摘要

Kalanick 的统一命题，是通过“把原子当作比特”，让物理世界像计算机一样运行。 制造业操纵原子，房地产储存原子，物流运输原子；Uber 将网络层数字化，而云厨房和“atoms AI”则把这一命题延伸到生产、地产、机器人和人形机器人。不同于需要消耗时间的注意力生意，这些系统理应把时间还给人。
他的扩张原则很简单：“不要把失败规模化。” Uber 在进入纽约前，先在旧金山运营了1年；UberX 也经历了2012年年中的中间阶段，直到2013年初才完成铺开。一项当前计划在两个6个月周期中分别扩大至6倍规模，一年达到36倍，但 Kalanick 正推迟扩张，直到技术和核心流程足以避免组织“淹没在运营里”。
颠覆性优势真正来自找到“有价值的未知真相”，再赢得足够信任将其落地。 认知现实与实际现实之间的差距，是“创新者的游乐场”，但变化会触发天然的免疫反应。Kalanick 从 Uber 得到的新教训是，信任可以把“对手变成拥护者”，加速变化。Diamandis 补充说，这不意味着永远不“敲碎脑袋”；Kalanick 回答：“只要确保你知道自己在做什么。”
时机和地理复制，足以压垮一个原本成立的命题。 Kalanick 称，过早进入“等同于犯错”，随后又修正说：“更糟”，并回忆起4年没有薪水、靠“鲜血、汗水和拉面”坚持的日子。后来，他通过“跨洲并行部署”发现 Kuwait、Saudi Arabia 等他称为惊喜的市场，同时警告不要去 Indonesia、India 和 Colombia；他明确表示，厨房在 India 赚不到钱。
Kalanick 将创新定义为进步除以风险，而不是对冒险的热情。 他的公式是“创新等于大P除以小R”，其中风险包括时间、金钱和声誉；迭代应在保住进步的同时持续压低这些成本。客户至上同样需要双重要求：既要“很多真心”，也要“很多 ROI”，因为无差别降价把公司送进破产，并不能服务客户。
谈到 AI 对就业的影响，Kalanick 明确表示自己并不确定，但“乐观多于悲观”。 他的狭义经济学论点是：“机器人还没有银行账户”，生产率提升会让人类获得更便宜的商品，从而把钱花到其他地方。但那些按惯例执行传统工作的咨询顾问“将陷入大麻烦”；机会在于帮助搭建取代这些工作的系统。
投资者应把自己理解为资本配置者，而不是创始人幸福的守护者。 从创始人的角度看，Kalanick 认为有用的问题是：哪个投资者“造成的伤害最小”？一个热爱国际象棋、却没有参加比赛的人，不能对每周投入60小时下棋的创始人指挥落子。治理仍然重要，董事会成员应当用“你是不是嗑了什么？”质疑登月计划，但不能把自己任命为公司的创意引擎。
创始人的坚持应由信念、匹配度和可生存性决定，而不是“永不放弃”的神话。 Kalanick 会问3个问题：你是否仍然相信这件事？你是否是合适的人？继续下去是否会造成严重的精神或身体损害？运气在一场“游戏”中很重要，但他认为，当你经历100场游戏，或通过10,000个决策打造一家公司时，运气的作用会逐渐消退。

精读

1. Uber 从轻资产洞察起步，随后把使命变成运营筛选器

这段起源故事简洁得近乎可疑：2008—09年，Garrett Camp 在 Paris 晚饭后步行3英里时，希望自己能“按一下按钮就叫到一辆车”。Camp 提议买20辆 S-Class、雇40名司机，再找一个车库；Kalanick 回答说，车本来就存在，Uber 可能既不需要拥有车辆，也不需要雇佣司机。
Diamandis 提到，Uber 用7年时间从0扩展到70个国家，完成50亿次出行，收入达到75亿美元，估值达到700亿美元。Kalanick 对 ChatGPT 提供的出行次数提出质疑：他回忆称，截至2017年年中，Uber 每周大约有1,300万次乘车，毛交易额/GMV 约500亿美元，同时提醒说，把 GMV 换算成收入“很棘手”。
Kalanick 的使命框架始于罕见的直白自知：了解自己的本性，这样当“职业灵魂伴侣出现时，你就会认出对方”。他适合做的事，是通过“高速、规模化创新”将物理世界数字化；相比之下，“我不该去运营 Pinterest”。
使命随后变成人员筛选器。Kalanick 把价值观不匹配的员工比作走进篮球场的网球运动员——“这里不用球拍”——这不是道德评判，而是说明对方在参加另一项运动。强文化价值观应当让这种错配在招聘过程中，或入职后很早就暴露出来。

