摘要

DoorDash 创立时的洞察是：这个市场几乎不存在——2013年美国约100万家餐厅中，只有2万—2.5万家提供外送，且以披萨店为主；当时的 incumbent 本质上是“线索获取公司”，甚至还在把订单传真进厨房。 Xu 用 PaloAltoDelivery.com 测试需求：用9美元买来的域名、PDF菜单、Google Voice 电话和 Square 音频插头读卡器，43分钟内完成配送；4位创始人包办所有订单，Find My Friends 充当追踪系统。
一个反直觉、靠实际经营跑出来的秘密是：Palo Alto 郊区的配送速度比人口密集的 San Francisco 更快——停车容易、独栋住宅多、街道呈“主干道—支路”布局；核心客户则是被时间追着跑、家里有小孩的母亲。 Xu 明确把这一点与 Sam Walton 的小城打法联系起来。Senra 认为竞争者都在追逐市中心的订单密度；Xu 说 DoorDash 追的是需求所在，并寻找自然产生、没有被补贴和营销人为推高的使用。
DoorDash 的护城河不在消费者 App，而在看不见的运营：“真正要命的，总是那些你看不见的数据。” DoorDash 把一次配送拆成约20个步骤，每年进行数万次实验，其中“95%甚至撑不到让客户看到就失败了”；在一个“百万分之一事件经常发生”的物理世界里，公司持续构建结构化数据。Senra 还讲到，Wolt 创始人手里拿着约10亿美元的意向书、并且还能再融资10亿美元时，仍说“我打不过他”；如今他负责 DoorDash 的欧洲业务。
2016年春季起、资本市场对这一赛道关门的约1,000天里，Xu 顶住了100多次投资人拒绝（“数到50次后我就不数了”）；期间 Series C 意向书还因公开市场可比公司下跌30%—40%而蒸发，但包括单位经济性在内的关键内部指标持续改善。他给20—25名核心管理者的任务是：继续增长、继续抢份额，提高盈利能力，同时不能耗尽现金——“这些要求之间没有‘或者’，一个都不能少。”
被低估的扩张逻辑是：DoorDash 目前配送的只是城市中数千万件商品的“极小一部分”，公司要成为“任何商家的第一个电话”。 这意味着面向商家的数据产品（定价、缺货、捆绑销售），为 Kroger、CVS 等零售商提供仓储服务的 DoorDash Fulfillment Solutions，以及自主配送车 DoorDash Dot。潜在合作方“并不想造我们想造的东西”，于是 DoorDash 自建车辆，历经约7年后已在 Phoenix/Scottsdale 上线。
运营体系要求同时运行两套管理制度：核心业务是在“驾驶飞机……同时进行空中换发动机”，新业务则是“纸飞机”，通过内部阶段闸门式创投流程获得资金，团队必须“挣得进入下一阶段的资格”。 Xu 不跟踪股价，也不知道市值，除非别人提醒；他每天仍做客服，并称信任必须在每一单上重新赢得：“明天记分牌又会归零。”
招聘看重行动偏好而非履历（“Rhodes Scholars 遇上 Navy SEALs”）：终面候选人拿到20美元和8小时，去获取100名客户；工程师则和 Xu 一起坐进他的 Honda 做配送。 Christopher Payne 后来成为 DoorDash 首任 COO，他曾自发带儿子配送4小时，并主动写邮件解释物流算法为什么糟糕——“这比任何一套面试问题告诉我的都多。”
AI 如今正在压缩编程实验闭环：任何职能的人都能独立做原型、测试、分析并向小范围用户发布；但“除了编程和跨职能分析，它还没完全到位”，而且仅凭数据无法解决 DoorDash 的物理世界问题，必须有相应的行动。 Xu 愿意与任何能把端到端问题解决得更好的人合作，但他质疑在脱离具体行动的情况下，单独把数据交出去是否有意义。

精读

1. 最小化的 MVP：9美元域名，43分钟上线

Xu 的框架是：“如果你能在43分钟内上线点东西来验证想法，我觉得这就很不错了。”那是 LLM 让这件事变得轻而易举的12—13年前。PaloAltoDelivery.com 只是一个静态页面，放着8家创始人常去餐厅的PDF菜单；下单要拨打 Google Voice 号码，电话会同时响到4位创始人的手机上，支付则靠 Square 的音频插孔读卡器完成。
他们要验证的问题是：配送并非新概念，所以“也许2013年配送还没普及，只是因为根本没人想要它”。4位创始人亲自完成每一单，用 Find My Friends 互相定位——没有复杂的派单系统，没有营销，也没有注册公司。

