摘要

Khosrowshahi 的 AV 核心判断是：供给是赢下市场的关键，而 Uber 正在搭建相应生态。 目前已有 30+ 个合作伙伴（可能包括 Waymo、可能包括 Nuro、Lucid、Nvidia、可能包括 Waabi、可能包括 Wayve、可能包括 WeRide、可能包括 Pony.ai）、停车及维护基地、充电设施、车队融资（刚宣布的 10亿美元融资额度，可能与 Santander 合作，面向 EV/AV 车队）以及自动驾驶保险。验证这一判断的数据是：在 Uber 网络上运营的 AV，按每车每日行程数和收入计算，“繁忙程度高出30%甚至更多”；“这30%……可能对投资这些昂贵汽车的 ROI 产生巨大影响”。
他把自动驾驶定义为“另一个万亿美元级市场”。 这与早期 Uber 面临的是同一种低估错误：“当时人们按出租车市场估算规模，而我们的市场是出租车市场的数倍。”硬件成本通常每代下降 30%-40%；与可能包括 Nuro 合作打造的 Lucid 中型车“将是一辆 6万-7万美元的车”，每辆 AV 可能跑出人类驾驶者 3-4 倍的里程。
Uber 在一个季度内就花光了全年 AI 预算，并开始随着工程师产出进入“超人”水平而控制招聘增速。 打法是：探索阶段使用 frontier models（OpenAI 或云端模型）——“探索就是全速前进”——等产品体验规模化后，再换成更便宜或开源的模型。背景是：公司每年完成超过 100亿次行程、自由现金流超过 100亿美元，但“我们不是高毛利业务”。
在 AV 代工问题上，Khosrowshahi 预计传统车企将在 2-4 年内实现 L4-ready 系统。 但“目前中国在制造能力上，无论质量还是成本，都无人能及”；西方版低成本 Foxconn“正在推进，但还没到位”。
他的事前复盘并非针对 Uber，而是针对 AI 和 AV 可能遭遇的公众反弹。 “我们必须按照社会准备好接受的速度推进，否则就会出现反弹。”早期反例来自 Austin 和 Atlanta，那里可能存在 Waymo 合作：司机收入正在上升，司机注册量也在增加，因为 AV“实际上为平台带来了增量需求”。
超级应用飞轮正在加速：Uber One 已有 5000万会员，同比增长 50%，Eats 订单中有 13% 来自出行应用，Reserve 从零增长到 50亿美元以上的年化收入规模，可靠性超过 99%，而新的 Expedia 酒店合作会把“大部分经济利益”返还给会员。会员业务遵循 Amazon Prime 模式：第一年在单个会员身上亏损，在第 2-4 年赚回来——“现在已经稳定盈利”。
面对“你们是 Amazon 还是 Apple？” 的问题，他的回答是：“介于两者之间”。先优先投入有机增长（他任期内 Eats 总预订额从不足 10亿美元增长到超过 1000亿美元），再把数万台 AV 的投入金融化，剩余资金用于回购。“如果公司搭建得当，两件事都要做。”
Barry Diller 给他的管理启示是：直达信息源，因为“真正拉开故事差距的，是过滤过程……往往正是那个差距让你形成优势”。 公司是会“通过变异进化”的有机体；他会主动寻找制造麻烦的人，把他们视为变异，同时表示 AI 已将公司内部的变化速率提升了 5 倍。

精读

1. “人生什么时候是为了幸福？是为了影响力”——Dara 为什么接下 Uber

在 Expedia 担任 CEO 13 年、一直与 Barry Diller 共事后，猎头突然打来电话问他是否考虑 Uber，他的第一反应是“绝不可能”。在 Sun Valley，Daniel Ek 告诉他是自己推荐了他；Dara 说自己在 Expedia 很开心，Ek 回答：“人生什么时候是为了幸福？……是为了影响力。Uber 是一家能够影响世界的公司。它很重要，也正陷入困境。”第二天早上，Dara 在停车场给猎头打了电话。
上任第一天就是“彻底的混乱”：Travis 已经离开，执行委员会临时管理公司数月，业务“竞争极其激烈”，公司也因为许多负面事件“以各种糟糕的方式暴露在公众视野中”。

