2008年世界首富比尔盖茨将自己名下的580亿美元全部捐给自己的基金会,用于回馈社会,分文没给子女,成为了最大的裸捐人。继比尔盖茨之后“股神”巴菲特、影视明星周润发等也加入了“裸捐”的行列。“裸捐”也以其“正能量”的做法,让许多人肃然起敬。
时间过去7年后,在中国又形成了一个新的名词:“裸融”。3月11日,移动销售软件服务商销售易CRM完成C轮融资,并对外宣称“裸融”。此次融资迅速引起投资界的高度关注,不仅仅因为高额的融资数额,更是销售易提出融资数字真实、客观、公开的“裸融”概念。
销售易CRM创始人史彦泽谈到“裸融”概念背后的逻辑时表示,“作为一名创业者,一直认为诚信是投资人选择创始人的首选核心条件之一。当看到一些VC‘大佬’们公然为所投公司虚报融资额站台和背书时,不免为我们创投环境中价值观缺失而失望。希望销售易通过此次宣言和行动,建立起诚信商业环境,并给创业者们一些信心,净化创投圈环境。”
在当今的创投圈,虚报融资额几乎是行业内“公开的秘密”。企业和风投机构之间为名、利,达到了某种默契。对于企业来说,融资金额大不仅彰显企业自身价值,同时也能给业内同行带来一定的威慑力,而这无疑又是一次有力的广告宣传。而对于投资机构来说,给投资金额注水对合作本身并无影响,反而还宣传了自己机构的资金实力。
然而,也有一些对此不买账,真格基金创始人、新东方联合创始人徐小平在微博上表示,“新年伊始,我想发起一个倡议:即创投界的朋友们,大家一起来消除这个虚报投资额的现象。别的我不敢说,但我会精确知道真格所投公司的融资额。我要求这些公司要么不报融资消息,要报就要报真实数字,否则我会在微博里‘不小心’透露我所知道的真相。”资深媒体人也表示,“今年融资难度不小,牛皮别吹太大,很容易破的!”
一位创投圈业内人士表示,虚报融资额经媒体报道后被不断扩散,行业的氛围被破坏。竞争对手看到庞大的融资体量有可能被吓得不敢继续投入,或者就会参照这个估值水平不断报出天价,吓跑了投资机构还不明就里,以至于很难拿到后续融资。
正是基于创投圈的乱象,销售易CRM选择了这种方式进行C轮融资,承诺对外公布的C轮融资金额真实,并联合数名创业者高调发布“真金宣言”,呼吁创业者公布真实的融资额,从我做起,一同净化商业环境。
消息一出,销售易CRM立即获得了投资界大佬们的广泛支持。自“真金宣言”发布以来短短半天时间,已有多位创业者参与进来,共同发表了自己在创业道路上呼吁诚信的宣言,并主动在微博上@史彦泽先生,表示对销售易发起此次活动的大力支持。
据了解,销售易CRM是一家通过以移动、云、社交三大技术为核心的CRM企业,致力打造出专业性和易用性为一体的移动CRM,帮助企业精细化管理销售,提高销售业绩。销售易CRM公司创始人史彦泽先生拥有18年中美销售管理经验,深耕企业级市场多年,对销售行业的理解极其深入,这就使得销售易能够区别于其它同类产品,更懂销售人员和管理者的使用需求,从而在功能提升和用户体验两方面都能够很好地满足用户。
值得一提的是,销售易CRM此次C轮融资金额高达1500万美元,成为了2015年企业级市场数额最大的一笔融资。本轮投资是继世界顶级风投红杉资本A、B轮独家投资后,红杉资本与经纬中国的一次联手投资。两大世界级投资机构的联袂认可,成为对销售易CRM最佳的市场背书,彰显了销售易CRM在移动销售管理的领导地位。
史彦泽表示,移动互联网企业级应用将在明年下半年进入主流市场。此次红杉资本与经纬中国联手投资1500万美元,让销售易CRM如虎添翼,进一步确立了CRM行业的领导地位。销售易CRM将会沿专业和易用两条线纵深,帮助更多中国企业精细化管理,形成可量化的销售管理体系,让更多企业走得更远更强。
资料显示,2014年销售易CRM全年业绩增长了11倍,公司估值增长了9倍,付费用户已达千余家,产品版本历经12次迭代,并于去年年底推出了企业版,在产品的专业度上再次领先于其它同类CRM产品。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。