奧普登多在印度的業務退出引發了關於人工智慧與外包的更廣泛討論

總部位於舊金山的線上購房平臺Opendoor在進入印度市場不到兩年後,決定關閉其在該國的業務。這一舉措引發了關於人工智慧是否正在重塑海外工作經濟模式的討論。
週三宣佈這一決定的執行長Kaz Nejatian表示,公司旨在將運營工作重新帶回客戶所在的美國,並轉向規模更小、以人工智慧為驅動力的團隊架構。對於受影響的員工人數以及人工智慧效率在決策中所起的作用,該公司並未回應置評請求。儘管如此,這一訊息仍在矽谷迅速引發了廣泛關注——這裡的創始人、投資者及外包專家將其視為人工智慧正在改變那些曾讓印度成為全球后臺運營中心的商業模式的早期跡象。
要理解為何此事意義重大,需先了解印度所面臨的利害關係。該國早已超越了作為外包後臺工作目的地的初始定位,現已成為全球最大的“全球能力中心”市場。這類中心是指跨國公司設立的專門海外機構,負責處理從資訊科技、金融到研發等各類業務,目前全印共有2,100多家此類中心,僱傭約236萬人,每年創造近1000億美元的營收。
Nejatian稱,Opendoor曾在印度組建了一支龐大的團隊,用於處理分散在不同系統中的手工流程。2024年該公司在金奈和班加羅爾設立辦事處時,印度本土的員工數量接近250人。然而近年來整個公司都在縮減規模。證券備案檔案顯示,去年底Opendoor在全球的僱員人數為1,042人,而此前一年這一數字為1,470人。同樣,其非美國籍員工的數量也在去年底降至184人,而2024年底則為342人。
鑑於整體員工規模的持續縮減,很難將此次印度業務的關閉單純視為外包問題。在經歷了美國房地產市場的低迷期後,Opendoor一直在全公司範圍內削減成本,而這波市場動盪對那些依賴線上購房服務的公司打擊尤為嚴重。儘管如此,Nejatian解釋這一決策時所使用的語言仍引起了投資者及外包分析人士的共鳴——他們認為人工智慧正在改變企業安排運營工作的方式。
一些投資者將此決定視為人工智慧可能對印度龐大外包勞動力隊伍產生的影響的訊號。“隨著手工工作被人工智慧取代,印度的許多崗位將會消失,”Better Tomorrow Ventures的聯合創始人Sheel Mohnot寫道。
另有一些人則將Opendoor視為企業架構正在發生更廣泛變化的例證。Emergent Ventures的風險投資家Keshav Lohia稱這一決定是人工智慧驅動型運營的“分水嶺時刻”,他認為人工智慧技術的進步已經開始挑戰那種曾讓印度成為熱門外包目的地的成本套利模式。
專注於監控全球外包及商業服務行業的諮詢公司HFS Research的執行長Phil Fersht對TechCrunch表示,不應簡單地將這一發展視為工作從印度轉移到美國。他強調,更重要的變化在於人工智慧正在減少企業原本所需的運營勞動力數量,從而使企業無論身處何地都能維持更為精簡的組織結構。
“這並非孤立的重組行為,”Fersht說道,“這是我們開始看到的一個更廣泛趨勢的一部分——各公司正圍繞人工智慧、自動化以及更為高效的工作流程重新設計其運營模式。”
Fersht認為,那些能夠將人工智慧、軟體與人類專業技能相結合,在不不斷增加員工數量的情況下依然實現業務目標的公司將成為贏家,他將其稱為“服務即軟體”模式。雖然Opendoor可能是首批備受矚目的案例之一,但他表示這不太可能是個例。
一些投資者已經開始關注更宏觀的層面。Speedinvest的風險投資家Varun Rekhi認為,如果人工智慧降低了對勞動密集型服務的需求,最終可能會給印度最重要的出口產業帶來壓力——該產業的核心就是為全球企業提供人才和專業技能支援。
目前來看,Opendoor仍是一個複雜的案例研究物件——這是一家多年來一直在大規模削減員工的企業,其退出印度市場或許既反映了該公司自身面臨的挑戰,也能體現人工智慧與海外工作未來的走向。
相關文章
由馬克·貝尼奧夫支援的初創公司旨在解決人工智慧部署挑戰
