CNET科技资讯网 6月2日 北京消息:北京时间今天早上,滴滴总裁柳青在Recode举办的Code Conference大会上透露,滴滴本轮融资仍未结束,已经募集到的资金总额远超Uber刚刚宣布的新一轮35亿美元的融资额。柳青同时认为,市场领袖无需购买份额,只有规模较小、较低效的企业才被迫这样做。
在被问及是愿意拿到苹果的10亿还是沙特的35亿时,柳青表示滴滴一直在寻找像腾讯和阿里巴巴这样的战略投资者。原因是移动出行领域刚刚起步,中国市场的渗透率仅为1%,尽管空间巨大,但并不是滴滴自己就能单枪匹马做成的,能带来最大战略价值的合作者才是滴滴想要的。
上月,滴滴刚刚获得来自苹果的10亿美元战略投资,据悉这也是滴滴本轮融资中的一部分。柳青透露,本轮融资还在进行中,已经募集到的资金总额超过了Uber刚刚宣布的35亿美元。这也意味着本轮融资结束后,滴滴将成为全球资本最为充足的科技创业公司之一。
资金充足免不了让人们猜测,滴滴是否会用这些钱来继续补贴。柳青给出的答案是,当前的补贴比起两、三年前已经大幅减少。补贴不断下降的原因是,滴滴平台的网络效应越来越强劲。如果平台上没有足够的司机,乘客可能需要等一个小时才能坐上车。因此在行业初生之时,需要给予用户特定激励来进行市场教育。但是当滴滴已经到达日订单1400万这样一个水平,就不再需要了。
相反,为了获取更多的市场份额,Uber在中国市场上的补贴长期达到20-30%。柳青认为这并没有动摇滴滴的市场领导地位,市场领袖无需购买份额,只有规模较小较、较低效的企业才被迫去这样做,这是常识。“中国是独特的市场,技术将成为制胜关键,补贴不再是重点,没有人为了拿30%的补贴而愿意等上30分钟。”第三方数据显示,截止目前,滴滴在中国专车市场上占据的份额已超过87%,网约出租车市场份额近乎100%。而在技术层面,滴滴已经从一年前开始大举投入,滴滴所有员工中有一半是工程师。
柳青还透露,滴滴已经开始在很多成熟的市场中收获,在滴滴覆盖的中国四百多个城市中已经有两百多个盈利。“中国有13亿人的市场,我们和Grab一起服务近20亿人,投资于这样的市场领袖是非常明智的。”
在谈及中国城市交通环境时柳青表示,美国是汽车轮子上建立的国家,有深厚的汽车经济和汽车文化,但中国并非如此。虽然中国的汽车保有量还不到10%, 但其增长却已经遇到瓶颈,已经只是个位数增长。这是因为城市已经太拥挤,道路、停车场都已经不敷所需。柳青透露,自己回北京工作好几年了,但直到现在还没摇到车牌。
截止目前,滴滴已在全球范围内投资了Lyft、Grab及Ola,并正在逐渐实现与这些本土服务的互联互通,四家公司提供的服务几乎覆盖全球50%的人口。柳青认为,滴滴和这些合作伙伴在一起的理由有很多,有很多经验可以分享。“比如我们的顺风车产品,司机预设目的地,接送顺道上下班的同行者。很幸运中国市场这么大,我们的算法能得到比较充分的测试和磨砺,这些都可以分享给伙伴。”
与柳青同台进行圆桌互动的Grab CEO Anthony证实了柳青的说法,他表示Grab也在东南亚上线了类似的顺风车服务。去年8月,滴滴参与了Grab一轮3.5亿美元的融资。Grab目前覆盖东南亚6个国家,在整个东南亚的市场份额超过75%。
滴滴投资的另一家公司Lyft,在美国市场上也取得了巨大的进展。数据显示,Lyft的市场份额较去年几乎翻番,今年一季度增了40%,在旧金山等城市的份额已接近45%。柳青称滴滴对这项投资非常满意。她认为,当地领袖的确有独特的优势,更了解服务的人群,更了解市场,更理解监管环境。
在谈及当下最热门的领域无人驾驶时,柳青透露,滴滴和行业里所有参与者都有对话,几乎所有的汽车厂商都在主动找滴滴。“我们的平台是开放的,技术上是中立和多样性的。”柳青认为,无人驾驶技术会走在前面,但如何商业化是关键。当无人车成本下降,传统汽车也会更便宜。滴滴正在密切跟踪这些很有意思的进展,但目前还没有直接投资于无人驾驶业务。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。