与拥有滴滴、优步,如火如荼的移动出行领域相比,货运行业一直以来都是相对比较低调神秘的行业,一是由于其所服务的行业本身属于to B的商务市场,不像团购、出行这样离普通大众那么近,二是这一行业本身还未产生真正的巨头,商业模式都还在探索当中。然而,有一家名为咕咕速运的企业近期却引起了资本市场的关注,成立仅仅半年的时间,已经服务了数千家大中小型企业,甚至连居然之家、圆通速递、百度外卖等知名企业都与其保持密切合作甚至签署了战略合作协议,其发展速度让许多传统货运企业都感受到了“互联网+”的力量。
咕咕速运成立于2015年10月,创始团队来自于当前炙手可热的滴滴快的团队。创始人兼CEO闫峻之前是快的打车负责政府事务的副总裁,滴滴快的合并后,担任滴滴出行公务车项目总经理。早在2006年,闫峻就加入了全球最大的快递物流公司UPS,负责松下、三星、摩托罗拉等客户,积累了丰富的供应链和大客户销售管理经验。
咕咕速运的另一位联合创始人兼COO陈嘉鑫也曾经是滴滴快的团队的一员虎将,先后担任出租车、专车、代驾的华南大区总监。而在投身移动互联网之前,陈嘉鑫在宝洁工作了7年时间,曾任飘柔品牌大中华区供应链经理和高级销售经理,为飘柔、帮宝适、玉兰油、海飞丝等品牌完成年销售额近十亿,拥有丰富的供应链设计和零售客户销售经验。
根据公开的资料显示,咕咕速运注册资金达2500万元。其业务上线不到半年时间,已经在北京、上海、广州、深圳四大一线城市开展业务。目前,该平台的注册用户已超20000,注册司机超5000名,日活跃司机达1000名。公司目前的定位是通过移动互联网技术平台,为发货人提供稳定车源和优质服务的同城货运移动互联网公司。
一开始,闫峻和陈嘉鑫想把滴滴快的的模式复制到货运行业中,但是随着业务越做越深,他们发现目前互联网同城货运企业几乎全部都是采用纯众包模式,力图通过大额补贴扩大影响抢占市场。而这一模式在货运领域是有问题的。货运不像日常出行,一次服务上的问题可能就会导致非常大的损失,并导致客户的快速丢失。平台必须对司机的运力和服务有高度的控制力,才能服务好客户,取得客户的信任,因此咕咕速运决定采取截然不同的模式,即类自营的模式。
何为类自营呢?其实就是通过整合社会闲散个人和公司的车辆,以类组织的形式、通过建立契约关系进行相互约束,最大化的保证车辆稳定,以尊重发货人的权益。同时通过大活+小活的指派订单,在每天有限的工作时间内最大化的提高司机收入,让司机的劳动付出得到充分保障。与其他众包模式司机和平台松散的关系不同,咕咕速运有大量的签约司机,平台会给司机一个保底的收入保障,同时司机也会更加稳定专一地按照平台的标准为客户提供服务。
在咕咕速运上注册的2万多家商户企业中,涵盖了B2B企业、B2B\B2C电商、O2O生活服务和快递物流企业等新兴及传统企业,而这些用户都是有刚需的用车和货运运输需求的企业。比如居然之家、百度外卖、圆通速递、怡亚通供应链、顶通物流、百世店加等大型企业用户,有了咕咕速运,这些企业的货物在城市内的仓到仓、仓到站、仓到门的转运将无忧。另外,咕咕速运在小B市场的订单成功率已经接近80%,复单客户达到60%。客户满意度和粘性不断上升,均远高于业内平均水平。咕咕计划在未来一年内招募超过2000名类自营司机。在满足基础运力的同时不断提高服务的标准化水平,与物流产业链上下游开展进一步的合作,快速拓展服务的规模和边界。
据统计,2014年国内同城配送货运市场已经超过8000亿规模,而直到今天只有不到40亿的同城配送与互联网有关,且大多仍停留在简单的信息发布阶段。另一方面,随着成本不断上升导致城市仓储外迁,同城配送的半径不断扩大,到宅化消费又促使城市终端配送仓越来越密集,越来越接近消费者,对同城配送的时效性和智能化要求不断提高。咕咕速运选择这一时机进入同城配送市场,利用在移动出行和物流领域积累的经验改革传统的同城配送市场,未来的发展前景相当广阔。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。