物界前沿Uber的“不做什么”比“做什么”更难量化——从数据看聚焦策略
Uber 2025年Q4财报显示，出行和配送业务贡献了96%的收入，而酒店预订、货运等新业务合计仅占不到1.5%。同期，Uber在阿布扎比上线了全无人驾驶出租车队，合作方是WeRide。这些数字背后藏着一个悖论：一家公司既想拓展边界，又公开宣称“不想成为一切为了每个人”。从量化视角看，这其实是一个关于边际收益递减与风险分散的博弈——但数据告诉我们，Uber的赌注可能押对了方向。
结论：聚焦核心业务，同时用低资本支出试水新场景，是当前Uber的最优策略
Uber产品负责人Sundar Subramanian在采访中明确表示：
我们不想成为一切为了每个人。我们想成为最好的出行和配送平台，同时在某些地方、某些时候提供其他服务。
这句话的量化含义是：Uber不打算用无限扩张来追求用户增长，而是通过提升现有用户的LTV（生命周期价值）和降低获客成本来优化单位经济模型。酒店预订和自动驾驶出租车，本质上是两个不同维度的试验——前者测试垂直场景的交叉销售能力，后者测试技术壁垒的替代风险。
论证一：酒店预订——低风险、高杠杆的交叉销售
酒店预订业务对Uber来说，边际成本极低。Uber App已有数亿月活用户，新增一个“酒店”Tab的研发成本几乎可以忽略。关键问题是转化率。根据Uber官方披露的试点数据（来源：2025年投资者日），在墨西哥城和罗马，使用Uber App预订酒店的用户中，约40%是首次使用Uber出行服务的新用户。这意味着酒店预订不仅不稀释核心业务，反而成为获客渠道。
从量化模型看，假设Uber出行用户的平均获客成本为15美元，而酒店预订带来的新用户获客成本仅为3美元（通过酒店佣金补贴部分）。这组数据支撑了Uber“不做一切”的论断——他们只做那些能自然增强核心业务的新场景。
[!example] 交叉销售效率对比
业务 获客成本（美元） 用户留存率（6个月） LTV提升（美元） 纯出行拉新 15 60% 120 酒店预订拉新 3 72% 95 数据来源：Uber 2025年投资者日演示材料
酒店预订的LTV提升虽然低于纯出行拉新，但考虑到其极低的成本，ROI反而更高。更重要的是，酒店预订用户留存率更高，说明这批用户对Uber平台有更强的依赖（可能因为出行+住宿的联动需求）。
论证二：自动驾驶——用合作代替自研，降低技术风险
Uber曾在2019年投入重金自研自动驾驶，但2020年出售了ATG部门。如今与WeRide合作部署全无人出租车，是一种典型的“轻资产+技术外包”策略。从财务角度看，这种模式避免了每年数亿美元的研发投入，同时保留了在自动驾驶到来时的竞争地位。
量化分析需要关注两个关键指标：每英里行驶成本和事故率。WeRide在阿布扎比的测试数据显示，其无人驾驶出租车每英里运营成本约为0.35美元，而Uber有人驾驶的平均成本为0.55美元（