2. 最大的误解：赛道几乎空白，竞争者还在传真订单

Senra 先设定了一个前提：外界以为 Xu 是在拥挤市场里活下来的；Xu 直接纠正了这一点——美国约100万家餐厅中，可能只有2万—2.5万家提供配送，主要是披萨店，以及一些大城市的中餐馆。“真正的大问题是：好，那么其他餐厅呢？”
2013年的行业技术水平是：现有玩家“说实话，大多是在传真订单”，把订单传真到厨房附近的机器里，再由餐厅自己配送。“当时它们本质上是线索获取公司”，根本没有搭建 DoorDash 那样的端到端物流层。

3. 起点：移民母亲的3份工作与面包师拒收订单的文件夹

Xu 从中国来到美国；他的母亲“靠每天做3份工作、持续12年养活一家人”，其中一份是在中餐馆当服务员，而父亲在 Illinois 攻读博士。他眼中的小企业主是：工作和生活无法分开——“周六和周二完全是同样的日子”，他们“为我们生活的每一座城市创造 GDP”。
创始人起初并不了解这些商家的问题，于是从 San Jose 到 San Francisco 访谈了大约300家企业。转折点是一家只有1个人的面包店，拿出一个3环文件夹，里面全是她拒绝过的配送订单——“配送不是新概念。现在是2013年。为什么没有人提供配送？”

4. 为什么先做餐厅：配送一切背后的密度计算

他们评估了当地所有零售品类——餐厅、生鲜杂货、便利店、零售——唯一的筛选标准是：快速且灵活的物流网络需要“网络密度……让消费者和商店之间拥有最多的连接”。
餐厅在数量上胜出：约100万家餐厅，而杂货店可能只有几十万家。公司的终局从第一天就已确定：先从成品餐食切入，建立“密度最高的网络”，然后有一天配送其他所有商品。

5. 变成战略的异常现象：郊区胜过城市

早期实验发现，Palo Alto 的订单配送比 San Francisco 更快——停车更容易，没有那么多公寓大堂和电梯迷宫，街道呈“主干道……支路……人们住在支路上”的布局。Xu 说，这种结构在美国乃至世界很多城市都存在。客户也验证了这一点：在 San Francisco，人们下楼就能去餐厅；而在 Stanford 附近，最近的餐厅聚集区在2英里外的 University Avenue。
亲自配送让他们看清了客户画像：“几乎总是家里有小孩的母亲……她们会寻找任何能节省时间的解决方案。”Senra 认为竞争者显然更关注市中心订单密度；Xu 则说，DoorDash 追逐的是需求所在，并寻找没有被折扣和营销费用人为抬高的自然使用。

6. YC 夏季要回答的不是 Demo Day，而是3个问题

进入 YC 前，整个业务都靠 Xu 的个人银行账户维持，而他当时还背着学生债务。一个重要信号是：“我的银行账户并没有每周持续下降……有些东西在告诉我，也许这事有机会做成。”当时日均约10单，峰值21单，主要来自 Stanford 用户的复购——留存足以支撑他们继续。
2013年夏天只围绕3个问题展开：消费者是否愿意支付6美元配送费，餐厅是否愿意按15%合作，以及公司能否负担得起可持续的 Dasher 工资。“重点不是 Demo Day，也不是融到最多的钱。”同学们去滑雪时，Xu 每天上午10点到凌晨2点在一套由创始人和 Dashers 合住的公寓里工作，“开着我的 Honda 给人送鹰嘴豆泥”。
4位创始人都没有餐饮、配送或物流经验；Xu 说，这正是他们必须亲自配送的原因：“这到底怎么运作？它应该怎么运作？”即便是 MVP，最终也需要做4套系统：消费者网站、商家接单 App、Dasher App，以及派单系统。

