大型網(wǎng)約車平臺Uber與英國電動面包車及公交車制造商Arrival宣布聯(lián)手,將為專門從事網(wǎng)約車服務的駕駛員設計一款新型電動車。
一方面,這確實是個好消息;但另一方面……Uber好像越來越像傳統(tǒng)出租車公司了。
交易細則
根據(jù)路透社的報道,雙方日前宣布將共同開發(fā)一款“運送用車型”,這將是一款“價格適中、專門用于乘用服務的車輛”。
這款車型將于明年年底投入量產。
作為Uber未來發(fā)展規(guī)劃的重要部分,這位網(wǎng)約車巨頭計劃到2025年在倫敦、2030年在北美及整個歐洲建立起一套全電動交通運輸平臺。
優(yōu)勢與挑戰(zhàn)
轉向全電動當然是件好事,有助于改善大部分Uber覆蓋城市的尾氣排放與噪聲污染問題。
但Uber及Lyft等網(wǎng)約車平臺造成的交通擁堵仍然沒有理想的解決辦法,各服務商后續(xù)還須繼續(xù)努力。
Arrival發(fā)布的公告稱,這款車型將與駕駛員合作設計,希望盡可能滿足用戶需求。但目前得到的價格信息僅為“定位合理”,因此在實際量產之前恐怕很難預判車輛的實際售價或者是否會有所變動。
此外,Uber也尚未公開將為駕駛員們提供怎樣的換購支持政策。
該公司已經籌集1.88億美元(約合1.35億英鎊)以幫助網(wǎng)約車司機們享受置換補貼,但具體操作細節(jié)恐怕要到新車量產后才會公開。
Arrival與Uber發(fā)布的渲染概念圖:除了整潔的車廂之外,Uber應用中的幾乎所有功能也都被直接內置到車載系統(tǒng)當中。
目前,Uber已經為英國的電動車司機們提供部分補貼性回扣。
此外,Uber還與起亞、日產及現(xiàn)代等多家電動汽車制造商商定了金融交易優(yōu)惠。
對于身在倫敦的網(wǎng)約車司機們,每英里的計程費用上漲了3便士,保證他們擁有更高的工作收益。
截至2021年底,電動汽車駕駛員上繳給平臺的服務費將降低15%。但面對這筆因行程而異的開銷,部分業(yè)內人士認為Uber仍然不夠厚道,表示最好能將抽成比例控制在25%左右。
更重要的一點在于,Uber提出的這些經濟獎勵只是臨時性激勵措施,絕對不可能永遠持續(xù)下去。
等到Uber車隊在英國國內全面實現(xiàn)電動化,或者至少大部分司機已經開上電動車之后,這些激勵措施肯定會被取消。屆時服務費抽成也將恢復正常。
還有哪些其他選項?
Uber與Arrival專門為司機們開發(fā)的這款車并非內部獨享,也有望向其他客戶開放供應。
換句話說,任何乘用服務經營者都可以采購這款汽車;雙方甚至有可能將新車出售給傳統(tǒng)出租車公司。
Uber似乎已經完成了對出租車行業(yè)的重塑,現(xiàn)在兩家公司希望合作重塑出租車本身。
與倫敦Black出租車一樣,這款新車的前排乘客座椅似乎可以拆下,借此提供更大的腿部空間或行李放置空間。
但這款新車能不能成功,還是要看Uber怎樣規(guī)劃車輛交付方案。
目前,只要符合乘用車審查標準,Uber司機完全可以使用自己的私家車上路接客。換句話說,兼職性質的駕駛員能夠做到家庭車輛的運營、私用兩不誤。
但如果Uber強制要求駕駛員使用Arrival純電汽車才能上路接單,司機們可能會強烈抵制,畢竟這背后牽扯到巨大的經濟利益。而且這種方式恐怕也與Uber認為司機應該保持獨立承包商定位的基本觀點有所沖突。
相比之下,更公平的方式應該是允許承包商們自由選擇車輛工具。
但根據(jù)此前的一項調查,高達68%的Uber司機決定在未來半年內放棄網(wǎng)約車平臺。從這個角度看,不知道Arrival打造的網(wǎng)約專用車到底還有多大的目標受眾群體。
而且從Uber計劃向其他企業(yè)買家開放新車采購渠道來看,這位網(wǎng)約車巨頭想得到的絕不只是“保護環(huán)境”這道光環(huán)——正所謂環(huán)保與收益,我全都要!
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)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(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與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
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20萬高質量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質量管控方法,讓AI在保持技術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路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。