外资互联网企业的入华之路似乎注定是坎坷的,Uber也不例外。
今日有报道称,Uber(优步)广州办公室被广州工商部门调查,之后多名司机反映收到Uber的短信,Uber广州车主官网“司机之家”本周将暂停开放,并会通过邮件或电话回复司机与合伙人提问。
昨日,广州工商部门表示,通过当天执法情况来看,Uber广州公司现场没有提供营业执照,涉嫌无照经营。依照相关法律法规,工商部门要求它改正无照经营行为。
根据相关规定,外资企业办理营业执照需要先通过商务委审批,再到市工商局办理营业执照。但日前广州市工商局相关负责人表示,现在没有掌握对方是否办理营业执照情况,因此无法认定对方是内资还是外资企业,具体调查情况也“不方便透露”。
UBER入华难敌本土企业
UBER入华已一年有余,但其业绩一直难与本土企业相提并论。2013年8月Uber宣布正式在华试运营后,首站试点城市就选在上海,推出了名为“Uber Black”,主要定位高端商务方向,对应宝马、奔驰、奥迪等商务用车。但Uber首次进军中国中高端用车市场出师不利。
此后Uber开始瞄准中低端市场。2014年6月,Uber在上海、北京、深圳又开始涉水廉价的服务Uber X。2014年8月,Uber在北京上线了人民优步(Peoples Uber),然而其在中国的市场份额进程依旧进展甚微。
中投顾问高级研究员李宇恒认为,Uber在国内的扩张收效并不乐观,主要原因之一是我国专车市场的竞争激烈,有滴滴快的、神州、易到等劲敌对其产生压制,这些本土企业对中国市场较为熟悉,深谙中国用户需求与习惯,而且融资能力较强。
据易观国际最新发布的《中国打车APP市场季度监测报告2014年第4季度》数据显示,截至2014年12月,中国打车APP累计账户规模达1.72亿,其中快的打车和滴滴打车合计99.8%。这也就意味着Uber目前在国内市场的份额并不突出,主要在北京、上海、杭州等8个中国城市开展服务。
如果说Uber与百度的合作是为了扩张市场,为双方寻求增量价值,那么借助百度的投资,Uber水土不服的尴尬尚未化解。从软件下载量来看,Uber还是无法与滴快、易到等相比。根据苹果商店中打车软件的APP下载数据显示,Uber软件的下载量仅为111,滴滴打车的下载量为3700多,快的打车为3200多,易到用车的下载量为224。
中国用户还不习惯Uber
在互联网时代,缺少对中国用户习惯的把握也将难以获得长足发展。中投顾问高级研究员李宇恒表示,Uber不论是APP功能设置,还是专车服务,在用户体验上均没有较大优势,其未能很好满足中国用户的需求与习惯。
最近有不少用户反应从Uber取消下单后依然被扣费,但却找不到投诉电话。一名董姓女士透露,她在Uber用“人民优步”下单从八大处到机场,一位型号为“其他”的汽车司机接的单,在到目的地后办手续时,董女士发现司机一直没能结束行程,而在Uber软件中,由于取消行程需由司机操作,所以等取消行程时,董女士不仅被告知扣了款额,而且她发现Uber的APP中并没有投诉电话。要投诉只能通过网站上的电邮进行投诉。在说明情况后,Uber返还了董女士10元。不过,为何返还10元,标准是什么,Uber并没有进行详细解释。
Uber负责人表示,偶尔软件因为司机客户端或者网络原因造成的问题,会反馈给Uber,经后台查实,都会妥善处理,不会多收用户一分钱。从系统中看,因为用户取消了行程,产生了取消费,由于双方沟通上有一些误解,因此当时处理此事的同事直接退回了取消费部分。
而对于没有投诉电话,上述负责人透露,Uber在投诉方面一直有专门的团队跟进,打电话虽然是第一时间联系到公司,但是并无法直接解决问题;Uber收到邮件后,会尽快向司机以及后台数据作确认,可以快速地确认快速作出反应,并不比有投诉电话的慢,“不过,我们也收到了相应的反馈,在投诉电话方面,我们也在做相应的努力”。
综上所述,在激烈的中国打车市场竞争环境下,Uber的本土化尝试可能还有很长的路要走。
好文章,需要你的鼓励
这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。
复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。
斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。
这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。