2. 混乱中的秩序，是向量数学

他在 HBS 研讨课上给出的破局答案是：把一个不可回避的问题拆解成多个维度。“这就是向量数学……如果你解决每一个维度，再把它们合在一起，就能解决非常复杂的问题。”在 Uber，这些维度彼此独立：董事会“为控制权而斗争”（“关注的是谁将控制公司的未来，而不是公司的未来会是什么”），于是请 Ron Sugar 出任董事长；监管机构和公众对公司失去信任，于是先展开倾听之旅，再据此行动；人才体系则重新调整——留下 Andrew McDonald，加入 Tony West，同时“那些困在旧世界的人必须离开”。
说到压力，他的妻子 Sid 称他“像个机器人”。根源来自他的成长经历：9 岁时全家离开 Iran，失去了一切；他眼看着这一切摧毁父亲——一个“巨人般的人”——父亲“失去了那股劲”，也无法在美国重新开始。他从中得到的教训是：要取得成功，但永远不要让命运击垮自己。“压力这么大——有什么意义？谁在乎？”
移民身上那种不服输的劲头“永远不会满足”，他也把这套逻辑延伸到育儿：“我们给孩子太多东西，反而是在伤害他们……人生中的挑战才会塑造一个人……幸福的人生未必是轻松的人生。”

3. Uber 内部采用 AI：提拔叛逆者，控制招聘节奏

Uber 是“AI native，或者说 ML native”——公司的业务本质是数字交互加上概率性的现实世界履约，涉及交通、取消订单、外卖迟到等问题，因此比大多数公司更早把 AI 投入生产环境。他的要求不是自上而下推动，而是让团队“从第一性原理重建流程”，而不是让 AI 只对现有流程“优化20%、30%”。采用路径不可预测——“印度的开发者突然开始提交 10 倍数量的代码”，到处运行自主代理——“我们要做的，是提拔公司内部那些叛逆的人。我们希望叛逆者在这里赢下来。”
关于智能的成本：“我们现在其实正在处理。我们一个季度就花光了 AI 预算……基本上是全年预算。”应对方式是继续推动采用，但随着工程师的产出达到“超人水平”，控制招聘增长，并对模型栈分层——探索阶段使用“更昂贵的模型……无论是 OpenAI 模型还是云端模型”；等这些体验规模化后，再换成更高效的模型或开源模型。
效率要求具有结构性：“我们的自由现金流超过 100亿美元，这很棒，但对应的是每年远超 100亿次行程……我们不是高毛利业务。”效率提升最终会转化为更低的乘客价格和更高的服务者收入。

4. 更大的模型“无聊但美好”——而且它们已经知道你要去哪

近期最不花哨、但最有效的 AI 进展，是 Uber 的信息流和搜索模型“可能已经比旧模型大 1万倍”。现在，通用搜索可以用一次查询同时展示出行、Eats 和杂货服务，而且“有 3/4 的时候我们能猜到你要去哪里”，用户只需点击一次。
说到 7 年后的界面：“我认为你会和应用对话。”通过代理，输入端会变得非结构化；但应用仍会负责输出——“说你的 Uber 还有 6 分钟到，并没有那么有吸引力”，相比之下，直接看着车辆驶来更直观。更深层的变化是：过去的用户界面是“针对整体平均值优化的……现在我们会进行个性化。当你抵达一座城市时，Uber 对你的呈现，会和你去上班时完全不同。”

5. AV 玩法：一切都反过来了——先抓供给，需求自然会来

从 Expedia 转到 Uber，他学到的最大区别是：Expedia 是需求优先；“在 Uber，一切都反过来了。”增长意味着先招募司机、商户和配送员——不是先覆盖排名前 10 的城市，而是“接下来 50 个城市、接下来 200 个城市”——“需求会自己找上门”。当被问到 Uber 要赢下 AV 需求聚合平台的位置，必须满足什么条件时，他只回答了一个词：“供给。”
Uber 目前已有 30+ 个 AV 合作伙伴——可能包括 Waymo、可能包括 Nuro、Lucid、Nvidia（正在打造算力、传感器以及现在的软件驾驶员）、可能包括 Waabi、可能包括 Wayve、可能包括 WeRide、可能包括 Pony.ai——背后的判断是，AV 会像基础模型一样发展：“不会只有一个赢家……也会有更小的开源模型。”
Uber 给 AV 开发商的条件是：专注于驾驶员，其他一切由 Uber 搭建——在监管友好的城市建设停车及维护基地和充电设施，连接车队合作伙伴，提供融资（面向 EV 和 AV 车队的 10亿美元融资额度，可能与 Santander 合作），提供自动驾驶保险，把街道数据反馈给模型，并在产品上市时“瞬间获得需求”。关键数据是：按每车每日计算，Uber 网络上的 AV“繁忙程度高出30%甚至更多”，这会直接决定“投资这些昂贵汽车的 ROI”。
他亲自体验后的产品观察是：“魔法变成日常的速度有多快。”他第一次乘 Uber 时觉得“按一下按钮，5 分钟后车就来了……第二天你就会想，‘我的破车呢？’”AV 也一样——前两分钟很神奇，随后就变成日常。“今天的魔法，会在 10 年后变成我们所有人眼中的正常生活。”

