
北京时间1月26日消息,美国专车公司Uber去年共在美国联邦法院遭遇50起诉讼,这已经成为这家硅谷创业公司面临的一大严峻问题。
有人认为,Uber在68个国家或地区运营,拥有超过5,000名员工,而且是全球估值最高的创业公司。所以,50起诉讼或许并不算多。但实际情况并非如此。
首先将Uber与其竞争对手Lyft进行对比,后者遭遇的诉讼还不到Uber的三分之一。美国估值第二高的创业公司Airbnb去年仅遭遇5起诉讼。
为什么所有人都在起诉Uber?最简单的回答是:原因很多。根据法庭记录,在50多起针对Uber发起的诉讼中,有17起的原告是Uber司机,15起是出租车公司,还有十多起来自乘客,他们起诉的原因包括遭到袭击、地点错误和价格欺诈。还有一些诉讼则是因为注册商标侵权、保险索赔撤销和残疾人歧视。除此之外,还有更多的官司已经准备提交给美国各州法院和各县法院。
如果要复杂一点的答案,那就是:当你正在颠覆一个受到高度监管的传统行业时,业务成本必然居高不下。与很多硅谷创业公司一样,Uber通常先推出,再解决各种问题。如果出售软件或智能手机,这种方法完全可行——只需要推送一个更新来修复漏洞即可。但如果在实体领域展开业务,效果则会差得多,需要应对数以千计的人,而且要受制于各种各样的地方法规。所以,当你在实体领域开展业务时,就会面临很多诉讼。
Uber一直以来都是都是法庭上的常客。最著名的莫过于面临自家司机发起的集体诉讼了,他们声称该公司应该给予其员工待遇,而不是将其当做独立承包商。倘若Uber在这起诉讼中败诉,该公司就必须向16万司机支付工资,其商业模式也会彻底改变。该案将于今年6月在旧金山开庭,其他州至少也已经启动了超过10起类似的官司。
其他应需服务创业公司也面临类似的法律威胁。家政创业公司Homejoy去年表示,该公司因为一起类似的官司而关闭。而Instacart也因为面临同样的威胁允许一些承包商转为正式员工。
Uber驾驶员不希望Uber关闭,只是希望从该公司获得更多的经济利益。而与此同时,Uber面临的其他诉讼则是为了将其置于死地。在十多座城市中,当地出租车公司都起诉Uber违反当地法规。
Uber遭遇的大量法律诉讼表明该公司面临巨大威胁。事实上,即便是Facebook,也没有在与Uber处于相同阶段时面临如此多的诉讼。
Uber拒绝对此置评,也没有透露该公司的法务团队规模。当然,该公司无论从规模还是跨越的地域范围来看,都远大于竞争对手,业务复杂程度也更高。但该公司的风险并不会因此而减少。
分析Uber的法务团队便可了解该公司面临的挑战:Uber目前在全球有27个法律相关职务开放招聘。在LinkedIn上,有超过50人自称是Uber美国的法律顾问,而Airbnb的这一数字不到20人。
如果Uber不断扩充法务团队,表明该公司的确面临一场生存危机。
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。