很多人提到 Uber，第一反应仍是打车或外卖。但这家上市公司过去一年闷声拓展的边界，远不止这两项。TechCrunch 对话首席产品官 Sachin Kansal，揭示 Uber 的"超级应用"野心走到哪一步了。
旅游生态：酒店、游船与"代购"服务
Uber 近期上线了 Expedia 提供技术支持的酒店预订、欧洲地区的游船租赁，以及名为"shop for me"的代购功能。Kansal 透露，选择切入旅游赛道有数据支撑：平台每年 15 亿次出行中，有大量发生在用户居住地之外的城市。
在 Kansal 看来，旅游是 Uber 业务的"第三条腿"——第一阶段是出行，第二阶段是餐饮外卖，第三阶段则是旅行相关服务。他提到，许多用户已经不再使用酒店客房服务，转而用 Uber Eats 解决餐食需求；新上线的"代购"功能则希望覆盖那些尚未入驻 Uber Eats 的本地商户，让用户能买到任意本地商店的完整商品目录。
金融服务：司机薪酬卡与商户实验
Uber 的金融服务目前主要面向司机和配送员。司机可申请 Uber Pro 卡，这是一张借记卡，收益可实时转入使用。Uber 已在部分市场开始对商户端产品进行实验，但面向消费者的自营金融服务尚未确定。
会员体系方面，Uber One 目前拥有 5100 万会员，贡献了约一半的订单量。Kansal 表示，对于会员而言，"点两到三个外卖订单就能抵消月费"；而且会员习惯形成后，不仅在已有业务线内提升了使用频次，还开始交叉使用其他业务——纯出行用户开始用外卖，纯外卖用户也开始打车。
关于"先买后付"（BNPL）产品，Kansal 的态度是谨慎的："我们希望让专业的人做专业的事。"Uber 已与行业内提供 BNPL 服务的第三方达成合作，用户在结账时可直接选择分期，但 Uber 本身暂无自营计划。
AV Labs：数据主权还是对冲赌注？
Uber 约半年前成立了名为 AV Labs 的业务单元，专门开发配备传感器的车队——这套车队独立于常规司机网络，目标是采集规模越来越大的驾驶数据。Uber 对外表示此举意在加强与自动驾驶合作伙伴的关系（其中多家也是 Uber 的参股对象），但在 Kansal 的访谈中，这一表述背后隐藏的逻辑更为复杂：Waymo 是 Uber 在多个城市直接竞争的对手，掌握数据层意味着掌握谈判筹码和战略灵活性。
合作伙伴与自营的边界
对于 boat rental（游船租赁）这类新领域，Uber 选择了将用户导流至合作伙伴的预订系统完成交易，而非在 Uber App 内闭环。Kansal 解释称，深度双向集成耗时较长，先与合作伙伴试水是合理选择——如果某一类合作跑出足够好的流量，再考虑深度集成。他以 Expedia 酒店为例：Uber 独立完成了全部 UI 设计，仅在数据层面与 Expedia 合作，属于深度集成的案例。
Waymo 合作收缩：退出凤凰城试运营
Uber 明确表示已与 Waymo 共同决定终止凤凰城（Phoenix）的自动驾驶试点项目。值得关注的是，Uber 真正的规模化部署实际落地在奥斯汀（Austin）和亚特兰大（Atlanta），车队规模已达数百辆。Uber 副总裁直言不讳："Waymo 是我们的优秀合作伙伴，但在许多城市他们也是我们的竞争对手。我们不打算成为 L4 自动驾驶供应商——我们要做的是铺设赛道，以便与多家自动驾驶玩家合作。" 这种"Hybrid Network（混合网络）"思路，正是 Uber 当前的核心逻辑：人类司机与自动驾驶车辆共存于同一城市，平台负责在供需两端做动态平衡。
AV Labs：数据金矿与运营 know-how
Uber 向自动驾驶合作伙伴提供的核心价值，并非硬件本身，而是两样东西：海量真实驾驶数据与十年平台运营经验。
- 传感器车队规模：AV Labs 计划为数百辆车配备传感器，通过合作车队（fleet partners）部署，预计每年收集数百万英里的真实驾驶里程；
- 长尾问题解锁：与常见的 P95、P99 指标不同，Uber 关注的是真正稀少的边缘场景（edge cases），海量数据覆盖是解决长尾问题的前提；
- 运营 know-how：平台拥有超过 1000 万名从业者（earner），累计处理每年约 2500 万次失物招领（lost items）——这些"如何接送乘客""如何处理失物"的操作细节，是纯技术公司难以复制的隐性资产。
在自动驾驶浪潮中，Uber 的定位正在悄然转变。这家共享出行巨头不再追求自研 L4 自动驾驶技术，而是选择扮演"赛道铺设者"的角色——搭建混合运营网络，同时向外界出售数据标注与运营能力。《商业内幕》近日刊发对 Uber CPO 的专访，揭示了这家公司如何将平台积累的海量运营数据转化为 AI 时代的竞争优势。
数据变现：向生成式 AI 公司出售标注数据
对于"Uber 是否将司乘数据出售给 Gen AI 公司"的敏感问题，Uber 方面做出了明确区分：
- 与 Gen AI 公司的商业合作：Uber 通过其从业者基数提供数据标注服务（语音采集、转录等），这已成为公司明确的新业务方向，公司对此"极度看好"；
- AV Labs 数据共享模式：仍在探索阶段，暂时没有成熟的商业化方案。
关于隐私争议，Uber 特别澄清：绝不存在"在行程中录音"的情况。从业者仅在非接单状态下进行音频转录任务，并按劳取酬。
AI 应用：司机助手、语音打车与智能购物车
目前已有三款 AI 功能面向用户可见：
- 司机助手（Earner Assistant）：核心功能是收入优化建议——告诉司机"南湾当前订单较少，建议前往五英里外的需求热点区域"；
- 杂货购物车助手（Grocery Cart Assistant）：用户只需说"我要牛奶、鸡蛋、面包"，系统即可快速生成购物清单；
- 语音叫车（Voice Ride Request）：支持自然语言输入，例如"我要去机场，带六件行李，六个人"。
全自动化代理出行：愿景清晰，节奏未定
Uber 描绘了"全代理化出行"的远景——用户只需告诉平台目的地和偏好，系统自动完成全程规划与预订。但 CPO 强调，这并非短期目标："AI 将是巨大的赋能工具，但我们的首要原则是不发布一个体验不佳的代理功能——不是为了赶时髦而赶时髦。"
产品优先级：CPO 的 70/20/10 法则
作为 CPO，其时间分配原则如下：
- 70%~80%：确保现有产品或即将上线的产品足够稳固——"新想法都像闪光的东西，100 个想法里可能只有 5 个真正有价值，而每个都需要大量培育和坚持"；
- 20%：投入新想法探索；
- 身体力行：CPO 本人也会亲自开车、送单，以第一视角体验产品实际表现。
评论