6. Waymo 既是合作伙伴也是竞争对手——这没问题

Patrick 追问：可能成为网络级直接竞争对手的 Waymo，为什么还要与它合作？Dara 的答案来自旅游行业：OTA 会与 Marriott 和 Delta 竞争，但后两者仍然需要增量需求，“因为它们有一大堆库存要填满”——一家酒店入住率从 70% 提升到 90%，回报“完全是两个世界”。Eats 也是同样的逻辑：McDonald’s、Starbucks 和 Chipotle 既在平台上架，也与平台竞争。“我不认为事情会非黑即白……不同商业模式会融合在一起。”可能包括 Wayve 在内的公司则不同：它向车企授权端到端模型，而 Uber“基本上会负责全部需求”；可能包括 Zoox 和可能包括 Nuro 在内的公司也遵循类似的共存逻辑。
他对整个行业的事前复盘是：AV 技术“会比人类更安全”，但 AI 已经不受欢迎——“如果它推高了我的电费，或者让我的表亲失去工作，那感觉就不太好。”因此，“我们必须按照社会准备好接受的速度推进，否则就会出现反弹”。对 Uber 来说，可控的版本仍然与核心判断一致：失去“获得供给的渠道”。
早期证据并不悲观：在 Austin 和 Atlanta（两地都有大型的可能 Waymo 合作），Uber 司机“赚得更多”，司机注册量也在上升——“看起来 AV 实际上为平台带来了增量需求”。

7. 万亿美元级市场的数学：更便宜的硬件、中国版 Foxconn，以及终于能工作的无人机

成功情景下，这将是“另一个万亿美元级市场”：硬件成本“通常”每代下降“30%-40%”；与可能包括 Nuro 合作打造的 Lucid 中型车“将是一辆 6万-7万美元的车”；更便宜的交通服务会扩大需求。早期 Uber 按出租车市场估值，最终市场规模却是出租车市场的“数倍”。每辆 AV“可能达到人类驾驶者 3-4 倍的行驶量”，车队效率会进一步放大经济效应。
关于 AV 版 Foxconn：“这正在发生。”传统车企意识到 L4“比它们想象的近得多”，预计将在“未来 2-4 年内”实现 L4-ready 系统；产量会从数百辆、数千辆提升到数十万辆。但“目前中国在制造方面，无论质量还是成本，都无人能及”；西方版低成本替代者“正在推进，但还没到位”。
为什么 Amazon 十年前那段视频里的无人机至今还没把 Patrick 的三明治送来？答案是“电池能量密度”——电池必须在具备所需航程的同时，抬起自身重量和载荷。Joby 现在正在制造载人无人机；食品和杂货配送无人机“将在未来 2-5 年开始达到真正规模”，初期成本会高于人工配送。“两年后？不会。但 5-10 年后，它会越来越普遍”；用 10-15 分钟的配送取代 25-30 分钟，将“改变社会的运行方式”。
区域进展方面，Patrick 说 Middle East “正在快速推进”；Dara 表示 Abu Dhabi 和 Dubai 今天已经有相关服务，监管机构也更具企业家精神。美国会通过 California 和 Texas 推进，但“在 New York……或 Boston，进度会更慢”；Europe 正在苏醒，商业化 robotaxi 已开始，预计 London 会在“今年年底前”启动试点。

8. 超级应用飞轮：跨平台能力是结构性护城河

Patrick 指出，Uber Eats 在国际市场登上第一的次数多于美国；Dara 认为“真正的魔法在于跨平台”：Eats 订单现在有 13% 来自出行应用，“我们获得了一批免费的客户”。再加上 Uber One——5000万会员，同比增长 50%——其销售逻辑类似 Netflix：“同样的价格，你得到比其他任何平台都更多的内容。”他认为，这种组合既能在一个个市场拿下第一，也能带来高于单一业务竞争对手的利润率，而且已经“在一个又一个市场得到验证”。
他把会员业务的经济模型讲得很清楚：理想的会员项目拥有固定成本，服务会员的边际成本为零，比如旅游升级、有限电视和 Netflix。Amazon Prime 是第一个承担可变成本会员模式的产品，并走过了“绝望谷”——资本市场误判了不断扩大的亏损；“我从那个例子中获得了很多启发”。Uber One 也是同一笔交易：“会员第一年我们会在你身上亏钱，但第 2、3、4 年我们会从你身上赚回来。”现在“已经稳定盈利”。
说到供给端能力需要做到什么程度，他给出的自评很诚实：“说实话，我们还可以。我认为我们能做得好得多。”他的改进方式是亲自体验：疫情后，他买了一辆电动自行车，在 San Francisco 配送食品，也开着自己的 Tesla 接送乘客。他发现供需两端存在不对称：消费者每天接触应用 30 秒，司机则会打开应用 6-10 小时，因此“一个 P95 级别的 bug，消费者可能一个月遇到一次……司机则每周都会遇到一次 P95 bug”。大约 50% 的订单会被合并配送——“现实世界里出问题，是有原因的。”

