人人公司在公布2015财年第一季度财务报告之后,人人公司董事长兼首席执行官陈一舟公布了公司的重大转型,将追随互联网金融的风口,从社交网络平台向在线金融公司演进,开拓互联网金融的相关业务。
陈一舟在接受专访时透露,于2014年推出的“人人分期”平台已经积累了27万注册用户,交易额达3.3亿元。之后还将上线人人理财平台,并涉足二手车交易贷款、家装O2O贷款等垂直领域。
转型金融公司 发挥社交优势
陈一舟表示,人人公司对于金融业务的布局从四年前已经开始,现阶段将以投资和自建平台两种方式为主,覆盖P2P、校园分期、股票投资等,且已经获得私募牌照。目前人人分期平台的交易额超过3.3亿元,通过收取服务费的方式获得营收,这块业务数据将从第二季度开始单独在财务报表中呈现。
人人分期平台已经上线几个月,主要给大学生提供贷款,帮助其购买电子产品、服饰、化妆品等。人人理财平台已经在内测阶段,几周之后将正式上线,是主要针对投资者的融资平台,主要提供固定收益的理财产品、股票基金类投资产品等。
此外,人人还将涉足二手车交易贷款,融合到人人分期的平台。“通过对Social Finance等国内外金融公司的投资,我们一方面学习到了世界性的金融产品设计思路,另一方面也会和一些平台直接达成合作”。
今年2月,人人公司领投了二手车电商交易服务平台车易拍,近期又投资了家装O2O平台“筑巢”等,未来将通过这些平台介入二手车交易贷款、家装O2O消费贷款等领域。
陈一舟认为,人人在社交、社区领域有多年积累,因此有稳定的用户池,已有的用户群比较优质,加之在社交关系等数据上的积累,可以更加高效地来做用户信用判断,比如好友数、活跃度、真实动向等,因此对应的坏账率也会更低。
反对烧钱模式 看好国内投资市场
陈一舟表示,自己是价值投资者,人人公司在金融业务上的策略是价值+量化分析,整体会比较保守,不会采用大肆烧钱、短期冲击交易额的方式。“互联网金融公司的本质是金融,其次才是互联网,金融部分需要对目前主流金融产品没有解决好的方式提供方案,同时通过互联网来降低获取用户和运营的效率”。
陈一舟认为,金融是一个长线业务,不能以一百米的速度来跑一万米的比赛,“这个行业和保险业类似,在别人贪婪的时候要恐惧,等别人遭遇风险的时候,就是进入市场的好时机”。
据透露,人人的金融业务由陈一舟亲自上阵负责,产品设计、风控等都由传统金融领域的专业人士负责,营销、推广则由原来糯米团队的部分员工负责。
此外,对于近期国内A股市场的火爆,有“股神”和投资专家美誉的陈一舟认为,中国市场是非常清晰的牛市,相比于美国市场更加看好中国,因为互联网代表了现金的生产力,国家的产业转型等需要依靠互联网。
对于一些在美股上市公司计划退市后回归中国市场的现象,陈一舟明确表示人人方面还在不断观察市场。
改变硬碰硬策略 做差异化市场
在金融业务之外,人人公司还将持续在社交方面做出创新,除了提升既有社交平台的用户数、活跃度,还会将更多的视角元素融合到新的产品中,定位以年轻人为中心,与微信、微博等做出明显的差异化。
陈一舟坦言,和几年之前要和微信等平台硬碰硬的思路不同,人人在社交产品特别是移动端产品上,会强调差异化,比如专注图片分享等,以此拉动新的用户增长。
“我觉得人人最危险的时期已经过去,我的态度更加乐观。目前人人游戏重新开始盈利,人人网方面开始聚焦移动端,我相信现有业务会逐渐摆脱衰退并恢复增长,我不太在意未来几个月、一年我们的股价或估值,希望10年、20年之后我们还是成功的公司”。
好文章,需要你的鼓励
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题:如何让AI既能写出高质量内容,又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法,他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感,最终训练出的模型在保持顶级质量的同时,创作多样性接近人类水平,为AI创意写作开辟了新方向。
上海AI实验室联合多所高校开发出VisualPRM系统,这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程,显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准,实现了在七个推理基准上的全面性能提升,即使是最先进的大型模型也获得了5.9个百分点的改进。
上海AI实验室团队通过LEGO积木设计了创新评测基准LEGO-Puzzles,系统测试了20个先进多模态大语言模型的空间推理能力。研究发现即使最强AI模型准确率仅57.7%,远低于人类93.6%的表现,揭示了当前AI在三维空间理解和多步序列推理方面的重大不足,为机器人、自动驾驶等应用发展提供重要参考。
字节跳动团队突破了AI图像生成领域的三大难题:身份识别不准确、文字理解偏差和图片质量不佳。他们开发的InfiniteYou技术采用创新的InfuseNet架构和多阶段训练策略,能够根据用户照片和文字描述生成高质量个性化图像。实验显示该技术在身份相似度、文本匹配度和图像质量方面均超越现有最佳方案,并具备出色的兼容性,为个性化内容创作开辟了新道路。