Uber 使用 OpenAI 來驅動 AI 助手和語音功能，幫助駕駛更聰明地賺錢，並讓乘客在全球即時市場中更快速地預約。
2026 年 5 月 6 日
Uber 利用 OpenAI 驅動 AI 助手和語音功能，協助司機在全天候即時運作的全球市場中更聰明地賺錢，並讓乘客能更快速地預訂行程。
成果
170 萬
全球同時進行的行程數量
每天有數百萬人依賴 Uber 預訂行程、訂購餐點、寄送包裹以及彈性賺取收入。每一次點擊的背後，都是一個受交通、天氣、機場抵達航班、當地活動和需求影響的複雜即時市場。Uber 的營運規模龐大：每天有 4,000 萬趟行程，在超過 70 個國家的 15,000 個城市中擁有 1,000 萬名司機和外送合作夥伴。每個城市都有其獨特的營運動態、法規和乘客行為，這創造了一個必須在全球規模下持續調整的系統。
Uber 長期以來一直使用機器學習來支援其市場運作。而現在，藉助大型語言模型和 OpenAI 的前沿模型，Uber 能夠更快速地分析複雜信號，提供即時的對話式回應，並在應用程式內驅動語音體驗。
Uber 與 OpenAI 的合作正協助 Uber 打造 AI 驅動的產品，簡化司機和外送合作夥伴的獲利機會，並減少乘客的阻礙。透過使用 OpenAI 的模型，Uber 能比以往更快速地推出精簡的產品和體驗。
對於司機來說，靈活性是 Uber 最大的優勢之一。有些人全職開車，有些人只在週末兼職，還有些人則是在課間或輪班空檔開車。這種靈活性也意味著司機需要不斷評估選擇並提出問題：我現在應該在哪裡排班？去機場值得嗎？午餐時段我應該從載客轉為外送嗎？為什麼我今天的收入看起來不一樣？
為了協助回答這些問題，Uber 開發了 Uber Assistant，這是一款 AI 驅動的助手，旨在協助司機在平台上的整個生命週期——從加入培訓、首次行程到日常收入優化。
「我們希望透過提供市場摘要視圖和即時洞察，讓司機能夠為自己做出更好的決定，」Uber 產品管理總監 Dharmin Parikh 表示。
該助手透過將收入趨勢和熱點圖等複雜數據轉化為簡單、具體的位置指引，協助司機了解在何處以及何時可以賺錢。司機隨後可以用自然語言提出後續問題，並獲得量身定制的回應，輕鬆操作應用程式。
Uber 的目標是減少「認知負荷」——即在嘗試賺錢的同時，解讀複雜市場數據所需的精力。
這對新司機來說尤其寶貴。Uber 發現，使用 AI 來總結並輕鬆傳達 Uber 的現實數據，可以協助司機比單靠摸索更快地學習工作流程和市場動態，從而加速上手過程。
雖然最初預期 Uber Assistant 對新司機的幫助最大，但資深司機也會反覆回來詢問後續問題並優化他們在平台上的時間——這證實了該產品是一項長期的工具，而不僅僅是入職工具。
「與需要跑幾百趟行程才能理解平台運作方式相比，這款助手正協助司機快速上手，」Parikh 說。
對於 Uber 而言，在實施任何會與司機和外送員互動的 AI 系統時，準確性、安全性、可靠性和速度是首要任務。關鍵考量包括回應必須符合政策，且延遲需達到用戶對即時行動應用程式所期望的標準。
這就是為什麼 Uber 圍繞三個核心原則設計 Uber Assistant：安全、信任和低延遲。
Uber 的工程團隊構建了一個多代理架構（multi-agent architecture），將每個用戶請求路由到最合適的專業系統。例如，收入問題的處理方式可以與入職問題不同，而市場指引所需的推理邏輯也與交易行為不同。
這種架構使 Uber 能夠將每項任務分配給最適合其特定營運需求的模型，確保每個查詢都能得到適當的關注。
對於輕量級分類和快速回應，Uber 使用更快速的 nano/mini 模型。對於更複雜的任務，Uber 則利用較大的推理模型。
Uber 還開發了 AI Guard，這是一個內部治理層，協助篩選提示（prompts）和回應，以促進安全、隱私和保障，執行政策，減少幻覺，並保持跨體驗的一致性。
當司機收到準確、有用的建議時，他們會再次使用。他們會提出更多問題，反覆參與，並在平台上花費更多具生產力的時間。
「如果用戶不信任這個系統，你很快就會失去他們，」Parikh 說。「但當他們看到價值時，他們就會回來。」
Uber 也正在將 OpenAI Realtime API 應用於科技界的下一個重大界面轉變：語音。
在應用程式中打字對於簡單的請求可能很有效。但許多交通和商業需求更為複雜。
一位旅客可能會說：「我有五件行李，還有另外五個人。我需要一趟舒適的車去機場。你有什麼建議？」年長者或視障乘客可能更喜歡說話，而不是在選單中點擊。
