
北京时间8月20日消息,据《纽约时报》报道,美国打车服务公司Uber表示,该公司已从私募股权投资基金Tata Opportunities Fund获得了总额约1亿美元的新投资,该基金隶属印度塔塔资本(Tata Capital)。据称,Uber拟将这笔资金用于开拓印度市场。
Uber此前曾表示,未来9个月中该公司将在印度市场上投资10亿美元。据悉,Uber将在印度18个城市开展打车业务,这使得印度Uber成为美国以外最大的独立市场。与此同时,该公司在印度的竞争对手Ola最近获得4亿美元的融资。
Uber首席执行官Travis Kalanick在周三的一份合作声明中表示:“当下,我们将专注于为广大印度人民提供一项优秀的服务。塔塔资本的领导和经验将是帮助我们实现这一伟大目标的重要支持。”
两家公司暂未对投资的具体金额发表评论。据了解,Uber最新一轮融资共筹集了500亿美元。
Uber和踏踏资本的合作类似于此前在中国和搜索引擎巨头百度的合作。去年,Uber在中国大幅扩张时,百度向其注入了大量的投资,这些投资还将继续进行。
和百度塔塔的合作是Uber希望成为全球主导的私人打车服务公司的计划的一部分,目前,Uber已在全球60个国家超过330个城市开展打车业务运营。
尽管Uber有着如此的全球野心,但在扩张的过程中,该公司的经营模式面临着诸多棘手的问题。
在发生了一起Uber司机被指控强奸了一名乘客的事件后,印度德里地区的国会议员一直禁止Uber式的打车服务。然而,该项禁令在今年夏季被取消。
此外,中国广州当局在今年5月搜查了Uber于当地的办事处;在欧洲,该公司还面临着当地出租车司机认为其违反当地交通规则而发起的暴力抗议,等等。
好文章,需要你的鼓励
本文介绍LT-OPD训练框架,通过让极限压缩的多模态大模型在自己生成的内容上接受满血版模型指导,并配合渐进式课程学习,在仅保留5%视觉token时把性能保留率从68.6%提升到82.3%,且不增加推理成本。
本文解读ALIGNOPSD方法,该方法针对AI智能体训练中"决策与时间戳错配"问题,通过先对齐功能相同的决策场景再打分,并按可变长度决策段分配信用,在ALFWorld、WebShop、Search-QA三大任务上相比GRPO提升5.5%至8.7%。
本文介绍自适应一致性图(ACG)方法,通过持久化执行记忆图与预算感知的上下文构建,帮助AI智能体在长任务中减少信息失联,在多项基准测试中相比ReAct等基线方法提升了任务成功率。
多智能体AI协作时重复计算KV缓存浪费严重。PReCache提出预计算低秩缓存和中性基础缓存重构两项设计,免训练实现最高3.1倍加速、2.3倍吞吐提升,且准确率仅比不共享方案低1.1个百分点。