印度知名网约车平台Rapido已在班加罗尔悄然开始其外卖服务的内测,这标志着该公司首次认真挑战外卖市场领导者Swiggy和Zomato,进军这个全球增长最快的配送市场之一。
这家成立10年的初创公司已开始在班加罗尔南部的三个主要区域测试外卖服务,包括Byrasandra、Tavarekere和Madiwala(BTM)布局区、Hosur Sarjapura路(HSR)布局区,以及Koramangala区。Rapido联合创始人兼首席执行官阿拉文德·桑卡向TechCrunch确认了这一消息。
Rapido创建了一家名为Ctrlx Technologies的全资子公司来推出其外卖服务,服务名称为Ownly。根据TechCrunch审查的监管文件,该子公司的董事包括桑卡和Rapido财务副总裁维韦克·克里希纳。
桑卡表示,设立子公司没有特定原因。然而,这可能是一个战略举措,旨在避免与Swiggy的潜在利益冲突,后者目前持有这家网约车初创公司12%的少数股权。
Swiggy最近在给股东的信中确认,将重新评估其对Rapido的投资,理由是"未来可能出现"的潜在利益冲突。
与此同时,Rapido的Ownly还在Google Play上发布了Android应用,提供附近餐厅的食物,价格比Swiggy和Zomato低约15%。
这种更低的定价源于Rapido的商业模式——不向餐厅收取佣金(其他外卖应用包括Swiggy和Zomato的佣金高达30%),而是对每个订单收取固定费用。该初创公司在6月份向餐厅提出的方案中提到了这种固定费用方式。
据一位熟悉Rapido业务的人士最近告诉TechCrunch,Rapido在印度拥有约1000万辆车队,其中包括500万至600万辆两轮车。该公司正在使用其两轮车队配送食物,同时提供出租车和快递服务。
一位Rapido投资者在匿名条件下告诉TechCrunch,Rapido将避免向客户显示距离较远的餐厅,以降低燃料成本和配送时间,并将在其应用上精选菜单项目,以最大化利润率,同时提供足够的可发现性。
该投资者表示,在为Swiggy处理配送业务时,Rapido获得了对高峰时段和高需求餐厅的洞察——这些数据现在将被用于其自己的外卖服务。
与Swiggy的协议并不禁止Rapido使用这些数据,尽管它确实禁止该初创公司与Zomato或其他竞争对手签订合同,该投资者补充道。
Rapido成立于2015年,起初是一个摩托车出租车聚合平台,后来扩展到三轮车、包裹配送和第三方物流。2023年,它进入出租车业务,挑战Uber和本地竞争对手Ola。该初创公司凭借其基于订阅的模式在这一细分市场获得了吸引力,将其定位为竞争对手使用的基于佣金方式的替代方案。
Rapido还与中国电动两轮车电池交换制造商Gogoro合作,部署其车辆作为摩托车出租车。此外,最近的举措帮助该初创公司提升了估值,并在去年成为独角兽公司。
根据贝恩公司和Swiggy去年发布的报告,印度在线外卖市场预计到2030年将超过2万亿卢比(约230亿美元)。根据券商Motilal Oswal的数据,Zomato目前以58%的份额领先市场,而根据伯恩斯坦的数据,Swiggy占据剩余的42%。Uber也曾是该领域的早期参与者,拥有Uber Eats,但在2020年初将其出售给了Zomato。
根据Tracxn的数据,迄今为止,Rapido已在13轮融资中筹集了5.74亿美元。它在250多个城市运营,每日处理超过350万次出行。该初创公司的主要投资者包括Prosus、WestBridge Capital、Nexus Venture Partners和Think Investments等。
Q&A
Q1:Rapido的外卖服务Ownly有什么特别之处?
A:Ownly采用了与传统外卖平台不同的商业模式,不向餐厅收取高达30%的佣金,而是对每个订单收取固定费用,这使得其价格比Swiggy和Zomato低约15%。
Q2:Rapido为什么要成立子公司来做外卖业务?
A:Rapido创建了全资子公司Ctrlx Technologies来运营外卖服务,这可能是为了避免与现有投资者Swiggy的潜在利益冲突,因为Swiggy持有Rapido 12%的股权。
Q3:印度外卖市场规模有多大?
A:根据贝恩公司和Swiggy的报告,印度在线外卖市场预计到2030年将超过2万亿卢比(约230亿美元),目前Zomato占58%市场份额,Swiggy占42%。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。