北京時間1月26日消息,美國專車公司Uber去年共在美國聯(lián)邦法院遭遇50起訴訟,這已經(jīng)成為這家硅谷創(chuàng)業(yè)公司面臨的一大嚴(yán)峻問題。
有人認(rèn)為,Uber在68個國家或地區(qū)運(yùn)營,擁有超過5,000名員工,而且是全球估值最高的創(chuàng)業(yè)公司。所以,50起訴訟或許并不算多。但實(shí)際情況并非如此。
首先將Uber與其競爭對手Lyft進(jìn)行對比,后者遭遇的訴訟還不到Uber的三分之一。美國估值第二高的創(chuàng)業(yè)公司Airbnb去年僅遭遇5起訴訟。
為什么所有人都在起訴Uber?最簡單的回答是:原因很多。根據(jù)法庭記錄,在50多起針對Uber發(fā)起的訴訟中,有17起的原告是Uber司機(jī),15起是出租車公司,還有十多起來自乘客,他們起訴的原因包括遭到襲擊、地點(diǎn)錯誤和價格欺詐。還有一些訴訟則是因?yàn)樽陨虡?biāo)侵權(quán)、保險索賠撤銷和殘疾人歧視。除此之外,還有更多的官司已經(jīng)準(zhǔn)備提交給美國各州法院和各縣法院。
如果要復(fù)雜一點(diǎn)的答案,那就是:當(dāng)你正在顛覆一個受到高度監(jiān)管的傳統(tǒng)行業(yè)時,業(yè)務(wù)成本必然居高不下。與很多硅谷創(chuàng)業(yè)公司一樣,Uber通常先推出,再解決各種問題。如果出售軟件或智能手機(jī),這種方法完全可行——只需要推送一個更新來修復(fù)漏洞即可。但如果在實(shí)體領(lǐng)域展開業(yè)務(wù),效果則會差得多,需要應(yīng)對數(shù)以千計的人,而且要受制于各種各樣的地方法規(guī)。所以,當(dāng)你在實(shí)體領(lǐng)域開展業(yè)務(wù)時,就會面臨很多訴訟。
幾大“獨(dú)角獸”訴訟數(shù)量對比:Uber遠(yuǎn)多于其他公司
Uber一直以來都是都是法庭上的常客。最著名的莫過于面臨自家司機(jī)發(fā)起的集體訴訟了,他們聲稱該公司應(yīng)該給予其員工待遇,而不是將其當(dāng)做獨(dú)立承包商。倘若Uber在這起訴訟中敗訴,該公司就必須向16萬司機(jī)支付工資,其商業(yè)模式也會徹底改變。該案將于今年6月在舊金山開庭,其他州至少也已經(jīng)啟動了超過10起類似的官司。
其他應(yīng)需服務(wù)創(chuàng)業(yè)公司也面臨類似的法律威脅。家政創(chuàng)業(yè)公司Homejoy去年表示,該公司因?yàn)橐黄痤愃频墓偎径P(guān)閉。而Instacart也因?yàn)槊媾R同樣的威脅允許一些承包商轉(zhuǎn)為正式員工。
Uber駕駛員不希望Uber關(guān)閉,只是希望從該公司獲得更多的經(jīng)濟(jì)利益。而與此同時,Uber面臨的其他訴訟則是為了將其置于死地。在十多座城市中,當(dāng)?shù)爻鲎廛嚬径计鹪VUber違反當(dāng)?shù)胤ㄒ?guī)。
Uber遭遇的大量法律訴訟表明該公司面臨巨大威脅。事實(shí)上,即便是Facebook,也沒有在與Uber處于相同階段時面臨如此多的訴訟。
Facebook和Uber在創(chuàng)立的最初六年中起訴數(shù)量比較
Uber拒絕對此置評,也沒有透露該公司的法務(wù)團(tuán)隊規(guī)模。當(dāng)然,該公司無論從規(guī)模還是跨越的地域范圍來看,都遠(yuǎn)大于競爭對手,業(yè)務(wù)復(fù)雜程度也更高。但該公司的風(fēng)險并不會因此而減少。
分析Uber的法務(wù)團(tuán)隊便可了解該公司面臨的挑戰(zhàn):Uber目前在全球有27個法律相關(guān)職務(wù)開放招聘。在LinkedIn上,有超過50人自稱是Uber美國的法律顧問,而Airbnb的這一數(shù)字不到20人。
如果Uber不斷擴(kuò)充法務(wù)團(tuán)隊,表明該公司的確面臨一場生存危機(jī)。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)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(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)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(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。