Uber使用OpenAI帮助人们更聪明地赚钱并更快预订
TL;DR · AI 摘要
Uber与OpenAI合作，利用大语言模型打造AI助手和语音功能，帮助司机实时优化收入、提升接单效率，并为乘客提供更流畅的预订体验。
核心要点
- Uber利用OpenAI的大模型开发了Uber Assistant，为司机提供基于实时市场数据的智能收益建议。
- 多智能体AI系统提升了平台信任度，支持全球范围内复杂场景下的快速决策与个性化交互。
- 语音功能和自然语言交互显著降低使用门槛，尤其帮助新司机更快适应平台规则与运营节奏。
结构提纲
按章节快速跳转。
Uber Assistant将复杂市场信号转化为可操作建议。
通过多个AI代理协同工作，实现可信、透明的决策支持。
集成语音输入输出，降低操作门槛，增强驾驶安全性。
AI工具链提升研发效率，推动产品快速上线。
在万亿级交易市场中实现智能体广泛部署。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Uber × OpenAI 合作
- Uber Assistant
- 实时收益建议
- 自然语言问答
- 核心技术
- 大语言模型
- 多智能体系统
- 语音交互
- 应用场景
- 司机收入优化
- 乘客快速预订
- 新用户引导
金句 / Highlights
值得收藏与分享的关键句。
“For the first time, technology is leading what can be solved. Problems that once felt out of reach are now possible to address.”
Uber Assistant帮助司机理解收益波动、热点区域和模式切换建议，显著缩短新手学习曲线。
使用OpenAI模型后，Uber能以前所未有的速度交付简化的产品体验。
Uber 使用 OpenAI 帮助人们更聪明地赚钱、更快地下单 | OpenAI
[](http://openai.com/)
- 研究
- 产品
- 企业服务
- 开发者
- 公司
- 基金会（在新窗口中打开）
OpenAI
目录
2026年5月6日
Uber 使用 OpenAI 帮助人们更聪明地赚钱、更快地下单
Uber 使用 OpenAI 技术驱动人工智能助手和语音功能，帮助司机更高效地赚钱，让乘客在全球实时市场中更快地下单。
公司规模：大型企业
地区：全球、北美
行业：科技、服务
产品：API
加载中…
分享
每天，数以百万计的人依赖 Uber 来叫车、订餐、寄送包裹以及灵活赚取收入。每一次点击背后，都是一个由交通、天气、机场到达、本地活动和需求共同塑造的复杂实时市场。Uber 的运营规模巨大：每天完成 4000 万次行程，拥有 1000 万名司机和快递员，覆盖全球 70 多个国家的 15,000 座城市。每座城市都有其独特的运营动态、法规和乘客行为，这要求系统必须在全球范围内持续适应。
Uber 长期以来一直使用机器学习来支持其市场运作。如今，借助大语言模型和 OpenAI 的前沿模型，Uber 能够更快速地处理复杂信号，提供即时的对话式响应，并在应用内实现语音体验。
Uber 与 OpenAI 的合作正帮助 Uber 构建由 AI 驱动的产品，简化司机和快递员的赚钱机会，同时减少乘客的使用摩擦。通过使用 OpenAI 的模型，Uber 能以前所未有的速度推出精简的产品和用户体验。
“这是第一次，技术引领了可以解决的问题。那些曾经看似遥不可及的问题，现在变得可以应对。”
—Aarathi Vidyasagar，工程与科学副总裁
将复杂的市场数据转化为驾驶员的实时指导
对司机而言，灵活性是 Uber 最大的优势之一。有些人全职驾驶，有些只在周末接单，还有些人在上课或工作间隙驾驶。这种灵活性也意味着司机需要不断评估选择并提出问题：_我现在应该在哪里接单？去机场值得吗？午餐时间我是否应该从载客转为送餐？为什么我今天的收入看起来不一样？_
为了回答这些问题，Uber 开发了 Uber 助手，一款由人工智能驱动的助手，旨在帮助司机在平台上的整个生命周期——从注册和首次出车到日常收入优化。
“我们希望为司机提供市场概览和实时洞察，帮助他们做出更明智的决策。”Uber 产品经理总监 Dharmin Parikh 表示。
该助手通过将收入趋势和热力图等复杂数据转化为简单、可操作的位置建议，帮助司机决定何时何地接单。他们可以用自然语言提出后续问题，并获得定制化的回复，轻松导航应用。
Uber 的目标是降低认知负担——即在试图赚钱的同时解读复杂市场数据所需的努力。
这对新司机尤其有价值。Uber 发现，利用 AI 汇总并清晰传达现实世界的数据，可以帮助司机比仅靠试错更快地掌握工作流程和市场动态，从而加速上手过程。