大型企業在部署可靠的人工智慧工具時面臨如此嚴峻的挑戰,以至於整個前沿部署工程師團隊——這些嵌入在客戶公司內部以將人工智慧系統投入運營的專業人員——正在湧現,以彌合這一差距。“矛盾的是,人工智慧推高了專業服務的需求,”前 Salesforce 高管、新成立的 June 公司創始人 Efrat Rapoport 週一宣佈該公司結束秘密運營狀態時指出。“行業解決人工智慧整合問題的方法只是僱傭越來越多的人。”Rapoport 與她的三位聯合創始人——Ohad Hen、Barak Goldstein
阿里影片釋出萬3.0,實現超長影片生成與多維度一致性
8月24日,阿里巴巴釋出了萬3.0,這是其最新的影片生成大模型。此次釋出標誌著阿里巴巴影片技術的重大飛躍,在時長、通用創作、參考處理以及真實世界模擬方面實現了顯著提升。萬3.0將單影片生成的時長擴充套件至30秒,在單個鏡頭內提供了更為豐富的敘事可能性。它還引入了對多種主流檔案格式的支援——包括doc、xls、ppt、pdf和md——使得文字、表格和幻燈片能夠直接轉換為動態視覺內容。為了解決視覺不一致和風格漂移等常見挑戰,萬3.0在微觀層面確保了高度的穩定性。它在角色外觀、道具細節、音訊設定、空間關係
MiniMax大模型誤讀姓名——稀宇科技:特定Token後訓練不足
MiniMax 最近釋出了一份技術報告,詳細解釋了其 M2 系列模型為何難以準確生成“馬嘉祺”等特定名稱。這一看似錯誤的現象凸顯了當前大語言模型訓練中存在的系統性缺陷。Token 偏移:被擠壓的向量空間根本原因在於分詞器(tokenizer),即文字處理的基本單位。例如,名稱“馬嘉祺”被拆分為兩個 Token:“Ma”和“Jiaqi”。雖然模型在預訓練階段學習了這些 Token,但在隨後的指令微調階段出現了問題。在微調期間,Token “Jiaqi”在對話資料中出現的頻率極低,因此幾乎未接受任何
相關專題推薦
評論 (0)
0/500

總部位於舊金山的線上購房平臺Opendoor在進入印度市場不到兩年後,決定關閉其在該國的業務。這一舉措引發了關於人工智慧是否正在重塑海外工作經濟模式的討論。
週三宣佈這一決定的執行長Kaz Nejatian表示,公司旨在將運營工作重新帶回客戶所在的美國,並轉向規模更小、以人工智慧為驅動力的團隊架構。對於受影響的員工人數以及人工智慧效率在決策中所起的作用,該公司並未回應置評請求。儘管如此,這一訊息仍在矽谷迅速引發了廣泛關注——這裡的創始人、投資者及外包專家將其視為人工智慧正在改變那些曾讓印度成為全球后臺運營中心的商業模式的早期跡象。
要理解為何此事意義重大,需先了解印度所面臨的利害關係。該國早已超越了作為外包後臺工作目的地的初始定位,現已成為全球最大的“全球能力中心”市場。這類中心是指跨國公司設立的專門海外機構,負責處理從資訊科技、金融到研發等各類業務,目前全印共有2,100多家此類中心,僱傭約236萬人,每年創造近1000億美元的營收。
Nejatian稱,Opendoor曾在印度組建了一支龐大的團隊,用於處理分散在不同系統中的手工流程。2024年該公司在金奈和班加羅爾設立辦事處時,印度本土的員工數量接近250人。然而近年來整個公司都在縮減規模。證券備案檔案顯示,去年底Opendoor在全球的僱員人數為1,042人,而此前一年這一數字為1,470人。同樣,其非美國籍員工的數量也在去年底降至184人,而2024年底則為342人。
鑑於整體員工規模的持續縮減,很難將此次印度業務的關閉單純視為外包問題。在經歷了美國房地產市場的低迷期後,Opendoor一直在全公司範圍內削減成本,而這波市場動盪對那些依賴線上購房服務的公司打擊尤為嚴重。儘管如此,Nejatian解釋這一決策時所使用的語言仍引起了投資者及外包分析人士的共鳴——他們認為人工智慧正在改變企業安排運營工作的方式。