7. 看不见的运营优势——以及承认这一点的竞争者

Xu 在公司内部最核心的一句话是：“真正要命的，总是那些你看不见的数据。因为如果你能看见一辆卡车朝你开来，你会躲开；但如果看不见它，你就死定了。”消费者看到的是午餐和晚餐，真正的魔法在于 Dasher 体验、运营和摩擦消除——这是“一套极难复制的端到端体验”。
Senra 讲了一个足以证明竞争难度的故事：Wolt 的 Miki 面对一份约10亿美元的意向书，同时还有能力再融10亿美元，却不由自主地说：“我打不过他。”他最终选择出售，而不是“把这笔钱烧掉”。Tony 说，Miki 如今负责 DoorDash 的欧洲业务。

8. 每年数万次实验，95%在客户看到之前就夭折

一次配送可以拆成约20个步骤，每一步都有自己的延误来源——“除非亲自去做，否则你根本不知道所有延误来源是什么”，甚至可能只是某个员工想家。每天数百万单的规模下，“百万分之一事件经常发生，千分之一事件发生得更多”。
更深层的问题是：“我们试图在一个混沌的世界里建立结构化数据集。”没有人会记录一只苹果何时从6号货架移到了8号货架。系统先用各种临时的、不可规模化的办法做测试，再把有效方案产品化，工程上形成紧密的学习闭环；如果一年数万次实验中有5%落地，“就会为所有用户群体带来不断复利的额外价值”。
随着城市数量增加，各地 GM 之间开始出现模式，但地方差异依然存在——Boston 是美国汽车拥有率最低的城市之一，其历史街道布局也形成了违背“主干道—支路”模式的场景。因此，公司开始把“从实验到产品”的流程本身教给团队。北极星标准始终不变：是否让客户更满意；客户会在每一单上同时评判选择、价格、速度、准确性和问题解决能力。

9. Stanford 橄榄球赛之夜：退回40%的现金，凌晨5点烤饼干

2013年9月、公司成立第3个月，一场赛后需求激增袭来：司机太少，网站又无法关闭。每一单都至少晚了1小时。没有人要求退款，但创始人在“15秒内”决定向所有客户退款；这消耗了银行账户约40%的余额，而当时他们手头只剩2—3周现金。随后他们熬夜烤饼干，凌晨5点左右送到客户手中。
这次事件确立了一个原则：“我们宁愿拼尽全力做到卓越然后死去……也不愿平庸地活着。”它还留下了持续至今的经营信念：“我们必须赢得第二天继续为你服务的资格……明天记分牌又会归零。”

10. 为什么 CEO 每天仍做客服

Xu 每天都会阅读消费者、商家、Dashers 和广告主发来的信息：“这些都是免费的……一家企业最大的杀手通常是沉默。”他也特别在意，上市公司指标往往是“客户不知道、也不关心的指标”；这一日常习惯不断强化一个信条：“这家公司唯一的宗教，就是为客户解决问题。”
当数据与个案发生冲突时，数据可能会赢得优先级排序，因为个案通常分布在尾部；但“改善边缘情况”本来就是产品变好的方式。重度用户和新用户几乎总处于各种结果分布的尾部，“几乎总会与数据意见相左，但在改进产品方面，他们可能是最有价值的人”。
他最喜欢的反馈是 Dasher 写来的2000字邮件，详细说明物流算法在哪一步失灵——“几乎像是在做调试练习”，横跨物理世界、系统和界面故障。Xu 会亲自在调试工具里追踪订单，然后打电话或发邮件给 Dasher，验证自己的假设：“我们能不能把一个个案聚光出来，让它改善产品？”

11. 永恒使命：增长、赋能本地经济，成为每个商家的第一个电话

使命之所以永恒，是因为物理世界一直在变化，而且无法靠抓取数据解决：“你不能把所有信息都抓下来，然后说工作完成了，再把它塞进某个 LLM。”每一单涉及3个人，有时更多；小企业无法繁荣的替代结果，是“一个非常机械化的世界：我们可能只通过1—2种方式、从1—2个地方买东西”，城市也会失去自己的身份。
除了带来增量订单，DoorDash 还把数据交给商家自己使用——缺货情况、 “你知道吗，你菜单上的这个商品定价偏低”，以及捆绑销售机会——并可以代表商家运行实验机器：调整菜单价格，购买推广并设定目标回报门槛，或者把面包师的产品匹配给原本不卖饼干的商家，创造一条新的供应链，“让所有人都赢”。
Xu 说自己永远不会忘记2014年的一件事：加州一家三代经营的农场、全州最大的农场之一，每天运营数百辆卡车，打电话询问 DoorDash 能否解决配送问题——“他们创办农场不是为了开一堆卡车。”当时他回答“还不能”；如今的目标是“成为任何商家、遇到任何问题时打出的第一个电话”。现在打进来的需求越来越多，涉及 App、获客、分析、客服和库存仓储。

