與其跟在巨頭的后面靠復(fù)制抄襲,不如我們站的比巨頭再遠(yuǎn)一點。點名時間,猶如思考與個性的交織存在,至少在國內(nèi)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(wǎng)站。三年間,點名時間無數(shù)次的在網(wǎng)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(zhuǎn)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(jī)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(nèi)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(rèn)為根源在于,國內(nèi)項目和用戶都和國外有很大區(qū)別,“前三年的眾籌經(jīng)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(nèi)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(nèi)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(nèi)用戶非常理性,如果支持的產(chǎn)品不能很快拿到手,不少用戶就會對這個項目產(chǎn)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(nèi)變質(zhì)。隨著點名時間知名度的擴(kuò)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(zhuǎn)型的同時,各大互聯(lián)網(wǎng)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(lián)網(wǎng)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(chǎn)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(zhuǎn)型為做智能新品限時預(yù)售平臺,正是張佑閉關(guān)深思熟慮后的決策。
張佑解釋,“智能新品限時預(yù)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(yù)售電商,用限時預(yù)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(nèi)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(yù)定。
從用戶層面來看,徹底拋棄“眾籌平臺”概念,在預(yù)售期間讓渠道商家獲得3到5折的市場進(jìn)貨價,讓早期用戶用5到7折搶先體驗并進(jìn)行口碑?dāng)U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(lǐng)域;二是只做首發(fā),不做銷售。即幫創(chuàng)業(yè)團(tuán)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(tuán)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(zhuǎn)型做硬件首發(fā)平臺以后,項目的購買人數(shù)、營收、項目數(shù)都有數(shù)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(shù)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(xiàn)在的111個。
在眾籌網(wǎng)站面臨洗牌,延長眾籌期限,網(wǎng)站將眾籌風(fēng)險轉(zhuǎn)嫁到創(chuàng)業(yè)團(tuán)隊等諸多亂象中,點名時間徹底告別眾籌。點名時間轉(zhuǎn)型為智能新品限時預(yù)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(yīng)鏈和整個服務(wù)體系沒有跟著互聯(lián)網(wǎng)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(zhuǎn)變?yōu)轭A(yù)售模式;與其跟在巨頭的后面靠復(fù)制抄襲,不如我們站的比巨頭在遠(yuǎn)一點。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。