4月21日,途牛宣布成立天津开汇融资租赁有限公司,由此成为国内首个进军融资租赁市场的在线旅游企业。
“借鸡生蛋,生蛋还租”——这是金融界人士对融资租赁的形象比喻。如果一个企业急缺“物”,融资租赁公司可以买来设备租给它;如果一个企业急缺“钱”,可以把自有设备抵押给融资租赁公司融入资金。
在去年11月份召开的第五届合作伙伴大会上,途牛旅游网CEO于敦德曾透露今年将上线融资租赁业务。随着途牛宣布获得融资租赁牌照,其进军融资租赁业成为现实。
“获得融资租赁牌照成立融资租赁公司之后,途牛信贷业务的产品线变得愈加丰富,为整个供应链金融补上了非常重要的一环。”途牛旅游网副总裁陈杰表示。
事实上,为解决上下游合作伙伴融资难问题、助推产业链共同融合发展,途牛在供应链金融方面一直持续发力:2014年建立50亿元资金储备,截至2016年第一季度,已累计向合作伙伴提供资金支持超33亿元;2015年9月宣布旗下两个商业保理公司获批,注册资金13亿元人民币,不仅可以服务途牛超过11000家合作伙伴,还能为包含酒店、景区等在内的旅游产业链相关企业提供保理服务。
对比商业保理和融资租赁两项金融业务,陈杰认为二者存在互补关系,“商业保理主要针对企业的应收账款,只做3个月或者半年的融资业务;而融资租赁关注的是客户现有或将来会有的动产或设备,可以帮助客户实现短期或中长期的融资需求。”
根据执照信息,途牛此次设立的天津开汇融资租赁有限公司为外资公司,位于天津自贸区内。
“这意味着我们的融资渠道更为广泛。借助天津自贸区政策优势,途牛融资租赁公司可以通过内保外贷、境外直接贷款、境外发债等形式,进一步拓展境外融资渠道,获取境外低成本资金,既为合作伙伴战略发展提供资金保障,也能够降低中小合作伙伴融资成本。”陈杰表示,未来随着融资租赁公司逐渐发展成熟,途牛将向旅游产业链以外的对象提供专业化租赁以及相关融资咨询、担保等综合金融服务业务拓展,在风险可控前提下寻找新的效益增长点。
风控能力是融资租赁公司最本质的核心竞争力之一。陈杰表示,去年6月,天津在全国率先允许融资租赁公司和商业保理公司接入央行征信系统。同时,途牛金服还拥有专业的风控团队。
陈杰透露,途牛上线融资租赁业务,主要用于向汽车厂商购买车辆,再将车辆通过租赁的方式提供给合作伙伴,合作伙伴支付租金途牛同步转让车辆使用权,这样可以有效缓解合作伙伴一次性付款的压力,适用于提供周边游、国内地接、境外地接的服务商。
“融资租赁业务预计今年上半年可以推出。除了车辆,我们也可以采购其他设备租给合作伙伴以减轻他们的负担,这属于直租模式。同时,我们也接受合作伙伴将自有动产(设备)抵押给我们进行融资,这属于售后回租模式。”陈杰表示。
截至目前,途牛已拥有11000余家合作伙伴,同时途牛唯一分销平台“笛风假期”自去年9月推出以来,入驻分销商数量已从上线之初的3000余家增至2万余家。“这些合作伙伴和分销商都是我们融资租赁业务的潜在服务对象。通过融资租赁业务解决合作伙伴设备或融资难题,多层次、多元化的金融服务,将为途牛合作伙伴的业务发展保驾护航。”陈杰表示。
融资租赁业在中国发展已有30余年的时间。近几年,整个融资租赁行业开始进入快速发展的阶段。统计显示,截至2015年底,中国融资租赁合同余额已经达到4万亿元规模,各类融资租赁公司总数突破4000家,成为各类金融业态中重要的一员。
“未来几年,融资租赁业务的繁荣发展是市场大势所趋,我们将不断提升融资租赁服务,助力旅游产业链整体共同发展。”陈杰表示。
作为最早将互联网、旅游与金融融合的在线旅游公司,途牛目前已拥有包括商业保理、基金销售、保险经纪、融资租赁等在内的多张牌照。围绕旅游主营业务,通过金融工具促进主营业务增长,提升主营业务变现能力,途牛正不断加强自身竞争优势。
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。