热点新闻
美国当地时间2月4日，Uber CEO Dara Khosrowshahi在季度财报会议中宣布，Uber预计到2026年底在全球15个城市提供自动驾驶汽车服务（AV trips），2029年成为全球最大自动驾驶汽车服务商。此言论基于Waymo于2月3日完成的160亿美元（约1110亿元人民币）融资，投后估值达1260亿美元，创2026年开年最大融资纪录。Waymo官方宣称此举标志大规模自动驾驶时代到来。
此次融资由Dragoneer Investment Group、DST Global和红杉资本领投，a16z、穆巴达拉资本等跟投，母公司Alphabet据传出资约130亿美元。Waymo目前在美国凤凰城、旧金山等城市实现稳定运营，单周订单超45万单，累计订单突破2000万。作为对比，共享汽车代表项目如戴姆勒Car2Go、通用Maven均因财务模型问题退出市场，国内EVCARD、GoFun也经历大规模收缩。
核心分歧点在于：共享汽车交付车辆控制权导致闲置率高，Robotaxi则通过算法调度实现车辆流动化运营。Waymo等企业选择高人口密度城市（如旧金山、北京）布局，通过限定区域高价值时段运营维持周转率，避免重蹈共享汽车盲目铺规模的覆辙。
焦点分析
从焦点解决短期治疗（SFBT）视角审视，Waymo与共享汽车的分野本质是“目标建构”与“资源导向”思维的实践差异。共享汽车陷入问题聚焦循环：持续追加投资试图解决“车辆闲置”但未重构商业本质；而Robotaxi通过明确“系统化运力”目标，将技术瓶颈转化为调度优化命题，契合SFBT“以终为始”的核心原则。
SFBT的“奇迹问句”技术在此显现价值：假设明晨醒来行业痛点已解决，企业会观察到什么具体变化？Waymo的实践给出答案——车辆不再等待用户寻找，而是主动流向需求高地。这种视角转换将“降低闲置率”的防御性目标，重塑为“最大化载客里程”的进攻性目标，正是SFBT强调的“目标架构”重构。其技术特点在于通过未来导向的提问，激活解决方案而非分析问题根源。
Uber提出的混合网络方案（Robotaxi+人工驾驶）则体现SFBT的“例外寻找”技术：在整体需求波动中，聚焦已实现高效运营的时段（如通勤高峰），将其作为“已有解决方案”放大复制。这种思维可延伸解决五类类似问题：物流配送路径优化、共享充电桩调度、医疗资源区域分配、教育资源共享平台运营、能源电网负载平衡，其共性在于需将固定资产转化为动态服务单元。
Waymo选择高密度城市验证模式，符合SFBT“小步骤改变”原则——通过黄金时段运营数据建立信心，而非等待全场景技术完美。这种渐进策略既避免共享汽车时期盲目扩张的资源消耗，又通过实际订单验证技术可行性。正如Dara Khosrowshahi指出，配送业务可能成为提升车辆利用率的关键，这种跨场景资源整合正是SFBT“资源挖掘”技术的体现：将现有能力（自动驾驶技术）拓展到新领域（货运配送），创造额外价值循环。
行业当前面临的监管障碍、技术瓶颈，若采用SFBT的“评分问句”处理（例如“当前实现程度在10分中得几分”），可更清晰识别哪些进步已发生（如Waymo周订单增长三倍），而非仅关注理想状态的差距。这种思维模式帮助企业在长研发周期中保持动力，将宏观挑战分解为可测量的微观进展。
最终，Robotaxi与共享汽车的经济模型差异印证了SFBT的核心信念：解决方案未必与问题直接相关。共享汽车试图优化“租赁效率”，而Robotaxi重新定义“交通服务生产方式”，这种范式转换正是焦点解决思维中“重构框架”力量的体现。随着Waymo等企业持续通过数据验证系统化运力的可行性，自动驾驶产业或将见证SFBT“小改变引发大变化”的杠杆效应在科技创新中的具象化。