尽管最初预计 Uber 助手主要帮助新司机，但经验丰富的司机也频繁返回提问并优化他们在平台上的时间——验证了该产品不仅是入职工具，更是长期实用工具。
“相比需要跑数百单才能理解平台运作方式，助手帮助司机快速上手。”Parikh 说。
通过多智能体 AI 系统大规模建立信任
对 Uber 而言，在部署任何将与司机和快递员互动的 AI 系统时，准确性、安全性、可信度和速度都是首要考虑因素。关键考量包括响应内容是否符合政策，以及延迟是否达到用户对实时移动应用的期望标准。
因此，Uber 围绕三个核心原则设计了 Uber 助手：安全、信任和低延迟。
Uber 工程团队构建了一个多智能体架构，将每个用户请求路由到最合适的专用系统。例如，收入相关问题的处理方式可能不同于入职问题，而市场指导所需的推理方式也不同于交易操作。
这一架构使 Uber 能将每项任务分配给最适合其特定运营需求的模型，确保每个查询都能针对最关键的因素进行处理。
对于轻量级分类和快速响应，Uber 使用更快的小型/微型模型；对于更复杂的任务，则调用更大、具备推理能力的模型。
Uber 还开发了 AI Guard，这是一个内部治理层，用于筛查提示词和响应内容，以促进安全、隐私和安全，执行政策，减少幻觉，并保持体验的一致性。
当司机收到准确且有用的建议时，他们会再次回来。他们会提出更多问题，反复参与，并在平台上投入更多有效时间。
“如果用户不信任系统，你很快就会失去他们，”Parikh 说，“但当他们看到价值时，就会回来。”
通过语音扩大可访问性
Uber 还正在将 OpenAI 实时 API 应用于技术领域的下一个重大界面变革：语音。
对于简单请求，输入文本可能是高效的。但许多交通和商业需求更为复杂。
一位旅客可能会说：“我有五件行李，还有五个人同行。我需要一辆舒适的车去机场。你有什么推荐？”老年人或视障乘客可能更愿意说话而不是点击菜单。
Uber 的新型语音体验旨在让这些时刻变得无摩擦。用户可以在 Uber 应用中的“去哪”搜索栏点击麦克风图标，使用自然语言请求乘车。系统利用实时 API 和其他前沿模型理解意图，结合保存的位置和用户上下文提供建议，同时在应用内同步语音和视觉反馈。
这可能意味着为携带大量行李的行程推荐 UberXL，或识别“家”等已保存的目的地。
“语音消除了逐个完成任务的障碍，”Parikh 说，“你可以自然地表达完整意图，系统则能协调结果。”
语音还扩展了可访问性，并解锁了 Uber 生态系统中的新工作流。对司机而言，它实现了免提操作；对乘客而言，它减少了希望获得更快、更简单交互的用户的使用摩擦。
“语音打破了多次点击的障碍，因为你可以说出多个事项，”Vidyasagar 说，“它解锁了连接生态系统各个部分的能力。”
注：语音预订功能将在未来几周逐步上线
更快的迭代，更强的团队，更好的产品
随着大语言模型能力的迅速发展，Uber 的团队构建方式也在改变。
组织内的工程师现在广泛使用提示工程、检索系统、评估管道和编排框架。产品、法律、运营和设计团队更加紧密协作，定义政策边界、测试输出并改进用户体验。
创新不再由一个小规模的集中式 AI 团队主导，智能现在可以嵌入整个公司。
“不再是单一专业团队包办一切，”Vidyasagar 说，“许多团队都可以参与，因为构建的门槛已经降低。”
这种转变加快了实验进程，并在 Uber 的生态系统中催生了新想法。
“每一次驾驶、每一次行程都是一系列事件，理解和处理这种细微差别正是大语言模型为我们解锁的能力，”Vidyasagar 说，“这让我们清楚下一步该往哪里走，而在我们这样的规模下，这种能力异常强大。”
在整个市场中扩展智能
目前，Uber 助手已在全美司机网络中进行试验性推广，Uber 仍在持续测试和完善该体验：
- 数十万美国司机现已可使用 Uber 助手的测试版功能
- 改进对早期生命周期司机的支持，帮助新司机更好地定位以获得更多订单
- 强劲的重复参与率，用户在成功互动后会再次返回
- 通过更智能的市场洞察提升平台上的时间利用率
- 通过模型专业化和持续评估系统实现更快的产品迭代周期
从帮助新司机完成第一单，到引导经验丰富的司机寻找更好的赚钱机会，Uber 正在利用 OpenAI 模型让工作更高效、交通更顺畅、日常物流更人性化。
“作为一名工程师，OpenAI 让我们能够以不同且独特的方式解决问题，”Vidyasagar 说。
加入工作的新时代
全球超过 100 万家企业正在使用 OpenAI 取得显著成果。
继续阅读
介绍 ChatGPT Futures：2026 届企业 2026年5月6日
Singular Bank 借助 ChatGPT 和 Codex 帮助银行员工快速行动 2026年5月6日
我们的研究
- [研究索引](http://openai.c