的交互型CRM,我們稱之為連接型CRM,一定是未來必然的趨勢。”
B端的服務(wù)和對C端的融合。
成長期間會面臨越來越個性化的產(chǎn)品需求。羅旭強(qiáng)調(diào),紛享銷客正逐步釋放Paas能力,輻射到IM、BI、前端UI能力,以支撐用戶產(chǎn)品的個性化和千人千面。
軟件市場20多年,旗下有金蝶云、精斗云、管易云、云之家等云產(chǎn)品,曾孵化了隨手記、快遞100、云之家等多家獨(dú)角獸創(chuàng)業(yè)公司。
“這是紛享銷客首次引入戰(zhàn)略投資人。”紛享銷客創(chuàng)始人、CEO羅旭說:“金蝶國際不僅帶給我們資金,更重要的是,金蝶國際能夠帶給我們在品牌、管理、產(chǎn)品、技術(shù)、客戶和渠道上的資源支持,必將有利于我們奠定在CRM市場的絕對優(yōu)勢。”
這段“蝶蜂戀”被看做雙贏,紛享銷客可以補(bǔ)足云市場的短板,金蝶可以強(qiáng)化在CRM戰(zhàn)略的布局、擴(kuò)大SaaS生態(tài)圈。
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(shí)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(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)隊通過對比實(shí)驗發(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"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)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(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。