Uber President on The Untold Stories: Travis, China & Self-Driving | Andrew Macdonald

Uber COO Andrew Macdonald 透露，Uber 今年前 4 个月就烧光全年 AI 预算，最大单项投资是自动驾驶。

---

source_name: "20VC"

youtube_url: "https://www.youtube.com/watch?v=sCa1MWB9Gcc"

---

无人车不是终局，分发才是护城河

Andrew Macdonald 是 Uber 总裁兼 COO，也是这家公司任职最久的现役员工。他从 2012 年参与 Uber，访谈时已经干了 14 年，即将满 15 年；他经历过 Travis Kalanick 的高速扩张，也经历过 Dara Khosrowshahi 接手后的收缩、上市和盈利，并直接操盘过出行与配送业务。Uber 如今每周完成约 3 亿单行程，Macdonald 讨论的却不只是“怎么把规模继续做大”，而是一个更难的问题：当平台已经大到足以压垮一切新尝试时，怎样把钱、人和注意力放进真正会复利的地方。

这期回答了 8 个问题：

1. 当无人车技术越来越同质化，Uber 为什么反而可能更有价值？
2. 为什么把一美元投进会员体系，长期比直接降价更划算？
3. 一家主业规模已达数千亿美元的平台，怎样避免新业务被主业“吞掉”？
4. AI 的 ROI 到底怎样落地：裁员、提效，还是重做预算机制？
5. Uber 在中国每周烧掉 5200 万美元后，为什么退出反而可能是更优解？
6. 一个高压执行者如何让人愿意跟随，而不只是被迫服从？
7. AI 五年后会让 Uber 员工变少吗？为什么 Macdonald 拒绝给出确定答案？
8. 跨越两任 CEO，怎样不陷入站队政治，反而持续积累能力？

被问到 Waymo 和 Tesla 谁对 Uber 威胁更大、自动驾驶会不会挤压平台利润时，Macdonald 没有押注某一家技术公司。他判断 Waymo 和 Tesla 都可能赢，但最后不会只有两家赢家。Uber 自己每周已有约 3 亿笔出行订单，而自动驾驶业务即使以极高增速增长，短期仍只是这个巨大分母中的一小部分。更关键的是，Uber 的两大出行量市场印度和巴西，人类司机的单价低到约 2.5 至 4 美元，自动驾驶要把成本压到这个水平，仍可能需要数十年。

他把自动驾驶车队比作麦当劳和星巴克的门店：造车、部署车队、建设调度和维护体系，都是昂贵的固定资产。车一旦停着，成本照样在走。因此，即使 Waymo、Tesla 都有自己的 robo-taxi App，也会有把闲置运力接入外部订单网络的动机。"I think in the end, distribution wins."（我认为到最后，赢的是分发。）

这意味着，自动驾驶成熟后，竞争未必只是谁的车开得更好，而是谁能持续把乘客导向这些车，并把车辆利用率拉高。Uber 想占据的不是“造车者”的位置，而是需求和供给之间的分配器位置：一边接住用户，一边让多家车队在同一张网络里获得订单。边界也很清楚：如果自动驾驶最后真的只有一家技术公司抵达终点，且它能独占车队与用户入口，Uber 的核心业务会面临根本性风险。Macdonald 的判断，建立在供给端将是多赢家市场之上。

被追问过去最重要的误判时，Macdonald 直接承认，自己曾经对 Uber One 太短视。他那时负责出行业务。假设下个季度手上有 4000 万美元，他的本能是把尽可能多的钱投向降价，或者补贴司机供给。逻辑不难理解：叫车本质上看价格、可靠性和安全性，价格降下来，订单会立刻动；司机更多，乘客更容易叫到车。相比之下，会员计划的回报慢，也意味着你明确放弃了把这笔钱直接砸进价格。

后来数据改变了他。Uber 会看“增量总预订额”，也就是每投一美元额外带回多少交易额。加入 Uber One 的用户，不只次月打车更多，之后使用频率还会继续上升；他们也更可能把原先给 DoorDash 或 Deliveroo 的配送需求迁到 Uber Eats。"Membership just gets better over time."（会员业务会随着时间推移变得越来越好。）

这意味着，会员不是一张折扣券，而是把用户更多生活场景收进同一个网络。一次直接补贴，后续效应会较快消散；会员则会抬高用户生命周期价值，也降低用户流失概率。但 Uber One 还没达到 Amazon Prime 或 Costco 的渗透力。它还有一个硬约束：酒店可以把空房当低边际成本赠品送掉，Uber 每多送一次出行，仍得支付司机。会员的复利真实存在，但不能靠“免费送”无限堆出来。

被问到 Uber 变大后，会不会因为新业务必须做到数十亿美元才值得做，而错失创新时，Macdonald 的回答很坦白：会。Uber 已接近 2500 亿美元规模。对这样一家公司来说，一个新产品若看不到几年内达到数十亿美元交易额的路径，内部很难把它当成真正重要的事。问题不只是高管挑剔，而是现有业务本身会吸走一切：资源、工程师、营销预算、管理层开会的时间，甚至 App 首页上那几个最显眼的展示位。

