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 德国“外卖超人”获1.1亿美元融资:估值31亿

德国“外卖超人”获1.1亿美元融资:估值31亿

2015-06-08 11:52
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-06-08 11:52 新浪网

德国“外卖超人”获1.1亿美元融资:估值31亿

北京时间6月8日上午消息,德国外卖巨头Delivery Hero刚刚通过两家未具名的美国顶尖风投融资1.1亿美元,融资后估值超过31亿美元。这有可能是该公司IPO(首次公开招股)前最后一次融资。

此轮融资后,Delivery Hero融资总额达到10亿美元,其中近6亿美元是今年完成的。该公司之前几轮融资的投资者包括Insight Venture Partners、General Atlantic、Rocket Internet,以及一些美国公共基金管理公司。

该公司CEO尼可拉斯·奥斯特伯格(Niklas Ostberg)不肯披露最新一轮融资的投资者身份,也没有宣布IPO的时间表。他表示,该公司已经覆盖了34个国家或地区的20万家餐馆,每月处理1000万笔订单,每月的平台交易额达到1.65亿美元。

不过,由于Delivery Hero仍是私有公司,所以较之于已经上市的Just-Eat等竞争对手的收购速度更快,也更容易做出一些战略决策。

奥斯特伯格说:“我们目前不能透露IPO时间,但我认为,我们今年晚些时候就将做好准备,但要等到利益更明确时。我们目前获得了私有公司的很多利益,我们得到的财务支持与上市公司相同,而且可以采取更加长期的计划。这对我们的竞争对手构成了巨大威胁。所以,我们2015年不准备IPO。”

他同样不肯透露该公司是否会在IPO之前继续融资。不过,谈到最近筹集的1.1亿美元时,他却表示有可能展开一些收购,并加大产品创新力度。

Delivery之前已经展开了一些收购,帮助其进军了新的市场。最近的收购包括上月斥资5.89亿美元收购土耳其Yemeksepeti,这也创下订餐领域的收购记录。该公司还在2014年8月收购了Pizza.de,但并未披露价格。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • LLM情境调节与持续工作流程提示:革新化学分子式的多模态验证技术

    LLM情境调节与持续工作流程提示:革新化学分子式的多模态验证技术

    这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。

  • 微生物显微图像分割新突破:复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"

    微生物显微图像分割新突破:复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"

    复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。

  • 用强化学习让大语言模型为汇编代码提速:斯坦福团队的优化探索

    用强化学习让大语言模型为汇编代码提速:斯坦福团队的优化探索

    斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。

  • 播放师傅变声魔术:让你的录音遵循参考风格的推理时间优化新方法

    播放师傅变声魔术:让你的录音遵循参考风格的推理时间优化新方法

    这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。

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