互联网代驾服务平台e代驾今日正式对外宣布完成D轮融资,本轮融资额度为1亿美元,融资完成后公司整体估值8亿美元。本轮投资由美国华平投资集团领投,经纬创投、光速安振创投跟投,泰合资本担任本次交易的独家财务顾问。在问及怎么看滴滴快的进入代驾市场时,e代驾CEO杨家军表示:“面对竞争,我们已经做好了充足的准备。”
e代驾成立于2011年,目前在北京、上海、广州、深圳等全国150个城市开通了代驾服务,拥有8万名代驾司机,高峰订单超过12万。2014年10月,e代驾完成了由58同城领投,经纬创投与光速安振创投跟投的2500万美元C轮融资。
本轮融资完成后,e代驾将在产品研发和服务体系构建上持续投入,并加大外部人才引进力度,同时着手于公司内部人才梯队建设。
杨家军表示e代驾将从三个方向继续推进业务上的进一步发展。首先,e代驾将大力拓展业务种类和范围,特别是日间业务的发展,推出基于代驾司机人力服务场景外延的业务,例如代驾洗车、代接送人等服务;其次,e代驾正式布局海外市场,已经在代驾业务发达、市场相对成熟的韩国建立了分公司落地,未来还将继续扩大海外业务的覆盖范围;同时e代驾将深化已有的代驾市场业务覆盖,不断推进在全国二三级城市的业务落地,年内计划拓展到全国200个城市。
以下是杨家军答记者问:
前阵子滴滴快的刚刚宣布进入代驾市场,您怎么看?这次融资的钱是为了迎战滴滴快的吗?
杨家军:e代驾是互联网代驾模式的开创者,并一直在引领整个代驾行业的发展。代驾虽然是一个细分领域,但市场空间非常大。作为行业的领军企业,e代驾也希望能够带领更多后进入者一同将代驾行业做大,做强,让更多的用户能够认识代驾行业,享受代驾服务与便利出行。让代驾真正成为人们的一种生活方式。面对竞争,我们已经做好了充足的准备。
e代驾扩张海外市场,目前在韩国的业务发展的具体如何?
杨家军:韩国目前代驾市场规模40000亿韩元/年(约37亿美元),共计大概20多万人从业代驾行业,日均40万单,大部分是电话叫代驾,很少有互 联网APP叫代驾这种方式。我们完全自主研发,真正在app上实现选司机、下单、结算、评价的闭环,我们的模式在韩国是独一无二的,目前我们在韩国首尔上线2个月时间,订单和司机数量都在稳定增长中。
到底该如何理解e代驾理想的现实主义者这一自我定位?
杨家军:做代驾肯定不是一场无限制的“烧钱”砸红包战争,我们e代驾所倡导的代驾模式,其实是在找一个客户心理价位和司机收入的平衡点,最终可以让所有人得利。e代驾模式是对传统代驾的改造,但这种重构也是有底线的,绝对不会一味的狂砸补贴,然后再一脚踢开,这样有失社会责任,对代驾师傅而言也非常不公平,不符合我们的企业文化和价值观。e代驾想要成为一个有追求的现实主义者,希望能够做到勿忘初心,方得始终。
请问e代驾具体如何保证用户和车辆的安全问题?
杨家军:首先我们招聘司机非常严格,必要条件都是5年以上驾龄,然后通过我们三次考试才能成为进入我们的平台成为代驾司机。其次,我们对所有用户的订单实行“一管到底”的政策,并未每个订单上了最高200万的保险,从根本上保障用户利益。还有就是我们作为一家提供互联网信息服务的平台,与代驾师傅们保持的良好的合作关系,通过我们的企业文化和严格制度引导并教育司机师傅注重服务,安全驾驶,为自己也为用户负责。
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。