Uber 全新的語音體驗旨在讓這些時刻變得毫無阻礙。用戶可以點擊 Uber App 搜尋欄上的麥克風圖示，並使用自然語言請求行程。系統使用 Realtime API 和其他前沿模型來解讀意圖，利用儲存的地點和客戶背景提供建議，同時在應用程式內同步語音和視覺回應。
這可能意味著為行李較多的行程建議 UberXL，或識別如「家」之類的儲存目的地。
「語音消除了每次只能完成一項任務的障礙，」Parikh 說。「你可以自然地表達完整的意圖，系統則可以協調出結果。」
語音還擴展了無障礙性，並在 Uber 的生態系統中開啟了新的工作流程。在司機端，它讓司機能夠免持操作應用程式。在乘客端，它可以為追求更快速、更簡單互動的客戶減少摩擦。
「語音消除了多次點擊的障礙，因為你可以同時說多件事，」Vidyasagar 說。「它解鎖了連接生態系統各個部分的能力。」
隨著 LLM 能力的快速演進，Uber 也改變了團隊的構建方式。
整個組織的工程師都在處理提示詞、檢索系統、評估流水線和編排框架。產品、法律、營運和設計團隊更緊密地合作，以定義政策邊界、測試輸出並改善用戶體驗。
現在，智慧可以嵌入到整個公司，而不僅僅是由一個小型的集中式 AI 團隊負責創新。
「這不再是一個專門的小組在做所有事情，」Vidyasagar 說。「許多團隊都可以貢獻力量，因為構建的門檻已經降低了。」
這種轉變加速了實驗，並在 Uber 的生態系統中激發了新想法。
「每一次駕駛、每一趟行程都是一連串的事件，而理解並處理這些細微差別正是 LLM 為我們解鎖的能力，」Vidyasagar 說。「這為我們提供了大量關於下一步該往哪走的資訊，而這種解鎖——在我們擁有的規模下——是非常強大的。」
Uber Assistant 目前已在美國司機網路中進行實驗性推廣，同時 Uber 繼續測試並優化體驗：
從協助新司機完成第一趟行程，到引導尋求更好獲利機會的資深司機，Uber 正在使用 OpenAI 模型讓工作更具生產力、交通更無縫，並讓日常物流更具人性化。
「作為一名工程師，OpenAI 解鎖了以不同且獨特的方式解決這些問題的能力，」Vidyasagar 說。
公司 | 2026 年 5 月 6 日
公司 | 2026 年 5 月 6 日
產品 | 2026 年 5 月 5 日
— OpenAI
相關文章
其他收藏 · 0
Uber 使用 OpenAI 來驅動 AI 助手和語音功能，幫助駕駛更聰明地賺錢，並讓乘客在全球即時市場中更快速地預約。
2026 年 5 月 6 日
Uber 利用 OpenAI 驅動 AI 助手和語音功能，協助司機在全天候即時運作的全球市場中更聰明地賺錢，並讓乘客能更快速地預訂行程。
成果
170 萬
全球同時進行的行程數量
每天有數百萬人依賴 Uber 預訂行程、訂購餐點、寄送包裹以及彈性賺取收入。每一次點擊的背後，都是一個受交通、天氣、機場抵達航班、當地活動和需求影響的複雜即時市場。Uber 的營運規模龐大：每天有 4,000 萬趟行程，在超過 70 個國家的 15,000 個城市中擁有 1,000 萬名司機和外送合作夥伴。每個城市都有其獨特的營運動態、法規和乘客行為，這創造了一個必須在全球規模下持續調整的系統。
Uber 長期以來一直使用機器學習來支援其市場運作。而現在，藉助大型語言模型和 OpenAI 的前沿模型，Uber 能夠更快速地分析複雜信號，提供即時的對話式回應，並在應用程式內驅動語音體驗。
Uber 與 OpenAI 的合作正協助 Uber 打造 AI 驅動的產品，簡化司機和外送合作夥伴的獲利機會，並減少乘客的阻礙。透過使用 OpenAI 的模型，Uber 能比以往更快速地推出精簡的產品和體驗。
對於司機來說，靈活性是 Uber 最大的優勢之一。有些人全職開車，有些人只在週末兼職，還有些人則是在課間或輪班空檔開車。這種靈活性也意味著司機需要不斷評估選擇並提出問題：我現在應該在哪裡排班？去機場值得嗎？午餐時段我應該從載客轉為外送嗎？為什麼我今天的收入看起來不一樣？
為了協助回答這些問題，Uber 開發了 Uber Assistant，這是一款 AI 驅動的助手，旨在協助司機在平台上的整個生命週期——從加入培訓、首次行程到日常收入優化。
「我們希望透過提供市場摘要視圖和即時洞察，讓司機能夠為自己做出更好的決定，」Uber 產品管理總監 Dharmin Parikh 表示。
該助手透過將收入趨勢和熱點圖等複雜數據轉化為簡單、具體的位置指引，協助司機了解在何處以及何時可以賺錢。司機隨後可以用自然語言提出後續問題，並獲得量身定制的回應，輕鬆操作應用程式。
Uber 的目標是減少「認知負荷」——即在嘗試賺錢的同時，解讀複雜市場數據所需的精力。