12. 配送整座城市：仓储与一台专用机器人

如今 DoorDash 配送的只是城市数千万件商品中的“极小一部分”。9月宣布的 DoorDash Fulfillment Solutions，由 DoorDash 代表 Kroger、CVS 等零售商运营仓库；消费者在 DoorDash 上下的订单，可能直接来自 DoorDash 管理的库存，以一种零售商自身缺乏能力提供的方式，实现“完美准确、快速配送”。
自动驾驶车辆项目“坦率说，大部分时间都是痛苦和煎熬”，始于2019年。当时多次合作尝试失败，因为“没人真正想造我们想造的东西”：资本和注意力都流向 robotaxi，但那是另一种车身形态，也不是为在拥挤商场停车、取货而设计。DoorDash Dot 去年出货，已在 Phoenix/Scottsdale 上线，能够行驶在道路、人行道和自行车道上，尺寸则针对“最后10英尺问题”设计。Xu 也确认了与 Waymo 的合作；至于车门被敞开的问题，他说，自动关门可能就是现实世界中的边缘情况之一。

13. 招聘标准：“Rhodes Scholars 遇上 Navy SEALs”——20美元面试

终面时，候选人通常会带着准备好的1页材料到场，但 Xu 会改为给他们20分钟提问，然后交给他们20美元和8小时，要求获取100名客户；如果想放弃继续前进，还会给一张机票。测试的是那些“会亲自做事、去收集信息的人”，而不是只会抓取数据、发布代码的人，因为在物理世界里，“如果这些信息根本不存在呢？”
工程师的终面是在 Xu 的 Honda 里完成的：跟着他配送1—2小时。他重新定义了硅谷对10x工程师的迷恋：“DoorDash 所谓的编程能力，归根结底是你如何解决这个端到端问题”——你发布的东西能不能解决真实世界的问题，答案只有能或不能。
Xu 提到 Christopher Payne，DoorDash 的首任 COO，就是一个例子。在一次持续2小时的物流算法讨论后，Payne 当周五晚上开车带儿子配送了4小时，随后主动写了一封3万字的邮件，解释这个算法为什么糟糕。这比任何一套面试问题告诉 Xu 的都多。如今的总裁当时还是 CFO 候选人，他把一次45分钟的咖啡聊天变成了4小时，逐行讨论一份自己主动搭建的财务模型。
真正具有普适性的特质包括：行动偏好、对细节追到最低层级、能够同时持有相互冲突的观点，以及“跟随力”——一个人行动时，别人愿意跟随；此外，还要为某种痴迷自创一套改进体系。“成为最好的汉堡师傅，或最好的卡拉 OK 歌手……和 DoorDash 机构化的科学流程非常、非常相似。”

14. 40名司机的实验，以及约束为何孕育创造力

公司成立几周后，Xu 向20名 Dasher 和20名 UberX 司机提出保证：如果转平台，时薪就从约20美元提高到25美元。40人中只有1人转来。这个实验要验证的担忧是：“如果司机只在乎钱，我们最终一定会输，因为运送 David 比运送一个墨西哥卷饼更有价值。”结果，两个由个人选择形成的群体浮现出来：Dashers 更年轻，一半是女性，骑摩托车或自行车；UberX 司机几乎都是40多岁的男性，处在从“出租车1.0”走向“出租车2.0”的阶段。如今超过一半的 Dashers 是女性，平均每周工作3—4小时，90%每周工作不到10小时。
对于如今动辄规模巨大的种子轮融资，Xu 的评价是：“我觉得这很了不起。”但他的建议是先找到值得解决的问题，因为“约束确实会催生创造力”。当时没有预算在营销上竞争，“你只有一种竞争方式……做出留存更好、参与度更高的产品。没有别的办法。”Senra 提到类似案例：Sam Walton 受资源约束，只能从小城起步；Wright 兄弟则用自行车生意的微薄利润，花约1500美元解决了一个困扰人类数百年的问题，而有 Smithsonian 支持的 Samuel Langley 已经筹集了50万美元。

