倍福文学

手机浏览器扫描二维码访问

第744章 投资Uber求催更（第1页）

尼古拉参观了英特尔工厂。作为全球最大的半导体制造商之一，英特尔的技术直接影响着整个科技行业的基础架构。在工厂车间，尼古拉亲眼目睹了最先进的芯片制造工艺，并听取了关于摩尔定律未来展的讲解。

英特尔高管指出，尽管芯片制造是一个资本密集型行业，但其回报同样丰厚。尼古拉对此表示认同，并进一步探讨了俄国是否有可能与英特尔合作展自己的芯片产业。尼古拉表示，虽然俄国在半导体起步较晚，但凭借丰富的自然资源和技术人才储备，俄国完全有能力在这个领域取得突破。

接着尼古拉来到惠普总部。作为硅谷最早的创业公司之一，惠普见证了整个地区从车库文化到全球化企业集群的转变过程。在惠普档案馆，尼古拉看到了许多珍贵的历史资料，包括第一台计算器和早期打印机模型。

惠普现任领导层向尼古拉讲述了公司的转型故事：从硬件制造商到解决方案提供商，再到如今专注于绿色可持续展的战略方向。尼古拉对此表示赞赏，并表示俄国也需要类似的转型思维，以应对全球经济结构的变化。

最后尼古拉来到甲骨文总部，作为甲骨文的总裁埃里森开始给尼古拉讲述公司的优秀产品。作为全球最大的企业级软件公司，确实拥有他骄傲的资本。从oranetux、中间件、虚拟化等，可以说现在的服务器大部分都会使用到他们的软件。

而与此对比，现在俄国的卡巴斯基还有很长的路需要追赶。一天的参观结束后，尼古拉在返回酒店的路上感慨万千。没有对比就没有伤害，自己辛辛苦苦在俄国整顿的互联网企业与这里的传统老大确实还有不少差距。最起码人家的商业模式、市场应用和创新能力都比目前的俄国要高出至少两个档次。

所以尼古拉通过这次的访问，确实可以明镜，用于消磨自己那增长起来的一些小骄傲。俄国的互联网科技，尚未成功，自己还需要继续努力，尤其是需要抓住函夏这个市场，借助函夏的互联网顺风车完善俄国互联网公司。

回到温莎酒店后的，尼古拉坐在沙上，拿着a-pad看着最近火出圈的软件uber而高兴。这家公司未来也将会成长为千亿美元的巨头科技公司，而函夏类似的这样的公司则是更加疯狂。uber的出现，标志着共享经济的到来。

投资uber的事情，还要从去年开始说起。o9年12月，北美投资的副总帕金斯，拿着尼古拉提供过来的名单，在洛杉矶找寻了一个多月，终于找到这家初创公司uber。

此时的两位创始人，见到过来投资的帕金斯也是非常震惊。按照uber的创始人坎普和卡兰尼克两人的说法，他们两人经常因为上学打车而烦恼。

所以意识到，在城市交通日益拥堵的情况下，传统的出租车服务存在诸多问题：难以叫车、等待时间过长、服务质量参差不齐等问题。就在想这些问题的解决方案，终于在他们两人的忽悠下，加州大学洛杉矶分校五个人的小团队诞生。

这个小团队正在开一款基于智能手机的应用程序，用户只需轻点屏幕即可实时定位附近的空闲车辆，并快完成预约。这一模式彻底颠覆了传统的叫车方式。通过gps技术和算法优化，uber能够精准匹配乘客与司机，大幅缩短了响应时间。

此外，uber还引入了无现金支付系统（paypa1），使得交易更加便捷安全。这些创新功能很快赢得了早期用户的青睐，并为uber奠定了坚实的技术基础。

虽然说，北美投资完全可以扶持一个相同的公司出来，但这样会容易树大招风。按照尼古拉的指导，让这两位创始人尝点甜头，不能扼杀工具人的动力，专业的事情就让专业的人去做。

两位创始人听到这家在硅谷名气不小的北美投资公司，竟然跑到洛杉矶来投资两人的初创公司。而且帕金斯还带来，这家公司的未来展战略和目标，当看到投资3ooo万美元的时候，两人瞪大眼睛，不敢相信这一事实。

uber公司在得到北美投资的支持下，公司搬迁到硅谷这边。并且租赁下来一栋办公室，并在硅谷招募优秀的工程师。按照坎普和卡兰尼克的想法，团队在一个月之内就完成移动软件的测试。

此外在北美投资的资源协助之下，批1ooo名车主拿着补贴开始在加州两座明珠城市旧金山和洛杉矶街头试运行。运营期间也遇到很多问题，并针对这些问题开始改进。

终于在一个月后即2o1o年2月，uber推出了其款打车软件，正式踏入共享出行领域。在海量补贴资金加持下，uber开始加扩张步伐。从旧金山和洛杉矶起步，uber迅向全美各大城市扩张。

与此同时，uber注重本地化策略。例如，在加州这样的高需求区域，uber加大了宣传力度，并通过优惠活动吸引新用户。这些努力帮助uber迅建立起庞大的用户群体，同时也吸引了越来越多的司机加入平台。

这款应用的出现迅引了市场关注。截至2o1o年5月，uber已经进入26座主要城市，包括纽约、洛杉矶、芝加哥等人口密集的大都市，并成功吸引了4.5万名注册司机加入平台。这种快扩张得益于uber独特的“轻资产”

商业模式——它并不拥有任何车辆，而是通过搭建平台连接供需双方，从而降低了运营成本。

除了技术创新和市场扩展外，uber还充分利用数据分析来提升效率和服务质量。通过对用户行为和出行数据的深度挖掘，uber可以预测高峰时段的需求分布，并据此调整资源分配。

（本书内容纯属架空历史，不要过分解读，如有雷同纯属巧合。）