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
  • 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。

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