一直给别人发“红包”的同程旅游等在线旅游企业,也收到了政府给的“红包”,这份红包不是真金白银,但比真金白银更有价值。
8月11日,国务院在最新印发的《关于进一步促进旅游投资和消费的若干意见》(下称“《意见》”)中,继续鼓励旅游消费,并提出6方面、26条具体措施,对促进旅游消费升级、基础设施建设、优化休假安排等做了进一步细化。
就《意见》本身看,有很多提法尚属首次。比如首次直接谈及优化调整休假安排,为职工周五下午与周末结合外出休闲度假创造有利条件;首次在文件中提出明确的实施旅游基础设施提升计划,形成项目工程包等等。
除了明确要实施旅游投资促进计划,新辟旅游消费市场,《意见》还提出多项优化休假安排,1是各级政府要制定带薪休假实施细则或计划,抓好落实;2是鼓励错峰休假;3是有条件的单位可优化调整夏季作息,让职工将周五下午与周末结合外出度假。
尽管现在更多具体细化的执行措施还没有出来,但在行业专家看来,《意见》的发布,短程旅游受益最大,这对在周边游早早布局的在线旅游企业发展很有利。
出于对周边游巨大发展潜力的看重,包括携程、同程旅游等在线旅游企业纷纷涉足周边游业务。此前同程旅游CEO吴志祥甚至提出,未来十年,同程将会以景区门票和周边自助游业务为基点,以移动互联网的高速增长为契机,打造一个全国领先的休闲旅游服务平台。
艾瑞数据统计显示,2015Q1中国在线旅游市场交易规模达875.0亿元,环比增长11.7%,同比增长29.2%。进入到暑期阶段,虽然缺少类似五一、国庆等黄金周节假日,但出游人数依然在持续走高。这其中,由于暑期大部分人没有假期,短期周边游成了这些人的切实选择,据港中旅全资子公司芒果网发布的《2015年暑期出游报告》,今年暑期周边游相比去年提升了28.7%。
如今,《意见》已经说明,旅游产业将继续被政府所看重,“有条件要旅游,没有条件创造条件也要旅游”,通过将旅游投资和消费作为双热点进行培育,进一步促进周边游的发展。
而如果《意见》提到的“优化休假安排”能够得到切实执行,那么,每个人的周末休息时间将增加到2.5天,相当于一个小短假,以夏季三个月算,将有12个类似的小短假。在目前仅有春节和国庆两个长假的情况下,这种小短假,是对节假日的有益补充,有助于丰富假日体系,满足短途旅游需求。
相比夏季小短假,很多人更期待带薪休假实施细则如何出台,实际上,也只有真正落实带薪休假制度,才能缓解假期有限而扎堆出行的情况,因为不少周边游、短途游放在周末就可以完成。
目前,不少在线旅游企业已经闻风而动。昨天,携程已在网站和APP上线了多种2.5天休假的产品,甚至出境游都能利用周末,比如“韩国首尔3日2晚跟团,纯玩2日自由周末游”。
而从3年前开始,同程旅游陆续首创了周边“酒+景”爆款特卖、抢购等创新销售模式,其中,旗下“10元度周末”抢购平台今年暑期日均抢购订单平均超过5万张,在游客心中已经形成周三疯抢度周末的场景。此外,同程旅游还创造了“包楼”和“包城”度周末业务模式,目前每个周末,同程都会在一些城市整包酒店或包下整座城市的酒店客房,配上丰富多彩的旅游活动,激发游客出游需求,并为目的地输送大量周边游客人。
从同程旅游最近的一系列动作看,也跟政策方向不谋而合。近日,同程旅游成立了周边自由行事业部,成立后,目前的“酒+景”业务将向“酒+X”延伸,构建一站式周边自由行产品线体系,并将大力开拓周边亲子游、周边户外、房车等领域,住宿产品也将进一步细化位度假酒店、民宿、客栈等。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。