15. 1,000天地狱：100多次拒绝，但关键内部指标持续改善

Series A 和 B 轮融资都非常火热，且不到1周就完成；之后 Xu 3年来第一次休假——2016年1月，度过5天的补办蜜月。当时一份 Series C 意向书主动找上门，投资人还坚持说融资可以等一等。随后公开市场崩盘，LinkedIn 和 Salesforce 在约1周内下跌30%—40%，投资人纷纷退出；DoorDash 接下来约3年只能融到“同行能融到金额的一小部分”，现金几度濒临耗尽，叙事也从“即便赢了，也会输”变成了现实。拒绝次数方面：“数到50次后我就不数了，但超过100次。”
他在危机中形成的心理作战手册，第一条是对内部保持极度诚实：全员会议上展示所有指标，包括现金余额一路逼近横轴，而业务仍在右上方增长；随后召集20—25名负责人，统一任务是“继续增长、继续抢份额，提高盈利能力，同时不能耗尽现金——这些要求之间没有‘或者’，是一个‘并且’函数”。
第二条是拥有“工作中的真正朋友”——正如 Senra 所说，个人意志力终究会耗尽，而“让你熬过第二天的，往往不是想着 DoorDash 多少，而是我只希望我的队友能够成功”。第三条是保持恒定不变的东西：锻炼习惯，以及和妻子的约会之夜。他至今不跟踪股价——“你得提醒我公司的市值，因为我不知道是多少”——这也呼应了 Senra 对 Bezos 的描述：即使股价一度下跌约90%，Bezos 仍专注于 Amazon 内部指标的改善。

16. 两套管理系统：空中换发动机与纸飞机

一旦产品市场匹配成立、现金流可以自我维持，公司就要同时运行两套完全不同的系统：核心业务像“驾驶一架飞机……飞机上还载着很多乘客，但你要在空中换发动机”——一边运行机器，一边重塑自己；新业务则像“纸飞机……重新寻找产品市场匹配”，拥有不同的人才、指标、时间表和容错边界。“你的大飞机越成功，手里的纸飞机可能就越多。”
资源配置采用内部阶段闸门式创投体系：想法来自最接近问题的人，实验负责证明可行性，团队要根据解决客户问题的效果，“挣得进入下一阶段的资格”。Xu 从 DoorDash 自身的历史中得出的判断是：最能解决客户问题的产品，“往往诞生于资源最受约束的时候”。产品发明者不能决定客户是否需要它，客户才是裁判；目标是做出比现状好10倍的产品。

17. 向 Zuckerberg、柔术学习，以及 AI 如今真正有用的地方

在 Meta 董事会任职期间，Xu 对 Zuckerberg 印象最深的是，他拒绝陷入守成陷阱：很早押注 VR/AR，并在 AI 上全押，即便“平台发生转变的早期，往往没有足够数据判断自己是否走在正确道路上”。这种特质是：“始终愿意做一个初学者，始终走进竞技场，去流汗、流血、劳作、挣扎。”
柔术是“某种形式的实体国际象棋”，教人同时持有相反状态：坚定但放松，有意图但又能“在纳秒内放下自己的议程”。顶级比赛有时不是靠得分，而是靠“优势”决胜——靠微小细节和每天1%的进步，而不是寻找一招制胜的银弹。
关于 AI，Xu 说：“它每个月都在变。”Agents 擅长编程等“职能型任务”——如今任何职能的人都可以独立完成原型、实验、分析，再向一小群用户发布，从而压缩学习闭环——“但除了编程和跨职能分析，它还没完全到位。”LLM 的优势是近乎无限的记忆和上下文，因此问题变成：能否给它喂对信息。
如果让一家模型公司授权使用 DoorDash 的物理世界数据，数据本身并不够：如果商品缺货，或者 Dasher 到错了门，“必须发生某个对应的行动，才能完成端到端的任务”。他愿意与任何能更好解决端到端问题的人合作，但如果数据与解决客户问题所需的行动脱钩，他会质疑是否应该把数据交出去。Senra 最后的总结引用了 Xu 的一句话，也构成整期节目的主旨：“没有比亲自做这件事更好的成为专家的方式。你可能会惊讶于自己成为专家的速度。”

Theravance 的战略审查：与 Andy Summers 对谈 $TBPH 为何早期阶段创业公司的利润率并不重要？| Gili Raanan