微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 考拉FM余建约:考拉车载覆盖率在80%以上

考拉FM余建约:考拉车载覆盖率在80%以上

2015-04-30 12:31
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-04-30 12:31 CNET科技资讯网

备受注目的2015 GMIC大会4月28日在国家会议中心拉开帷幕。车联网以及未来车载多媒体技术备受关注。福特汽车公司与合作伙伴考拉FM、阿里巴巴、腾讯共同就未来车载多媒体技术的发展方向进行深度探讨。

作为车联网音频娱乐内容提供商,考拉FM副总裁余建约在“未来车载多媒体技术及营销新突破”圆桌论坛上分享了考拉FM在车联网方面的进展以及对车联网未来发展的感悟。他透露,考拉FM的车载覆盖率已在80%以上。

考拉FM余建约:考拉车载覆盖率在80%以上

余建约介绍说,作为国内最大的音频内容运营商之一,车语传媒的主要业务来源于三个部分:第一块儿就是传统广播,车语传媒旗下融合了很多广播电台,包括省级电台、交通台,新闻台、经济台等等,在全国大概有十几家,就业务规模来说处于国内行业前三甲;第二部分是网络广播,又可以分为两块儿,一部分是手机电台考拉FM,另一部分就是车载电台。

考拉FM余建约:考拉车载覆盖率在80%以上

考拉FM副总裁余建约

“包括最近牵手的福特汽车在内,我们已经相继与30多家汽车品牌达成预装合作,其中的大众、通用等12个品牌都是独家合作。最近,考拉FM 也推出了自主化车联网解决方案——考拉宝,通过手机-考拉宝-车机相连接的方式,为广大车主用户带来个性化的收听体验。可以说,考拉FM的车载覆盖率已在80%以上,在国内同行中处于领先地位。” 余建约表示。

当天,围绕车联网产业链凝聚的商业价值,也再次成为了圆桌论坛嘉宾和与会者的关注焦点。

不过,余建约看来,论及车联网的商业化营销还尚且为时过早。就音频内容而言,车联网未来可探索的盈利模式大体可以有两种:一类是音频广告;另一类就是O2O模式,通过O2O的开放信息共享,你会了解开车人和车内状况、行车状况,那么基于汽车后服务市场,拥有一个非常值得想象的空间。

他坦言,如果说音频广告有百亿的市场规模,那么基于O2O与车的紧密相连产生的汽车后服务市场,则可以有万亿的规模。

来自速途研究院近期发布的《2015Q1移动电台市场分析报告》显示,国内移动电台市场目前拥有约2.6亿的用户规模,渗透率达到了47%。随着包括智能汽车、智能家居等产品的发展,移动网络电台未来仍有广阔的拓展空间。


分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-