东南亚电商市场蕴含着巨大的商机:到2026年,该区域年销售额预计将达到2300亿美元,为全球品牌提供了广阔的发展空间。然而,想要踏入这片土地,对品牌来说也不是一件容易事。
无论是在第三方平台上销售,还是直接面向消费者,品牌商不仅要适应不同国家的法律、文化、消费习惯等方面的差异,还要在产品认证、与物流合作伙伴的协议上掌握当地的细微差别。
Etaily的初心,就是为了帮品牌省去这些麻烦。这家菲律宾电商服务商给自己的定位是帮助企业克服焦虑的推动者。就在本周,该公司宣布已完成1780万美元的A轮融资,并设定了到2025年实现1亿美元年收入的目标。
对于一家仅在2020年成立的新星企业来说,这将是一次重要的飞跃。目前,Etaily已经吸引了包括Crocs、Levi's、Skechers和Fila等一系列知名品牌,它们视Etaily为快速打入东南亚市场的黄金钥匙。
Etaily联合创始人兼首席执行官Alexander Friedhoff表示,许多品牌渴望打入东南亚市场,但他们在看到了这里快速增长的中产阶级、庞大的年轻消费者群体和高互联网渗透率的同时,也意识到进入这些市场的挑战,每个地区都有自己的特点。
在这个情况下,Friedhoff创立了Etaily,将其作为推动这些品牌在东南亚实现电商增长的引擎。该公司开发了专有技术,弗里德霍夫称其为“端到端电子商务解决方案”。
具体来说,Etaily能够协助品牌在东南亚完成从线上品牌建设到产品分销的全过程。其解决方案能够支持第三方电商平台和品牌自己的电商网站,甚至能与品牌的线下零售业务整合——实现从门店直接发货,减轻企业在东南亚启动和运营电商网站的困难。
Friedhoff解释说:“我们的生态系统涵盖了整个客户旅程,从生活方式产品的开发到内部品牌能力,再到通过Etaily的轻资产仓库网络向本地和区域客户交付。”
这一理念迅速赢得了市场的认可。虽然公司第一年的销售额仅为20万英镑,但Friedhoff自信地表示,最新交易期的销售额有望超过3000万美元。
Etaily的一大成功秘诀在于其投资者背景——许多投资者都能够将Etaily介绍给目标品牌。“我们的股权结构对我们至关重要,”Friedhoff说,“我们的投资者群体中已经包括了该地区四个最大的企业集团。”
这次的A轮融资将为Etaily带来更多支持。“这不仅仅是筹资,我们吸引了能够助力我们成长的投资者。”
这轮融资由SKS Capital和Pavilion Capital领投,参与者包括多家专注于菲律宾的风险投资机构。
在Etaily的投资者名单中,还有菲律宾最古老、最具影响力的企业集团阿亚拉(Ayala Corporation),该集团拥有Ayala Malls、Century Pacific和Landmark Philippines等重量级资产,以及众多在电商领域经验丰富的天使投资者。
SKS Capital的创始人Jack Chen对Etaily的未来充满信心。“这家企业在将先进的全渠道技术解决方案融入品牌运营中展现出巨大潜力,”这将在不久的将来带来显著的增长。”
Etaily的总部位于菲律宾,根据世界银行预测,该国今年将成为东南亚增长最快的经济体。贝恩咨询公司也发布过预测,到2027年,整个东南亚地区的数字消费者数量,将从目前的3.7亿增长到4.02亿,其中菲律宾、越南和泰国将是增长最快的电商市场。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。