CNET科技資訊網(wǎng) 5月7日 北京消息(文/梁議元):快樂媽咪創(chuàng)始人陶建輝透露:“定于5月5日開始在京東為期一個月、重籌價99元的快樂媽咪智能母嬰安全秤,在當天晚上20點50分眾籌就突破了100萬人民幣。”
回顧近幾年的創(chuàng)業(yè)歷程,快樂媽咪創(chuàng)始人陶建輝認為今天的成功,主要源自于細分市場和精準定位產(chǎn)品。盡管13年底快樂媽咪就推出了快樂媽咪胎語儀,但是這款智能化胎心監(jiān)測設備有一個致命的缺點,就是很多用戶找不到胎心,這個高準入門檻降低了用戶的產(chǎn)品體驗。所以盡管胎語儀銷售將近2年之久,然而一直處于不溫不火的狀態(tài)。
他也曾做過血壓計和血糖儀等老年人產(chǎn)品,然而老年人既不愛分享,更難于接受新事物,在消費方面也相對理性。而涉足母嬰行業(yè)后,很多孕婦很愛曬幸福,也愛消費,更樂于接受新事物。另外,相比于市面上流行的母嬰手環(huán)等大眾化的產(chǎn)品,他認為手環(huán)很難做是假需求,因為它很難細分市場,只能逐漸同質(zhì)化,最終走上比拼價格的老路子。
而母嬰的健康安全需要是這個行業(yè)的市場剛需。根據(jù)中國內(nèi)地孕婦統(tǒng)計數(shù)據(jù)顯示,73%的孕婦體重超過了世界衛(wèi)生組織的標準,很多地區(qū)的剖宮產(chǎn)率為60%,巨大兒的發(fā)生率已達到10%,,而80%的孕婦孕期體重增長15公斤。他拿小米的體重秤作比較。他說小米的體重秤做得挺好的,但是快樂媽咪的做得更好,因為它更能滿足用戶需求。從創(chuàng)業(yè)角度看,盡管“市面上各種各樣的智能秤層出不窮,卻沒有一款秤是為母嬰人群專屬定制。所以我們決定做一款秤,只針對媽媽和寶寶,從而滿足母嬰用戶記錄體重增長,管理體重變化的需求”。
根據(jù)快樂媽咪創(chuàng)始人陶建輝公布的成績單,5月5日快樂媽咪的微信獨立訪問量超過5萬人,微信訪問20萬余次,相比第二名高出了1倍多。盡管眾籌首日成績不錯,但慶祝會上陶建輝卻分享了幾點創(chuàng)業(yè)經(jīng)驗。首先他告誡創(chuàng)業(yè)者千萬不要做硬件,因為中國的智能硬件很難做,最大的問題在于品質(zhì),像一個無底洞,想象不到的問題太多,其次他告誡后來者千萬別被忽悠了,尤其是創(chuàng)業(yè)之初就去學小米的自銷模式,否則就死定了。
因為在創(chuàng)業(yè)之初,快樂媽咪的胎語儀就是在自己的網(wǎng)站的銷售的,但是每天10-20臺的產(chǎn)品業(yè)績實在是流量太小了,所以后來不得已轉(zhuǎn)到了京東,但是真正的銷售額并不是通過人氣而是來自于銷售渠道。比如5月5日快樂媽咪智能母嬰安全秤,1元眾籌的人數(shù)約在1000人左右,99元眾籌的人數(shù)不到100人,而大于99元產(chǎn)品的眾籌僅有幾十人,這也就是說,快樂媽咪智能母嬰安全秤目前的銷售額不是通過人氣,而是通過京東等線上和線下的渠道來進行。當然,他表示還是很敬佩小米的,也希望有一天靠自己,而不是靠渠道實現(xiàn)產(chǎn)品售賣。
在運營戰(zhàn)略上面,陶建輝的思路恰好和小米雷軍的不謀而合。他表示在互聯(lián)網(wǎng)時代,不能追著社交、母嬰電商這些腳步跑,而是要走差異化的路子。這與12年雷軍所提到的“硬件+軟件+服務”的鐵人三項很類似。他看到,中國目前還沒有真正的母嬰健康記錄管理平臺,而從-1到1歲的這個階段,不論是對孩子還是對孕婦而言,都是真正的關心健康問題的時間,而小孩兒在能走路之后,父輩更關心的則是孩子的教育與未來等問題。
但是快樂媽咪想做的不只是智能硬件方面的開發(fā),而是從母嬰人群最為重要的健康安全等因素著手,采用超大秤面、秤腳設計,使用防滑塑膠而不是玻璃等材質(zhì),不僅最大限度的保障孕婦與寶寶的安全,并且在提供體重等數(shù)據(jù)的同時,通過”快樂媽咪APP”為其提供個性化的資訊匹配與在線咨詢等服務。也就是說快樂媽咪未來要做的不只是硬件,還有體重秤與軟件和服務的打通。
此外,陶建輝透露,6月份將建立快樂媽咪健康管理平臺,屆時舉行快樂媽咪第二胎胎語儀的新產(chǎn)品發(fā)布會,他很希望團隊能通過健康記錄的方式,將更多的母嬰人群聯(lián)系起來,提供更精準的服務,從而受益更多的人。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結(jié)構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。