
为了做O2O,百度为糯米砸下200亿元,阿里、蚂蚁复活口碑网并豪掷60亿元,从团购一路杀过来的“行业老大”美团怎么办?低调的美团网CEO王兴开始晒业绩,主动向业界公布其今年上半年交易额470亿元。有人说这是美团在恐慌,也有人说这是在给对手下马威,或许王兴想表达的就是“美团不会停下来等你”。在O2O战场,标杆美团的反围剿战役正在打响。
O2O市场在不到一个月的时间内涌进260亿元,操盘手分别是百度和阿里,冲锋陷阵的是百度糯米和口碑网,这不是巨头们第一次杀进O2O,但很有可能是最激烈的一次猛攻。
北京商报记者(微信公众号“左键”)获悉,百度CEO李彦宏亲自为百度糯米站台,高调承诺在三年内向糯米业务输血200亿元,并相信“糯米会像百度移动转型一样成功,甚至更成功”。而阿里的野心则从口碑网的团队架构上显露无疑,后者不仅被注入淘点点及蚂蚁金服的线下资源和团队,手机淘宝和支付宝钱包都将为口碑网导流,初期投资60亿元。
有趣的是,业内人士关注的重点不是主攻者百度和阿里,反而更好奇守擂者的感受,美团作为行业一哥被业界置于放大镜下。“兵临城下”、“四面受敌”几乎成为业界为美团搭配最多的词。
事实上,美团的竞争对手绝不仅限于百度和阿里,据知情人士透露,大众点评正在进行pre-IPO融资,此外,诸多迹象表明大众点评很有可能将于明年在国内上市。土豆因上市落后而惜败优酷的故事被分析人士频繁套用在美团身上。
在被当做靶心这件事上,王兴似乎已经习惯,“如果你认为某一时间点可以高枕无忧的话,基本上你离死不远了”,说这话时,王兴很淡定,同时他还做了一件事:分享数据。
“今年上半年美团交易额超过去年全年达到470亿元,6月单月交易额破90亿元,按这个速度发展,全年1000亿元的目标是没有问题的,美团团购市场份额超过62%,超过第二、三名2-3倍,移动端占比95%”,这只是王兴分享的一部分,此外,“过去12个月美团年度活跃买家1.3亿人,共有5亿条评论,1亿张用户上传图片,合作商家160万个,覆盖城市数超过1100个,线下员工数1.4万人”。
显然,王兴还不过瘾,由分管猫眼电影的美团高级副总裁沈丽、分管酒店旅游事业群的高级副总裁陈亮、分管外卖配送事业群的联合创始人兼高级副总裁王慧文分别晒出各自在细分领域的成绩。虽然各项数据的同比增长曲线陡增,但每位负责人异口同声的“行业第一” 更加亮眼。
其实,对于未上市的美团而言,并没有披露业绩的义务,王兴此番如此兴师动众的潜台词是:我很好。从千团大战拼到现在,美团的市场份额和交易额一直呈高速增长,王兴有资格秀肌肉。
与以往的低调风格不同的是,王兴开始揶揄对手。“在吃喝玩乐市场,你必须得搭建一个好的服务体系,别说200亿元,2000亿元都不够”,王兴很直接,“美团到现在为止也没有投入200亿元,但是我们还是行业领先的,资金并不是最稀缺的资源。”这还没完,王兴还主动评价老对手大众点评,同样是很直接的方式,“我的用户数比大众点评大,交易额比他大”。
当然,放狠话并不能决定商战的成败,商战的成败靠的并不是放狠话,而是资金、战略和运营等综合因素。近日美团网获得10亿美元融资以及收购酷讯的消息被业界盛传,虽然未获美团证实,但王兴坦言,美团不仅有很好的现金流,还累计了不少融资。此外,美团决战O2O对其组织架构也做了进一步调整,设立外卖配送和酒店旅游事业群。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。