與其跟在巨頭的后面靠復制抄襲,不如我們站的比巨頭再遠一點。點名時間,猶如思考與個性的交織存在,至少在國內眾籌發(fā)展史上,點名時間有著不可忽視的功勞。
點名時間是首個將回報式眾籌引入中國的網站。三年間,點名時間無數次的在網站上、媒體上、各種線下活動上布道著眾籌的概念。同樣三年的時間,也讓從定位于中國Kickstarter起步的點名時間逐步成為中國最大眾籌平臺。
而就在今年5月,點名時間卻突然宣布放棄眾籌平臺的定位,轉型為電商化的智能硬件限時搶購平臺。沉寂3個月后,在近日舉辦的點名時間媒體溝通會上,點名時間CEO張佑終于講出了心聲。
拋棄光環(huán),需要的是勇氣與恰逢時機的決策。點名時間此番驚人之舉,讓人不得不思考這樣一個問題:國內第一眾籌,緣何告別眾籌?
在談到這個問題的時候,點名時間創(chuàng)始人張佑認為根源在于,國內項目和用戶都和國外有很大區(qū)別,“前三年的眾籌經驗告訴我,Kickstarter的模式并不適合中國”。與 Kickstater 的創(chuàng)業(yè)者不同,國內的很多創(chuàng)業(yè)者完全不會包裝自己。即便是有了點名時間這樣的眾籌平臺,他們也無法很好的加以利用。
放棄眾籌的另一個緣由來自于國內用戶的心態(tài)。“Kickstarer上聚集著一群理想主義者,他們對改變社會有偉大憧憬,在購買時感性因素超越了理性”,他們愿意等待新品漫長的發(fā)貨時間。但國內用戶非常理性,如果支持的產品不能很快拿到手,不少用戶就會對這個項目產生懷疑,并且此后也不愿意再支持別的眾籌項目。
張佑坦言,眾籌這一概念在媒體和行業(yè)中的濫用讓眾籌在國內變質。隨著點名時間知名度的擴大,良莠不齊種類繁多的項目登錄平臺讓點名時間失去了原本的焦點。
就在點名時間思考轉型的同時,各大互聯網企業(yè)也紛紛開始試水眾籌平臺。京東、淘寶等大型 B2C 平臺都推出了眾籌頻道,利用自己的流量優(yōu)勢開始做眾籌平臺嘗試。這些互聯網公司都有龐大的流量來支撐眾籌平臺,相比之下點名時間就顯得比較小眾。
坦誠的說,面對眾籌所產生的種種問題,張佑也一直在思考點名時間未來的發(fā)展方向。此次點名時間轉型為做智能新品限時預售平臺,正是張佑閉關深思熟慮后的決策。
張佑解釋,“智能新品限時預購”包含兩種含義:第一是做智能硬件首發(fā)模式;第二是做智能硬件的預售電商,用限時預購這種模式面向智能硬件廠家和用戶。
從智能硬件廠家方面來看,點名時間向其推薦首發(fā)的模式,集合國內外線上線下累計1000多家渠道和點名時間的500萬用戶,做為期30天的采購預定。
從用戶層面來看,徹底拋棄“眾籌平臺”概念,在預售期間讓渠道商家獲得3到5折的市場進貨價,讓早期用戶用5到7折搶先體驗并進行口碑擴散。
在變身為智能硬件的首發(fā)平臺后,張佑表示點名時間將專注兩件事,一是專注于智能硬件領域;二是只做首發(fā),不做銷售。即幫創(chuàng)業(yè)團隊做好第一次公眾亮相、品牌包裝和宣傳,并與渠道銷售資源對接,幫助創(chuàng)業(yè)團隊維系粉絲用戶,而其中定位糖與小K智能插座在時下最為火熱。
張佑還透露,在轉型做硬件首發(fā)平臺以后,項目的購買人數、營收、項目數都有數倍增長:平均籌款金額由之前的13460元增長到82092元;平均參與人數由80人增長到357人;總額超過10萬元的項目由原來的14個增長到現在的111個。
在眾籌網站面臨洗牌,延長眾籌期限,網站將眾籌風險轉嫁到創(chuàng)業(yè)團隊等諸多亂象中,點名時間徹底告別眾籌。點名時間轉型為智能新品限時預售的平臺,就是要把消費者、用戶的體驗提升。
“因為對消費者和用戶來講,把錢拿出來放在身上之后,事實上你有的時候沒辦法掌控。這是整個供應鏈和整個服務體系沒有跟著互聯網模式提升起來的原因。與其我們用回報這種以物易物的方式,不如轉變?yōu)轭A售模式;與其跟在巨頭的后面靠復制抄襲,不如我們站的比巨頭在遠一點。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。