Gaurav Bubna, NextBillion.ai 联合创始人 – 采访系列

Gaurav Bubna 是 NextBillion.ai 的联合创始人，NextBillion.ai 是一个为企业打造的映射平台。他之前曾与 Grab、Ola 和 ZLemma（被 Hired.com 收购）等公司合作。

是什么最初吸引你学习计算机科学和机器学习的？

即使在我还在学校的时候，我就一直被数学和我当时能做的任何小型编程所吸引。因此，当我上大学时，学习计算机科学似乎是一个自然的延伸。机器学习更像是这些年来我逐渐喜欢上的东西。我喜欢它的实用性和现实世界的应用，例如大数据和能够将其应用于各种现实世界的应用，以及理论方面，如概率论，我一直觉得很迷人。

在创立 NextBillion.ai 之前，您是 Grab 地图产品团队的创始成员，您帮助团队从 10 名成员的跨功能团队扩展到 300 多名成员，仅用了大约 2.5 年的时间。您从这段经历中获得了哪些关键的经验教训？

我学到的一个关键经验是，每个 Grab 运营的国家都是“东南亚”的一部分，但实际上，他们都非常不同。真正有效的解决方案是以可根据每个业务、每个国家，甚至同一国家的不同城市进行定制的方式构建的。大多数产品并不是这样构建的，要在能够快速扩张的同时保持这种平衡是非常困难的。我认为这是我在那段时间里学到的一个关键经验。

您能分享一下 NextBillion.ai 的起源故事吗？

我们投资了 Grab 所需的映射解决方案，但这些解决方案并不是像 Google 这样的面向消费者的地图所能支持的。随着时间的推移，我们能够为 Grab 带来巨大的影响，不仅在单位经济学方面，还在竞争差异化方面。虽然 Grab 有足够的资金来投资他们的地图，但大多数其他公司可能无法做到这一点（因为他们没有筹集到那么多资金）。因此，我们看到了一个机会，利用我们的一些经验，构建一个面向全球企业的平台。

NextBillion.ai 是世界上首个为企业打造的去中心化和可定制的映射平台。企业使用去中心化平台（如 NextBillion.ai）而不是流行的选项（如 Google 地图）有什么好处？

对于运输、物流和电子商务公司，我们实现了更好的单位经济学、更低的每次交付成本和更好的资产利用率。由于 Google 地图等选项的“一刀切”的性质，这些业务收益是无法实现的。对于其他 B2B 软件公司，由于这些“一刀切”的限制，他们通常无法满足许多客户的需求。我们解锁了更多的用例，实现了更多的收入和增长机会。

Google 地图对 API 的调用次数有限，NextBillion.ai 相比之下有什么限制？

这是我们区别的一个很好的例子。我们为客户提供了极其灵活的商业模式，包括无限制的 API 调用套餐、支持最高 20 倍的吞吐量和比最佳替代方案低 5 倍的延迟。

系统如何使用 AI 来监测供应和需求预测在某个地区？

我们的 API 用于实现更好的和更高效的调度、更精确的价格变化，包括激增定价，这反过来对微观层面的供应和需求失衡（如地区）产生了直接影响。

对于叫车服务，您能讨论一下 AI 如何预测交通以提供更好的费用和收入一致性吗？

这些平台上的驾驶员将时间视为金钱。他们每花费一小时驾驶，就希望确保自己能赚到一定的钱。实际上，由于来自地图 API 的距离时间预测不准确，不同的路线、白天的不同时间和一周的不同天，驾驶员每单位时间的收入会有巨大的波动。我们的 AI 考虑到过去的驾驶行为、城市的交通模式，并建议非常精确的路线和交通。这使我们的客户能够实现非常准确的定价，并反过来为他们的驾驶员提供更可预测的收入。

NextBillion.ai 为企业提供了哪些其他日常用例？

我们实现了广泛的送货和电子商务场景，例如食品配送、杂货和电子商务配送。我们还实现了紧急响应服务，例如救护车能够更快地到达、警察能够更高效地巡逻以减少犯罪率，以及更高效的垃圾收集。我们还支持其他幕后用例，使一些日常用例成为可能，例如将电子商务订单运送到您最近的履行中心的卡车路线。

您是否还有其他关于 NextBillion.ai 的信息想要分享？

我们认为，大多数企业仍然没有认识到地图不仅仅是一件很酷的技术，而且它可以从相同的供应或资产基础上驱动数亿美元的业务影响。作为一家企业，我们希望实现的部分目标是推进该行业本身的发展。如果在未来几年内，我们能够帮助更多的企业认识到空间数据的价值，即使他们不直接与我们合作，我们也会认为我们的使命部分实现了。

感谢这次精彩的采访，希望了解更多的读者可以访问 NextBillion.ai。