
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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。