2. 把原子当作比特，揭示下一层数字化空间

Kalanick 直接把计算机堆栈映射到实体经济：CPU 操纵比特，制造业操纵原子；存储装载比特，房地产装载原子；网络传输比特，物流传输原子。回头看，Uber 将“原子计算机”的3种核心资源之一——实体运输——数字化了。
商业模式的区别在于时间。社交媒体产品靠捕获注意力获胜，会“占用你的时间”；基于原子的计算机通常提升利用率，把时间还给用户。现有的盈利公司可以从客服、客户管理和数据流程等高度依赖人工的环节切入，但它们通常缺乏从内部重造核心产品的基因。
Uber 之前的出租车应用说明了表层数字化为何会失败：它们只覆盖了出租车市场的一小部分，把精力放在并不重要的20%收益上，同时依赖别人的平台。司机可以放弃通过应用安排的接单，转而接受没有佣金的电话叫车或路边扬招，可靠性因此被摧毁。Kalanick 说，当 DoorDash 或 Uber Eats 只是为原本服务于其他需求的厨房增加的一层功能时，餐饮配送也存在类似的结构性问题。

3. 时机、市场结构与运营准备度决定扩张速度

Diamandis 认为，Uber 受益于智能手机、GPS、Google Maps，以及2008年经济衰退让更多人愿意开车。Kalanick 说，他不认为经济衰退与此有多大关系；出租车应用的商业模式本身就存在结构性缺陷。他在 Uber 之前做网络软件的经历则带来了相反的教训：4年没有薪水，让他明白过早进入“会把你磨成灰”。
但 Uber 仍然分阶段推进。它在 San Francisco 留了1年，第二站进入 New York；直到大约2013年初，才全面推出低价版 UberX，此前在2012年年中左右还有一个中间版本。“把事情做对很重要。”
Kalanick 在下一家公司过度吸取了 Uber 遭遇模仿者的教训，推出“PMD”——“跨洲并行部署”——试图在竞争对手出现前进入各国市场。这一实验意外发现了 Kuwait、Saudi Arabia 等极具吸引力的地点，但也暴露出错误：“不要去 Indonesia，不要去 India，不要去 Colombia。”他明确表示，在 India 做厨房不可能赚钱。
一项当前计划体现了他如今的平衡方式：它在一个6个月周期内扩大至6倍规模，接下来一个6个月周期又扩大至6倍，一年内从较低基数增长到36倍。然而，由于业务仍高度依赖运营，Kalanick 正暂停更大范围的扩张，先用技术收紧核心流程；否则“我们会淹没在运营里”。

4. 信任加速颠覆，迭代压缩下行风险

在 Kalanick 看来，创新者是在构建发现“有价值的未知真相”的机器。知道别人不知道的事情，就能采取别人无法采取的行动；但反复推动变化会触发阻力，因为自然会放慢可能带来伤害的变化。因此，信任是基础设施：与受影响的人建立足够信任，就“能把对手变成拥护者”。
他的管理模式是授权但有边界：“让建设者去建设”，前提是对齐目标并承担责任。当前公司的价值观是求真、信任和热情；Kalanick 还把创新与发现别人看不见的现实、快速且率先“把结果推过终点线”，以及带着利益相关方一起前进联系起来。
Kalanick 不认同把公司建设成一家“敢于冒险的公司”。他的公式是“创新等于大P除以小R”：进步除以风险，而风险来自时间、金钱和声誉。迭代可以在持续取得进步的同时压低这些风险；从概念上说，如果风险降到0而进步保持不变，创新就会趋于无穷大。