他把主业形容成一个需要持续管理的“2250 亿美元 blob”，也就是一团巨大、沉重、不断索取组织注意力的东西。"the thing you've already built is so big that it just swallows up your organizational capacity to do anything else."（你已经建成的业务太大了，它会吞掉组织做其他任何事情的能力。）

Uber 的解法是设立 Growth Bets，用专属团队孵化产品市场匹配和单位经济都尚未验证的项目。Macdonald 举例说，假设出行业务有 2000 人，就应拿出约 100 到 150 人专做新项目，而不是让所有人抽出 2% 或 5% 的兼职时间“顺手创新”。这意味着，创新的关键不是立项数量，而是能不能隔离主业的资源虹吸。不过隔离也有副作用：大公司的内部创业团队很容易人多、钱多、节奏慢，花更多现金却未必做出更好产品。新团队也必须像创业公司一样，持续证明自己配得上下一笔资源。

被追问 Uber 的 AI 预算在年初几个月就用完后，AI 是否真的带来可验证的 ROI 时，Macdonald 先泼了一盆冷水：很难把某一条流程节省的时间，精确换算成“所以可以少招两名分析师”。因为员工多出来的时间通常不会空着，而是会被更细的分析、更频繁的预测或别的高价值任务填满。流程变快，不会自动在利润表上消失一排岗位。

但 Uber 已经有很具体的实验方式：公司拉出 30 名顶尖 AI 工程师，与业务和 G&A 职能，也就是财务、法务、人力等后台部门，一项流程一项流程重做。全球数千个市场的定价资金分配，已从约 15 小时缩短到 2 小时；财务预测从 8 小时缩短到 2 小时；营销 QA，即发布前检查营销内容是否正确合规，从两周缩短到两天。"If we really believe that AI is making our employees 10% or 20% or 30% more efficient, then next year we should just not increase head count."（如果我们真相信 AI 让员工效率提高了 10%、20% 或 30%，那明年我们就不该增加人头。）

这意味着，AI 的回报首先不是逐个岗位核销，而是重做预算纪律。运营费用，也就是公司日常养人和运转的钱，应该在年度目标和总编制上被提前收紧：原本计划增长 10% 的人头，或许只增长 2%，甚至下降 5%。AI 先带来更快、更精细的决策，再通过更严格的总量约束变成成本结构变化。困难在于，ROI 仍难精确量化，管理层必须先相信效率提升，再用编制约束逼组织把效率兑现。

被要求讲 Uber 中国最疯狂的故事、以及公司为何在 2016 年退出时，Macdonald 给出的数字足够说明当时的失控程度：与滴滴交易谈判的最后几周，Uber 在中国仅价格补贴一项，每周就烧掉 5200 万美元。烧钱并不只是为了拉新或抢订单，更是谈判中的筹码。任何一方看到对手份额上升，都会担心自己在最终交易里拿到更差条款，于是继续加码。"we were burning 52 million a week in China just on price subsidies"（我们当时在中国光是价格补贴，每周就在烧 5200 万美元。）

问题是，这不是一场可以靠“再多筹一点钱”赢下来的战争。Travis 曾经的口号是，融资要比全球所有竞争对手加起来还多；但滴滴同样资本充足，软银等资金也进入市场后，这个目标不再现实。Uber 还一度无法接入微信，Macdonald 说，这相当于在美国竞争却没有电子邮件或电话号码。再往上看，他认为一家美国科技公司最终成为中国最大出行平台，在地缘政治上也并不现实。

这意味着，补贴带来的份额，只有在本地入口、资本和政策条件允许时，才可能沉淀成可防御资产。否则，它更像一笔为谈判位置支付的昂贵账单。退出不是“没能第一名”这么简单，而是把持续失血变成可兑现的交易结果。真正难的部分反而是人：那些顶着家人疑虑加入 Uber 中国、把职业赌在公司身上的员工，如何被安置，远比放弃一个高补贴市场更沉重。

被问到怎样既高效推动团队，又让人愿意追随时，Macdonald 没有谈激励话术，也没有把答案归结为个人魅力。他给年轻员工的第一条建议是，为所有大事小事设一个稳定的过滤器：什么对 Uber 最好，而不是对我、对我的部门或对眼前的指标最好。这个标准听上去朴素，但它解决的是组织里最昂贵的一种摩擦：人们不知道领导推动一项决定，到底是出于公司需要，还是出于个人利益和部门地盘。

Macdonald 从 2012 年开始做出行业务，早期参与者大多已经离开。他把这种长期业务知识与一贯的公司优先原则，视为自己能推动组织的两根支柱。"if people know that you're filtering on that, then I think that builds followership and trust over time"（如果人们知道你一直按这个标准过滤决策，我认为这会随着时间建立追随和信任。）

