隨著分享經(jīng)濟的發(fā)展,共享出行已經(jīng)形成一波浪潮。但放眼全世界,只有中國的出租車參與其中,無論是在美國還是歐洲,出租車司機還是在路邊接活。滴滴出行率先把國內(nèi)整個出租車行業(yè)互聯(lián)網(wǎng)化,如今幾乎所有的有出租車服務(wù)的中國城市,都可以用滴滴APP一鍵呼叫出租車。
在幫助出租車司機降低空駛率、提高收入的同時,滴滴還利用大數(shù)據(jù)和產(chǎn)品創(chuàng)新幫助出租車行業(yè)轉(zhuǎn)型升級,讓出租車行業(yè)共享技術(shù)帶來的變革,積極助力出租車行業(yè)破解發(fā)展困局。
回想2012年以前,傳統(tǒng)出租車司機的工作方式還是上街“掃活”,亂轉(zhuǎn)、花時間找訂單。不僅司機辛苦,效率低下,油耗成本也高。那時智能手機尚不普及,CNNIC報告數(shù)據(jù)顯示,截至2011年12月底,全國智能手機網(wǎng)民規(guī)模才達到1.9億??上攵菚r的出租車司機中,熟悉智能手機使用的也必然只是少數(shù)。
是滴滴從一點一點教育出租車司機,幫助他們安裝軟件、購買套餐、嘗試使用新鮮事物。到2013年,在北京、深圳、上海等城市,開始有很多司機在使用滴滴,而在2014年底,基本上中國的出租車司機80%以上都開始用上了打車軟件。
如今絕大多數(shù)的出租車司機都會熟練的使用移動終端,是滴滴讓出租車司機從最不互聯(lián)網(wǎng)化的一個群體變成了整個中國移動互聯(lián)網(wǎng)程度最高的群體,這一互聯(lián)網(wǎng)化的速度遠遠超過了之前電子商務(wù)或者團購對于傳統(tǒng)行業(yè)互聯(lián)網(wǎng)化的改造速度。
開出租車已有十三個年頭的老楊就是被滴滴“互聯(lián)網(wǎng)化”的一撥兒。在老楊看來,注冊了滴滴的幾年他變化最大的幾年,是滴滴給他在移動互聯(lián)網(wǎng)全面“掃盲”,“以前用諾基亞的功能手機,短信都不太會發(fā),現(xiàn)在滴滴、微信、支付寶等全都玩精了。”
在加速行業(yè)信息化的同時,滴滴這一“互聯(lián)網(wǎng)+交通”的方式幫助出租車司機降低了空駛率,提高了運營效率和收入,線上支付或掃碼付功能解決了司機線下收錢找零假錢難辨的困擾;而順風(fēng)回家功能也有效降低了出租車司機收車回家的空駛成本。去年1月清華大學(xué)媒介調(diào)查實驗室發(fā)布的《打車軟件經(jīng)濟與社會影響調(diào)研報告》顯示, 90.3%的被調(diào)查出租車司機認為安裝滴滴軟件降低了空駛率,其中41.2%的司機認為每月空駛率下降10-30%,3.9%的司機認為每月空駛率下降30%以上。此外,北京大學(xué)新媒體研究院發(fā)布的調(diào)查數(shù)據(jù)顯示,截至去年5月31日,有20.06萬的出租車司機通過滴滴APP每月多獲得了超過2000元的收入。
今年4月26日,滴滴出行正式與上海“海博出租”簽署戰(zhàn)略合作協(xié)議,首批500輛海博網(wǎng)約車加盟滴滴專車,線下車輛、司機和運營資質(zhì)由海博負責(zé),而線上訂單派接、用戶運營、支付等由滴滴出行負責(zé)。雙方攜手探索互聯(lián)網(wǎng)+傳統(tǒng)出租融合發(fā)展,也為整個傳統(tǒng)出租車行業(yè)的轉(zhuǎn)型升級提供了新的途徑。
在外界看來,此次合作顯示了出租車行業(yè)與智能出行行業(yè)融合發(fā)展態(tài)勢,雙方尋求互利共贏,這可能是解決出租車出路問題的一個有益探索,是解決出租車行業(yè)穩(wěn)定的長遠之策。
據(jù)悉,目前滴滴正在與大量出租車公司合作探索,利用互聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)優(yōu)勢,幫助出租車公司提高運營管理水平,減少空駛率,建立司機服務(wù)管理和乘客評價體系等。除了與海博的合作之外,滴滴也正在和很多地方性的出租車公司探索合作其他的市場化模式,根據(jù)各地不同的情況推進轉(zhuǎn)型,在提升出租車司機的整體服務(wù)質(zhì)量和司機收入的同時幫助整個出租車行業(yè)升級發(fā)展。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(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。
同濟大學(xué)團隊開發(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(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。