一些投資者將此決定視為人工智慧可能對印度龐大外包勞動力隊伍產生的影響的訊號。“隨著手工工作被人工智慧取代,印度的許多崗位將會消失,”Better Tomorrow Ventures的聯合創始人Sheel Mohnot寫道。
另有一些人則將Opendoor視為企業架構正在發生更廣泛變化的例證。Emergent Ventures的風險投資家Keshav Lohia稱這一決定是人工智慧驅動型運營的“分水嶺時刻”,他認為人工智慧技術的進步已經開始挑戰那種曾讓印度成為熱門外包目的地的成本套利模式。
專注於監控全球外包及商業服務行業的諮詢公司HFS Research的執行長Phil Fersht對TechCrunch表示,不應簡單地將這一發展視為工作從印度轉移到美國。他強調,更重要的變化在於人工智慧正在減少企業原本所需的運營勞動力數量,從而使企業無論身處何地都能維持更為精簡的組織結構。
“這並非孤立的重組行為,”Fersht說道,“這是我們開始看到的一個更廣泛趨勢的一部分——各公司正圍繞人工智慧、自動化以及更為高效的工作流程重新設計其運營模式。”
Fersht認為,那些能夠將人工智慧、軟體與人類專業技能相結合,在不不斷增加員工數量的情況下依然實現業務目標的公司將成為贏家,他將其稱為“服務即軟體”模式。雖然Opendoor可能是首批備受矚目的案例之一,但他表示這不太可能是個例。
一些投資者已經開始關注更宏觀的層面。Speedinvest的風險投資家Varun Rekhi認為,如果人工智慧降低了對勞動密集型服務的需求,最終可能會給印度最重要的出口產業帶來壓力——該產業的核心就是為全球企業提供人才和專業技能支援。
目前來看,Opendoor仍是一個複雜的案例研究物件——這是一家多年來一直在大規模削減員工的企業,其退出印度市場或許既反映了該公司自身面臨的挑戰,也能體現人工智慧與海外工作未來的走向。
由馬克·貝尼奧夫支援的初創公司旨在解決人工智慧部署挑戰
大型企業在部署可靠的人工智慧工具時面臨如此嚴峻的挑戰,以至於整個前沿部署工程師團隊——這些嵌入在客戶公司內部以將人工智慧系統投入運營的專業人員——正在湧現,以彌合這一差距。“矛盾的是,人工智慧推高了專業服務的需求,”前 Salesforce 高管、新成立的 June 公司創始人 Efrat Rapoport 週一宣佈該公司結束秘密運營狀態時指出。“行業解決人工智慧整合問題的方法只是僱傭越來越多的人。”Rapoport 與她的三位聯合創始人——Ohad Hen、Barak Goldstein
阿里影片釋出萬3.0,實現超長影片生成與多維度一致性
8月24日,阿里巴巴釋出了萬3.0,這是其最新的影片生成大模型。此次釋出標誌著阿里巴巴影片技術的重大飛躍,在時長、通用創作、參考處理以及真實世界模擬方面實現了顯著提升。萬3.0將單影片生成的時長擴充套件至30秒,在單個鏡頭內提供了更為豐富的敘事可能性。它還引入了對多種主流檔案格式的支援——包括doc、xls、ppt、pdf和md——使得文字、表格和幻燈片能夠直接轉換為動態視覺內容。為了解決視覺不一致和風格漂移等常見挑戰,萬3.0在微觀層面確保了高度的穩定性。它在角色外觀、道具細節、音訊設定、空間關係
MiniMax大模型誤讀姓名——稀宇科技:特定Token後訓練不足
MiniMax 最近釋出了一份技術報告,詳細解釋了其 M2 系列模型為何難以準確生成“馬嘉祺”等特定名稱。這一看似錯誤的現象凸顯了當前大語言模型訓練中存在的系統性缺陷。Token 偏移:被擠壓的向量空間根本原因在於分詞器(tokenizer),即文字處理的基本單位。例如,名稱“馬嘉祺”被拆分為兩個 Token:“Ma”和“Jiaqi”。雖然模型在預訓練階段學習了這些 Token,但在隨後的指令微調階段出現了問題。在微調期間,Token “Jiaqi”在對話資料中出現的頻率極低,因此幾乎未接受任何





首頁