5. 当坚持的代价变高，创始人的判断最重要

客户至上既需要经济性，也需要同理心。Kalanick 将 Bezos 治下的 Amazon 视为标杆，但警告说，如果单纯降价导致公司明年无法继续存在，那就不是以客户为中心。“很多真心”必须与“很多 ROI”结合；有盈利支撑的杠杆，才能继续增加对客户的投入。
他为是否放弃设定了3部分、刻意不煽情的检验：你是否仍然相信？你是否是这个角色的合适人选？继续下去是否会造成严重的精神或身体损害？回忆此前的一家公司时，他提到资金耗尽、“末日般的噩梦”，以及那句格言：钱未必能买来幸福，但“能支付治疗费用”。
当被问及 Uber 之后领导方式如何变化时，Kalanick 描述的是一个持续迭代的过程。在 Uber 之前，他最大的公司只有12人；Uber 则达到约15,000—20,000名员工和数百万名司机。他仍然拒绝掌控一切的幻想：创业者必须适应“任何疯狂、搞砸一团的事情”突然出现，同时也不能变成一个没有脊梁、对任何事都照单全收的团块。

6. 云厨房、自动驾驶与“atoms AI”延伸服务经济

云厨房的目标，是提供一顿做好并送到家的餐食，让其质量、便利性和成本接近买菜回家。这将“对厨房做 Uber 对汽车做过的事”，把日常烹饪从自我供给转变为服务。马匹的类比体现了其中的微妙之处：他喜欢马，但不会骑马去上班；人们可以在想做饭时做饭，而不是因为不得不做饭。
Kalanick 认为，这类基础设施同时能改善健康并释放时间：“你不必富有才能保持健康”，而把食物准备外包出去，可以把时间还给其他活动。但他的建造实验也展示了瓶颈：漂亮的场外模块化设施，仍然依赖当地承包商；承包商可能拖延组装，或要求再加50万美元。机器人在现场施工可能是答案，但目前仍未解决。
他区分了“bits AI”——ChatGPT、DeepSeek 和 Grok——与“atoms AI”：后者让机器在物理世界中移动并采取行动。Waymo 这样的自动驾驶汽车是早期形态；人形机器人则需要“完全不同的一套模型”，有时会借鉴语言模型的进展，但运行在另一种游戏里。
Kalanick 说，Uber 的自动驾驶汽车项目在终止时并非由他负责，当时仅次于 Waymo，“可能正在追上”，并且很可能很快超过它。回头看，他说人们或许会希望现在已经存在自动驾驶网约车产品。谈到 eVTOL，Diamandis 说具体时间仍不清楚，但认为时速150英里的点对点出行可能改变通勤，并点名 Joby 和 Archer；Kalanick 简短表示赞同。

7. AI 将重写劳动力与分配，董事会则必须避免变成运营者

Diamandis 将咨询描述为一种稀缺心态生意：把专家隔离起来，再逐步“按量发放”他们的时间。他说 Deep Research 已经能让用户“按一下按钮”就得到一名顾问。Kalanick 认为，传统的执行型工作将陷入困境，但为客户搭建取代这些工作的 AI 系统的顾问仍有机会，尤其是面对拥有竞争壁垒的盈利公司。
Kalanick 的董事会准则是“不要造成伤害”。投资者是资本配置者，不是创始人幸福的提供者，也不应试图指挥一场自己没有参加的比赛。“如果投资者才是出主意的人，那你就找错公司了。”但良好的治理仍然需要追问：一个看似聪明的风险，究竟是否理智。
对于大规模替代就业，他仍保留原有的谨慎判断：技术史“基本上说明我们没问题”，但环境可能发生变化。在他的论证中，生产率节省和 AI 利润最终仍归于人，而不是存进机器人的银行账户，因此他的倾向更乐观；更根本的是，如果一个产品不能改善人们的生活，就“等着失败”。
Uber 让产品本身承担了教育功能：一名食客把按钮展示给另一名食客，大量应用安装发生在餐厅。它的“给与得”推荐机制——一个人可以送另一个人一次免费乘车，自己也获得一次——直到2015年或2016年左右，一度贡献了约三分之一的新用户，帮助这个陌生且有争议的服务转化为社会证明。