9. 酒店业务：从即时需求延伸到计划型需求

酒店业务的逻辑建立在数据上：旅行者是高频用户——去年有 15亿次跨城市出行，约 15% 的行程与机场往返有关——而增加服务会持续提升留存率（“更多内容意味着更高留存率”，最早已在 UK 和 Spain 的铁路业务中得到验证）。这笔 Expedia 交易让他与旧东家完成闭环，并将“大部分经济利益返还给 Uber One 会员”：酒店 9 折，1万家酒店 8 折。
最终目标不只是预订，而是在目的地提供一套无缝体验：从用户邮件和航班数据中提取信息，提前预订前往机场的 Uber；车辆接近时通知酒店；“也许你可以用 Uber 应用当房间钥匙”。
他对这项业务的事前复盘同样保持克制：Uber 的品牌未必能从即时服务延伸到计划型服务。值得鼓舞的先例是 Reserve：它从即时派单重建为真正的提前承诺，并实现 99% 以上的可靠性，如今年化收入规模“超过 50亿美元”，而 5-6 年前还是零。但“提前预订一趟车，是否与提前 2-3 个月规划假期，本质上是两回事？……我认为我们可以做到，但这绝不是板上钉钉”。
他改变了对营销的看法：过去他认为营销的唯一职责是带来流量，产品负责把服务呈现出来——“我的营销团队告诉我，我是个白痴，而我很喜欢他们这么说。”Patrick 的框架是，Reserve 上的咖啡订单“重点不在这趟车”，而在“客户终身价值……以及新服务的引入”；Dara 补充说，整个体验应该“让人感到愉悦”，而不是像一次追加销售。

10. Diller 的事实底线、作为变异的麻烦制造者，以及 Amazon 与 Apple

Barry Diller 留给他的教训是：从源材料中获取事实。年轻时，他作为 Allen Company 的分析师参与 Paramount LBO 和敌意要约收购，Diller 越过 MD 和 VP 直接追问：“模型是谁搭的？我要去和那个人谈，因为如果我要筹集数十亿美元债务，我得知道自己是否真的有把握。”他把这推广为一条普遍规律：“真正拉开故事差距的，是过滤过程……往往正是那个差距让你形成优势。”所有人都会对平均水平做出相同反应；大型公司 CEO 的失败模式则是：“你接触到的实际情况只剩下非常薄的一层……一切都已经替你处理好了。”
如果有人跟随他工作一天，看到的会是一套“极度透明加上刻意制造随机性”的工作系统：“我会寻找公司里的麻烦制造者……每家公司都像一种有机体……有机体通过变异进化。不发生变异的公司……最终都会死亡。”他同样强调紧迫感：随着 AI 出现，“变化速率提升了 5 倍。能够适应这种变化的公司，才会完成进化”。
回答 Patrick 的问题——“你们是 Amazon 还是 Apple？”——他的答案是：“介于两者之间。”资本配置“更像艺术，而不是科学”：第一优先级是有机投资（他加入时 Eats 总预订额不足 10亿美元，如今超过 1000亿美元）；其次是开发 AV 市场（“承诺采购数万台 AV”——根据可能与 Santander 达成的交易，这些投入会金融化）；同时“还会留下大量现金用于回购”。但他的优先级很明确：“我优先增长，也优先创新，而不是回购。”
最后有两条线索值得保留：Herbert Allen 的判断是，“他押注的是人，而不是公司……优秀的人始终优秀”；而 Dara 自己最好的押注，也来自押注 Diller。至于犯错，他再次引用 Diller：当 Barry 输掉一场争论时，“他会非常高兴。他会立刻兴奋起来，因为他刚刚学到了东西……如果我不犯错，那就没什么意思。”

OpenAI 和 Anthropic 共同看好的 FDE：AI 时代的新岗位出现，旧分工松动｜对谈 Rolling AI Bill Ackman：市场究竟漏掉了什么