Uber首席产品官Sachin Kansal近日接受TechCrunch专访，阐述了公司在金融服务领域的野心、与Waymo日益复杂的关系、新的自动驾驶数据运营部门AV Labs，以及AI如何以乘客和司机能实际感知的方式逐步落地。
发生了什么
Kansal在访谈中透露了Uber多项战略重点：
- 金融服务：Uber正深化其金融产品布局，包括Uber Money、借记卡和钱包功能，旨在构建一个闭环的金融生态系统，减少对第三方支付渠道的依赖。
- 自动驾驶与Waymo：Uber与Waymo的关系正从早期的诉讼对抗转向合作。Uber通过其平台整合Waymo的自动驾驶出租车服务，同时也在内部通过AV Labs推进自有自动驾驶数据运营，形成“合作+自研”的双轨策略。
- AI落地：Uber正将AI应用于路线优化、动态定价、司机派单和乘客体验，例如通过机器学习预测乘客等待时间、优化拼车匹配，以及为司机提供更精准的收入预测。
为什么重要
Uber的定位正从“出行平台”向“本地生活服务超级应用”演变，但Kansal明确表示公司不想成为“包罗万象”的平台。这一表态与Uber过去几年剥离非核心业务（如自动驾驶研发、外卖配送的某些区域）一脉相承。
在自动驾驶领域，Uber曾投入巨资自研，但2018年事故后收缩，转而与Waymo等合作。如今AV Labs的成立标志着Uber重新以数据运营角色切入，而非直接造车或开发全栈技术。这种“轻资产+数据驱动”的模式，既降低了风险，又为未来自动驾驶规模化落地储备了关键数据资产。
AI的渐进式应用则体现了Uber务实的创新策略：不追求颠覆性功能，而是通过算法优化核心运营效率，直接改善司乘双方的日常体验。
影响与看点
- 对行业：Uber的“合作+自研”自动驾驶策略可能成为平台型公司的范本——既保持技术自主性，又通过开放生态获取多样化运力。这对Waymo、Cruise等自动驾驶公司既是机遇（接入庞大用户网络）也是挑战（需与平台博弈分成与数据控制权）。
- 对开发者：Uber的AI应用（如预测模型、动态定价算法）为出行领域开发者提供了实际案例，展示了如何将机器学习嵌入实时决策系统。其金融科技布局也暗示了API与平台集成的潜在机会。
- 对用户：短期内，用户可能感受到更准时的接驾、更合理的拼车路线和更透明的费用预测。长期看，Uber的金融产品若与出行场景深度绑定，可能改变用户支付习惯。
独立判断：Uber的战略核心在于“聚焦”——通过AI优化核心出行体验，同时以数据运营和金融闭环构建护城河，而非盲目扩张。这一策略能否在自动驾驶时代持续奏效，取决于其与Waymo等伙伴的合作深度以及AV Labs的数据变现能力。
