继滴滴高调涉足拼车业务之后,百度连投两家拼车APP,让本已不平静的拼车市场再起波澜。
根据公开报道,在2014年中拿到融资的拼车APP超过20家,融资金额超过2亿美元。2015年普遍被认为将是拼车应用高速发展的一年。
“我们会把公司所有的家当都会投进去。”面对日益激烈的行业竞争,51用车CEO李华兵直言不排除用补贴砸出市场份额。
51用车喊话天天用车:吹牛逼谁都会
昨日晚间,天天用车宣布获得由百度领投的C轮融资。两天之前,另一拼车软件51用车也对外宣布获得百度领投的C轮融资。两者同为“一对一”上门拼车业务,车费低于出租车,并限制司机每日仅能接两单。
据悉,51用车与天天用车均在4月10日和百度完成交割,51用车先于天天用车公布。
尽 管同为百度所投资,但相似的业务模式使得两家公司直接竞争。对于天天用车所说的“融资规模几乎是行业第二、第三名的总和。”,51用车方面颇为不满,一方 面对天天用车的融资规模存疑,另一方面不满天天用车自称行业第一。“我们的订单量是天天的N多倍。”“吹牛逼一点都没用,有本事把各项数据晒出来。”李华 兵如此反击。
除业务模式外,两者的融资背景也颇为相似:51用车获得雷军的天使投资,随后先后获得创新工场领投的A轮投资、红杉资本领投的B轮投资以及近期百度领投的C轮融资;同样,天天用车的B轮融资由红杉领投,C轮融资由百度领投。
在模式和融资背景高度相似的情况下,天天用户和51用车之后将如何差异化发展待解,是否会在资本的推动下上演滴滴快的的合并大戏也未知。天天用车CEO翟光龙表示,现在谈这些话题还太早。51用车李华兵则强调,公司管理层掌握决定权,决定不会受资本方干扰。
BAT齐聚拼车:百度最用力
错失了打车软件高速发展机遇,百度押宝专车和拼车。
去年9月份,易到宣布获得C轮融资,百度参投,易到独家接入百度地图专车入口。12月,百度与Uber签署战略合作及投资协议,未来双方将在技术创新、开拓国际化市场、拓展中国O2O服务三个方面展开合作。
由于易到、Uber在中国市场份额一再缩减,百度的入股并未带来预期效果。有消息称在百度的撮合下,易到与Uber或将合并。但此前有业内人士向凤凰科技透露,双方已经谈崩。
滴滴快的在打车市场一家独大,而后又在专车领域长驱直入。但有业内分析认为作为拼车市场的后进入者,滴滴快的以往的优势助力有限,因此拼车成为百度新的入口争夺点。
据悉除天天用车和51用车之外,百度也与其他的拼车软件接触过。百度地图将在5月份发布新版本,或将接入更多拼车专车软件。届时,包括51用车在内的APP将会启用百度钱包支付。
对于烧钱补贴看法不一
打车软件如火如荼的“烧钱大战”之后,在线拼车领域接棒,掀起又一轮的“烧钱大战”。
此前AA拼车花2000万元补贴重庆市场,爱拼车发放给乘客的首单补贴30元拼车费用。微微拼车、51用车等应用此前先后砸出百万元补贴用户拼车。
在李华兵看来,补贴是必要的市场手段,如果你不做就会落后。“我们会把公司所有的家当都会投进去争夺市场。”
天天用车翟光龙的看法截然相反,“从打车软件开始很多家都在进行补贴,但补贴不是拼车的未来。”
对于拼车软件的未来,李华兵认为会与汽车后市场做联合。翟龙光则表示现在先把拼车做好还没有具体计划。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。