6月15日消息,Uber似乎在中國市場上遇到了不小的麻煩,一周之內(nèi),Uber中國的業(yè)界先后出現(xiàn)10萬和100萬單兩個不同的版本,再加上大量虛假司機和乘客刷單,都使得外界難以判斷Uber是否像其聲稱的那樣,在中國取得了階段性的成功。
訂單數(shù)據(jù)“打架”
據(jù)《紐約時報》上周報道稱,為了盡快打開中國這個巨大的市場,Uber已經(jīng)在這里發(fā)放了巨額補貼,并且收到了初步成效。這里所謂的“成效”,指的是Uber每天在中國提供的交易,已經(jīng)達到了10萬單。
這個數(shù)字也是Uber去年12月宣布的每天100萬單全球交易的十分之一。報道還稱,為了獲得上述成績,Uber發(fā)放給司機的補貼有時可以達到車費的3倍。截止目前,Uber已經(jīng)累計融資近60億美元,他們希望借此把美國市場的高速增長復制到中國。
同樣是在上周, Uber CEO特拉維斯·卡蘭尼克(Travis Kalanick)在一封發(fā)送給投資者的郵件中稱,Uber司機每天在中國提供的行程已經(jīng)接近100萬單,與該公司6個月前在全球提供的訂單數(shù)幾乎相等,這個數(shù)字遠遠超過了《紐約時報》報道中的10萬單。
一周之內(nèi),Uber在中國的日訂單數(shù)兩次被披露,而兩次的數(shù)據(jù)相差整整十倍。據(jù)一位不愿具名的消息人士透露,Uber中國的真實日訂單數(shù)在30萬單左右。而因為Uber分配訂單的特殊性,司機無法看到乘客的目的地,這導致了大量的拒單產(chǎn)生,訂單成功率一直不高。
十幾部手機同時刷單
Uber在華的“突飛猛進”顯然不那么正常。據(jù)美國新聞網(wǎng)站Quartz報道稱,有中國用戶注冊多個Uber賬號假冒司機、乘客進行刷單,Uber對外宣稱的“在中國每天完成10萬訂單”等數(shù)據(jù)存在水分。
因為投入了高額補貼,很多Uber司機通過微信和QQ群尋找“同謀者”,幫助他們完成虛假的訂單,已獲取現(xiàn)金補貼。這些“同謀者”只需要坐在家中,關閉手機的定位后發(fā)出訂單需求即可。司機接受訂單并空駛,在這一“乘客”選擇付款之后,司機再將車費重新轉(zhuǎn)賬給“乘客”,而雙方將對獎金進行分成。
也就是說,中國的Uber司機人為制造了虛假的訂單,并注冊了多個Uber帳號,以獲得Uber的豐厚補貼。這些“司機”會讓他人假冒乘客,但實際上這些“乘客”哪也沒去,雙方甚至可以在靜止的汽車內(nèi),通過十幾部手機不停地下單和接單。
更有甚者,一些中國司機試圖欺騙Uber的新司機注冊系統(tǒng),通過使用虛假的資料注冊Uber司機帳號,這樣就可以多次獲得新司機獎勵。
或成下一個Groupon?
上述不愿具名的消息人士透露,Uber對司機刷單的情況并非不了解。“只是目前睜一眼閉一眼罷了,畢竟數(shù)據(jù)不能太難看。”在上述給投資人的郵件中,卡蘭尼克明確表示將于6月22日啟動Uber中國的融資計劃。在這個特定時間下,中國市場的表現(xiàn)就顯得尤為重要。
這不得不讓人聯(lián)想起Groupon入華后成立的高朋,團購行業(yè)競爭最激烈的時候,高朋的刷單現(xiàn)象非常嚴重。為了讓團購商品的交易數(shù)字好看,高朋的銷售經(jīng)理甚至說服商家預先購買自家的商品,以營造出非常受歡迎的假象。
更有銷售經(jīng)理甚至自掏腰包,湊足數(shù)十萬元購買自己的團購產(chǎn)品,借此賺取公司補貼,為了提高交易額,甚至還會將房產(chǎn)作為產(chǎn)品放到網(wǎng)上團購,這種瘋狂的刷單行為導致高朋多個大區(qū)管理人員被換血,也間接導致了Groupon在華業(yè)務的流產(chǎn)。
盡管卡蘭尼克宣布2015年將在中國投入70億人民幣,但業(yè)界依舊不得不擔心,Uber很可能會像之前的幾個美國互聯(lián)網(wǎng)巨頭一樣,熱熱鬧鬧開場,灰頭土臉收兵。因為在這之前,“中國魔咒”一直是纏繞硅谷公司的夢魘,eBay、雅虎、MySpace、谷歌等最終都在中國鎩羽而歸。
好文章,需要你的鼓勵
這項研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機制,該方法在減少90%參數(shù)的同時實現(xiàn)10倍速度提升,在七個基準測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類性能的強相關性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應性。團隊承諾開源全部代碼,推動技術普及應用。
伊利諾伊大學研究團隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復雜爭議、智能檢索相關文獻、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構(gòu)建爭議話題的分析框架,識別不同觀點及其支撐證據(jù),為科學和政治爭議提供更全面客觀的分析,已在生物醫(yī)學和國際關系領域驗證有效性。
清華大學研究團隊首次提出情感認知融合網(wǎng)絡(ECFN),讓AI能像人類一樣理解和表達情感。該系統(tǒng)通過多層次情感處理架構(gòu),在情感識別準確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領域帶來革命性應用前景。
哈佛大學研究團隊通過創(chuàng)新的多智能體強化學習方法,讓AI在戰(zhàn)略游戲中學會復雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項突破性成果為未來AI在醫(yī)療、教育、城市管理等領域的應用奠定基礎,展現(xiàn)了通過模擬人類學習過程培養(yǎng)真正智能AI的新路徑。