這對新司機來說尤其寶貴。Uber 發現，使用 AI 來總結並輕鬆傳達 Uber 的現實數據，可以協助司機比單靠摸索更快地學習工作流程和市場動態，從而加速上手過程。
雖然最初預期 Uber Assistant 對新司機的幫助最大，但資深司機也會反覆回來詢問後續問題並優化他們在平台上的時間——這證實了該產品是一項長期的工具，而不僅僅是入職工具。
「與需要跑幾百趟行程才能理解平台運作方式相比，這款助手正協助司機快速上手，」Parikh 說。
對於 Uber 而言，在實施任何會與司機和外送員互動的 AI 系統時，準確性、安全性、可靠性和速度是首要任務。關鍵考量包括回應必須符合政策，且延遲需達到用戶對即時行動應用程式所期望的標準。
這就是為什麼 Uber 圍繞三個核心原則設計 Uber Assistant：安全、信任和低延遲。
Uber 的工程團隊構建了一個多代理架構（multi-agent architecture），將每個用戶請求路由到最合適的專業系統。例如，收入問題的處理方式可以與入職問題不同，而市場指引所需的推理邏輯也與交易行為不同。
這種架構使 Uber 能夠將每項任務分配給最適合其特定營運需求的模型，確保每個查詢都能得到適當的關注。
對於輕量級分類和快速回應，Uber 使用更快速的 nano/mini 模型。對於更複雜的任務，Uber 則利用較大的推理模型。
Uber 還開發了 AI Guard，這是一個內部治理層，協助篩選提示（prompts）和回應，以促進安全、隱私和保障，執行政策，減少幻覺，並保持跨體驗的一致性。
當司機收到準確、有用的建議時，他們會再次使用。他們會提出更多問題，反覆參與，並在平台上花費更多具生產力的時間。
「如果用戶不信任這個系統，你很快就會失去他們，」Parikh 說。「但當他們看到價值時，他們就會回來。」
Uber 也正在將 OpenAI Realtime API 應用於科技界的下一個重大界面轉變：語音。
在應用程式中打字對於簡單的請求可能很有效。但許多交通和商業需求更為複雜。
一位旅客可能會說：「我有五件行李，還有另外五個人。我需要一趟舒適的車去機場。你有什麼建議？」年長者或視障乘客可能更喜歡說話，而不是在選單中點擊。
Uber 全新的語音體驗旨在讓這些時刻變得毫無阻礙。用戶可以點擊 Uber App 搜尋欄上的麥克風圖示，並使用自然語言請求行程。系統使用 Realtime API 和其他前沿模型來解讀意圖，利用儲存的地點和客戶背景提供建議，同時在應用程式內同步語音和視覺回應。
這可能意味著為行李較多的行程建議 UberXL，或識別如「家」之類的儲存目的地。
「語音消除了每次只能完成一項任務的障礙，」Parikh 說。「你可以自然地表達完整的意圖，系統則可以協調出結果。」
語音還擴展了無障礙性，並在 Uber 的生態系統中開啟了新的工作流程。在司機端，它讓司機能夠免持操作應用程式。在乘客端，它可以為追求更快速、更簡單互動的客戶減少摩擦。
「語音消除了多次點擊的障礙，因為你可以同時說多件事，」Vidyasagar 說。「它解鎖了連接生態系統各個部分的能力。」
隨著 LLM 能力的快速演進，Uber 也改變了團隊的構建方式。
整個組織的工程師都在處理提示詞、檢索系統、評估流水線和編排框架。產品、法律、營運和設計團隊更緊密地合作，以定義政策邊界、測試輸出並改善用戶體驗。
現在，智慧可以嵌入到整個公司，而不僅僅是由一個小型的集中式 AI 團隊負責創新。
「這不再是一個專門的小組在做所有事情，」Vidyasagar 說。「許多團隊都可以貢獻力量，因為構建的門檻已經降低了。」
這種轉變加速了實驗，並在 Uber 的生態系統中激發了新想法。
「每一次駕駛、每一趟行程都是一連串的事件，而理解並處理這些細微差別正是 LLM 為我們解鎖的能力，」Vidyasagar 說。「這為我們提供了大量關於下一步該往哪走的資訊，而這種解鎖——在我們擁有的規模下——是非常強大的。」
Uber Assistant 目前已在美國司機網路中進行實驗性推廣，同時 Uber 繼續測試並優化體驗：
從協助新司機完成第一趟行程，到引導尋求更好獲利機會的資深司機，Uber 正在使用 OpenAI 模型讓工作更具生產力、交通更無縫，並讓日常物流更具人性化。
「作為一名工程師，OpenAI 解鎖了以不同且獨特的方式解決這些問題的能力，」Vidyasagar 說。
公司 | 2026 年 5 月 6 日
公司 | 2026 年 5 月 6 日
產品 | 2026 年 5 月 5 日
— OpenAI
相關文章
其他收藏 · 0
