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
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。