尼古拉參觀了英特爾工廠。作為全球最大的半導體制造商之一，英特爾的技術直接影響著整個科技行業的基礎架構。在工廠車間，尼古拉親眼目睹了最先進的晶片製造工藝，並聽取了關於摩爾定律未來發展的講解。
英特爾高管指出，儘管晶片製造是一個資本密集型行業，但其回報同樣豐厚。尼古拉對此表示認同，並進一步探討了俄國是否有可能與英特爾合作發展自己的晶片產業。尼古拉表示，雖然俄國在半導體起步較晚，但憑藉豐富的自然資源和技術人才儲備，俄國完全有能力在這個領域取得突破。
接著尼古拉來到惠普總部。作為矽谷最早的創業公司之一，惠普見證了整個地區從車庫文化到全球化企業叢集的轉變過程。在惠普檔案館，尼古拉看到了許多珍貴的歷史資料，包括第一臺計算器和早期印表機模型。
惠普現任領導層向尼古拉講述了公司的轉型故事：從硬體製造商到解決方案提供商，再到如今專注於綠色可持續發展的戰略方向。尼古拉對此表示讚賞，並表示俄國也需要類似的轉型思維，以應對全球經濟結構的變化。
最後尼古拉來到甲骨文總部，作為甲骨文的總裁埃裡森開始給尼古拉講述公司的優秀產品。作為全球最大的企業級軟體公司，確實擁有他驕傲的資本。從Oracle資料庫、整合系統、Java、Linux、中介軟體、虛擬化等，可以說現在的伺服器大部分都會使用到他們的軟體。
而與此對比，現在俄國的卡巴斯基還有很長的路需要追趕。一天的參觀結束後，尼古拉在返回酒店的路上感慨萬千。沒有對比就沒有傷害，自己辛辛苦苦在俄國整頓的網際網路企業與這裡的傳統老大確實還有不少差距。最起碼人家的商業模式、市場應用和創新能力都比目前的俄國要高出至少兩個檔次。
所以尼古拉透過這次的訪問，確實可以明鏡，用於消磨自己那增長起來的一些小驕傲。俄國的網際網路科技，尚未成功，自己還需要繼續努力，尤其是需要抓住函夏這個市場，藉助函夏的網際網路順風車完善俄國網際網路公司。
回到溫莎酒店後的，尼古拉坐在沙發上，拿著A-pad看著最近火出圈的軟體Uber而高興。這家公司未來也將會成長為千億美元的巨頭科技公司，而函夏類似的這樣的公司則是更加瘋狂。Uber的出現，標誌著共享經濟的到來。
投資Uber的事情，還要從去年開始說起。O9年12月，北美投資的副總帕金斯，拿著尼古拉提供過來的名單，在洛杉磯找尋了一個多月，終於找到這家初創公司Uber。
此時的兩位創始人，見到過來投資的帕金斯也是非常震驚。按照Uber的創始人坎普和卡蘭尼克兩人的說法，他們兩人經常因為上學打車而煩惱。
所以意識到，在城市交通日益擁堵的情況下，傳統的計程車服務存在諸多問題：難以叫車、等待時間過長、服務質量參差不齊等問題。就在想這些問題的解決方案，終於在他們兩人的忽悠下，加州大學洛杉磯分校五個人的小團隊誕生。
這個小團隊正在開發一款基於智慧手機的應用程式，使用者只需輕點螢幕即可實時定位附近的空閒車輛，並快速完成預約。這一模式徹底顛覆了傳統的叫車方式。透過GPS技術和演算法最佳化，Uber能夠精準匹配乘客與司機，大幅縮短了響應時間。
此外，Uber還引入了無現金支付系統（PayPal），使得交易更加便捷安全。這些創新功能很快贏得了早期使用者的青睞，併為Uber奠定了堅實的技術基礎。
雖然說，北美投資完全可以扶持一個相同的公司出來，但這樣會容易樹大招風。按照尼古拉的指導，讓這兩位創始人嚐點甜頭，不能扼殺工具人的動力，專業的事情就讓專業的人去做。
兩位創始人聽到這家在矽谷名氣不小的北美投資公司，竟然跑到洛杉磯來投資兩人的初創公司。而且帕金斯還帶來，這家公司的未來發展戰略和目標，當看到投資3000萬美元的時候，兩人瞪大眼睛，不敢相信這一事實。
Uber公司在得到北美投資的支援下，公司搬遷到矽谷這邊。並且租賃下來一棟辦公室，並在矽谷招募優秀的工程師。按照坎普和卡蘭尼克的想法，團隊在一個月之內就完成移動軟體的測試。
此外在北美投資的資源協助之下，首批1000名車主拿著補貼開始在加州兩座明珠城市舊金山和洛杉磯街頭試執行。運營期間也遇到很多問題，並針對這些問題開始改進。
終於在一個月後即2010年2月，Uber推出了其首款打車軟體，正式踏入共享出行領域。在海量補貼資金加持下，Uber開始加速擴張步伐。從舊金山和洛杉磯起步，Uber迅速向全美各大城市擴張。
與此同時，Uber注重本地化策略。例如，在加州這樣的高需求區域，Uber加大了宣傳力度，並透過優惠活動吸引新使用者。這些努力幫助Uber迅速建立起龐大的使用者群體，同時也吸引了越來越多的司機加入平臺。
這款應用的出現迅速引發了市場關注。截至2010年5月，Uber已經進入26座主要城市，包括紐約、洛杉磯、芝加哥等人口密集的大都市，併成功吸引了4.5萬名註冊司機加入平臺。這種快速擴張得益於Uber獨特的“輕資產”商業模式——它並不擁有任何車輛，而是透過搭建平臺連線供需雙方，從而降低了運營成本。
除了技術創新和市場擴充套件外，Uber還充分利用資料分析來提升效率和服務質量。透過對使用者行為和出行資料的深度挖掘，Uber可以預測高峰時段的需求分佈，並據此調整資源分配。
（本書內容純屬架空歷史，不要過分解讀，如有雷同純屬巧合。）