ZD至顶网软件频道消息:在日益火爆的企业级SaaS市场,通用化产品间的争斗异常激烈,比如CRM、协作办公甚至OA、考勤管理…而深入垂直行业,把事儿做深做透的SaaS产品并不多,因为这考验对行业的深入理解能力。
最近正好接触了一家为企业物流运输提供SaaS管理工具的企业——oTMS,对于过去一年突破性增长:客户数量6倍增长、订单数量4倍增长、销售收入3倍增长,oTMS联合创始人及首席运营官段琰将其归结为这也正是做垂直行业SaaS的优势所在:“这个行业拼的不是技术,拼的是客户群。oTMS比对手早做了2、3年,积累了一大批行业内的标杆客户,这正是oTMS 的优势所在。”
oTMS将自己定位为一站式SaaS运输管理平台,其服务的是运输全产业链,目标是建立一个运输商业网络。所谓一站式运输服务,是以“SaaS平台+移动App”的工具作为基本载体,为用户提供企业之间的开放接口,形成连接基础上的协同管理与交易,满足企业运输全链条协同管理、运输招投标、订单信息闭环与快递统管等综合的业务需求。
在货主端,改变了物流只作为支撑部门的现状,让物流全过程信息可以追踪,信息也可以实现收集、管理和分析;而对于承运端来说,电子化的手段也让回单结费变得更加容易。
对于一站式SaaS运输管理平台的定位,应该说也基于oTMS对行业的思考以及对SaaS产业的判断。这是一次升级和优化,而平台产品所承载的不仅仅是简单的运输管理,更是要构建一个产业生态。
为此,oTMS通过Open API与行业内的合作伙伴共建产业生态,也可以把能力开放给企业内部,供企业在其上开发更多应用。比如与企业现有的ERP、TMS、WMS等管理系统,甚至GPS、温控设备数据对接,形成数据的直接导入及共享目前,oTMS已经和市场上主流的物流系统和快递系统完成对接,覆盖和包含了多种需求场景和功能,实现运输一站式管理的技术基础。
此外,通过”SaaS+移动App”的模式,oTMS对运输链条上的各方提供对应产品,实现纵向贯穿的物流信息链条。在此基础上,oTMS能通过订单的拆分与合并,最大程度地节约运输成本,形成更强大的集散能力。
除了纵向协同,oTMS上线3年以来平台上积累的货主资源让横向协同也变成了可能。通过整合线路有重合的货主层面资源,让多个货主在订单前端就可以完成订单整合,提升集约和议价能力。对于承运商来说,可以引入更多的货主到网络中,创造更多商业机会。
另外可圈可点的就是在线招投标系统了,oTMS在线招投标系统通过对历史数据的挖掘,形成可视化的运输决策模型以帮助货主做决策。另外,oTMS平台上积累的优质承运商资源,帮助客户对接更优质、更匹配的运力。同时,双方经过竞价与议价后形成的招标结果可直接生成价格文件,与后续运输执行阶段衔接。所有环节在系统内一站式地完成。
据oTMS战略副总裁潘永刚博士介绍,目前oTMS已经积累了360多家客户,集中在大中型企业。当前主要面向三个行业:为服装零售行业提供全渠道解决方案;为食品医药行业提供常温+冷链运输管理解决方案;为汽车行业提供从品牌厂商、物流公司到经销商/4S店的解决方案。
采访中作为oTMS的用户,吉祥馄饨IT总监陈令颖也介绍了使用oTMS的体会。公司创立17年来,吉祥馄饨只做一件事儿——只卖馄饨。从1999年1家店到2016年超过2500家店,吉祥馄饨年均增长超过62%,年营业额从60-70万元增至现在的8亿元。
吉祥馄饨食品配送的特点是:主食+小食以及套餐的品类越来越多,并且在不同地域的SKU差异化明显,对食材的新鲜、口感要求非常高;全门店每日生鲜配送频次高,当天订货当天送货,所有门店在上午10:00前,通过IT系统提交当日订单给中央厨房;每天夜间冷链配送,全程实时监控每辆配送车的路径和温度,确保全程4℃保鲜,门店无人交接。通过采用oTMS的冷链解决方案,打通了吉祥馄饨从全国11大中央厨房到2500多家门店的“透明”供应链,做到了精益、透明、安全、协同。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。