微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 传支付技术公司Stripe将融资5亿美元

传支付技术公司Stripe将融资5亿美元

2015-05-21 15:18
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-05-21 15:18 新浪网

传支付技术公司Stripe将融资5亿美元

北京时间5月21日午间消息,美国科技博客TechCrunch援引消息人士的说法称,支付技术创业公司Stripe正在进行新一轮融资。此轮融资的领投方之一将是尤里·米尔纳(Yuri Milner)的DST Global。

所有消息人士均表示,这是一轮规模庞大的融资,但目前尚不清楚融资的具体数额。一名消息人士称,此轮融资的总额可能达到5亿美元,而另一名消息人士则表示,此轮融资对Stripe的估值达到50亿美元。Stripe发言人拒绝对此消息置评。

近期,一些创业后期公司也完成了数额庞大的融资。本月早些时候,人力资源软件公司Zenefits以45亿美元的估值融资5亿美元。

Stripe的增长速度很快。该公司以对开发者友好而闻名。对年轻的创业公司来说,处理支付流程通常很麻烦,而Stripe试图让这一过程变得尽可能简单,使开发者可以专注于公司的业务发展。

到目前为止,Stripe已经完成了1.9亿美元的融资,投资方包括PayPal联合创始人伊隆·马斯克(Elon Musk)和彼得·泰尔(Peter Thiel)、Box CEO阿隆·列维(Aaron Levie)、Koshla Ventures、安德森-霍洛维茨,以及红杉资本。

Stripe可能将利用此轮融资的资金去开拓国际市场。米尔纳此前投资了社交媒体巨头Facebook和Twitter,而近期投资重点则是国际电商公司和市场平台类公司,例如Flipkart和Ola Cabs。国际业务扩张需要大量资金,而Stripe目前已在20个国家开展业务。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-