这意味着，执行力的来源不是提高音量，也不是用职位压人，而是让团队能够预测你的判断方式。成员未必同意每一次决定，但若能确认领导不是在借公司目标谋取个人或部门收益，就更愿意在争论结束后继续执行。Macdonald 也明确说自己每天都会犯错。这个过滤器不能保证结论正确，它只让组织看得见决策从哪里出发。对高压执行者来说，这一点尤其关键：错误不可避免，动机一旦不可验证，追随就会迅速变成服从，后者撑不了太久。

被直接问到五年后 Uber 的员工总数会更多还是更少时，Macdonald 有一个明确的静态判断，也有一个拒绝装作确定的动态判断。静态地看，如果五年后 Uber 只做今天已经在做的事，那么客服、销售、内容生产、分析报告这些人数较多的职能，都很适合先被 AI 增强，再被部分替代。客服可以由助手先处理标准问题，分析人员不必手工反复拼报表，内容团队也能缩短基础生产时间。

因此，他说："we could do everything we do today with less people in five years because of the power of AI."（凭借 AI 的力量，五年后我们可以用更少的人完成今天做的一切。） 这不是泛泛而谈。它与 Uber 已经把定价分配从 15 小时压到 2 小时、营销 QA 从两周压到两天是一套逻辑：同样的服务规模，所需的人力会下降。

但员工总数不是技术公式的自动答案。AI 推出后的过去几年，很多公司就业人数仍在增长，因为效率释放后，公司也会去做此前做不起、想不到或来不及做的新业务。Uber 可能把省下的人力成本变成利润，也可能拿去拓展新市场、新配送品类或新的自动驾驶服务。于是问题从“哪个岗位会消失”变成“公司要把腾出的能力投向哪里”。Macdonald 不给确定答案，恰恰因为新业务会不会把人力重新吞回去，取决于战略，不取决于模型能力本身。

被问到为何能穿过 Travis 与 Dara 两个时期、没有成为“某一任 CEO 的人”时，Macdonald 提供的不是一套办公室政治技巧，而是一种更实用的职业视角。他认为两人都在各自领域极强。Travis 给他的，是创造性解决问题的能力：在一个议题上迅速问出关键问题，提出几个方向，推动已经研究多周的专家重新思考。Travis 还让他看到，领导者不仅该给答案，更要解释自己如何抵达答案，这样组织才能复制判断，而非只等待命令。

从 Dara 身上，他提炼的是另一种能力：组织图能赋予管理权限，但真正的领导来自内心。Dara 会亲自去最需要他的地方，不要求员工做自己不会做的事。Macdonald 在 Uber 最困难的时候没有离开，因为他觉得那像丢下队友；业务顺风时留下，则是因为公司还在建设和扩张。他并没有把自己的职业身份绑定在某一位领导身上。"And you're not going to get everyone from everything from any one individual."（你不可能从任何一个人身上得到所有东西。）

这意味着，面对领导更替，最稳的做法不是判断谁“代表正确时代”，而是把每位上级当成一组可提取、也有缺口的能力。站队让职业路径押注于个人；围绕公司问题、团队责任和具体能力学习，则让经验可以跨越组织变化继续复利。Macdonald 留下来的理由也因此不是忠于某个名字，而是持续判断自己是否还能对这台机器有用。

这 8 条表面上分别在讲无人车、会员、AI、中国退出和领导力，底层其实都在讲同一个选择：当 Uber 大到主业、资本和组织惯性都足以吞没选择时，管理者要把有限资源压在能持续复利、同时保留控制权的系统杠杆上。

“无人车技术会趋同，分发网络才拿走最后价值”说的是外部网络控制权。Uber 不必拥有每一辆自动驾驶汽车，但必须尽量守住用户需求入口和订单分配能力。“把钱降价不如投会员，复利比即时订单更值钱”说的是用户关系控制权。一次补贴能买到一笔交易，会员却有机会把用户的出行和配送需求长期迁入同一张网络。两者都不是追求某个季度最好看的数字，而是在问：今天花出去的一美元，能否让明天的选择更多，而不是更少？

同样，“大公司创新最大的敌人不是创意，而是主业吞掉注意力”与“AI 的回报不靠逐人裁员，而靠先收紧下一年编制”也指向资源配置。前者要求人为给新业务留出不被主业挤掉的人和时间；后者要求不要把 AI 节省下的时间立刻挥霍掉，而是通过编制和预算约束，逼组织决定这些能力究竟该省下来，还是投向新的增长。

这套思路放到个人身上也成立。你未必在管理 2500 亿美元的平台，但同样会有一个巨大的“主业 blob”：眼前的 KPI、不断涌来的会议、立刻能见效的任务。真正难的不是把每一分钟排满，而是分辨哪些投入只是让今天看起来更忙，哪些投入能让你明年拥有更多判断权、选择权和可调动的资源。