在結束自建自動駕駛項目多年之後，Uber 正試圖以另一種方式重返無人車版圖：將全球數百萬名網約車司機的車輛，改造成為自動駕駛公司和其他實體世界 AI 模型提供數據的移動「感測器陣列」。Uber 首席技術官 Praveen Neppalli Naga 在接受採訪時公開了這一長期構想，並將其描述為公司今年 1 月底宣佈的新項目 AV Labs 的「自然延伸」。
Uber 轉型數據平台
他表示，Uber 的終極方向，是在不遠的將來給人類司機的私家車輛各類感測器，用於收集真實道路場景數據。Naga 同時強調，在邁向這一步之前，公司需要先徹底驗證不同感測器套件的性能與工作方式，並等待美國各州在「什麼是感測器、如何共享數據」上給出更明確的監管指引。目前，AV Labs 仍運作在一支規模有限的專用車隊之上，這些車輛配備感測器，由 Uber 自行運營，與日常接單的司機群體相互獨立。
但從 Uber 的轉變可以看出，這只是一個起點：Uber 在全球擁有數以百萬計的司機，即便只有一小部分車輛安裝了感測器，也足以構建起任何單一自動駕駛公司難以匹敵的道路數據收集網。Naga 認為，如今製造自動駕駛技術演進的瓶頸已不再在底層算法或算力，而是高品質、足以多樣的真實世界數據。「瓶頸就是數據，」他說，「像 Waymo 這類的公司需要不斷出去收集數據，覆蓋不同的場景。
」在他的設想中，自動駕駛企業可以通過 Uber 的網絡，按需訂製精細的訓練數據，例如提出「在舊金山某學堂門口的路口，在某個特定時段收集交通狀況，以訓練模型」的請求。 真正的問題在於，絕大多數自動駕駛公司並沒有足夠的資源在全球大規模部署自有車隊，去高密度覆蓋這些長尾場景。Uber 如果能調動已有的司機和車輛資源，就有望成為整個行業的數據供應層，為自動駕駛技術提供源源不絕的「燃料」。
外界曾長期質疑，在放棄自建無人車之後，Uber 是否會在未來被自動駕駛公司「繞開」，甚或在出行生態中被邊緣化。Uber 聯乘創始人 Travis Kalanick 也曾公開表示，放棄自動駕駛是一個「巨大錯誤」。如今，通過 AV Labs，Uber 正試圖把自己的角色從自動駕駛全車開發者，轉變為這一領域的基礎設施和數據平台，借助廣泛的司機網絡和訂單流量，為所有參與者提供底層能力。
Uber 目前已與全球 25 家自動駕駛公司達成合作，其中包括在倫敦運營的 Wayve 等玩家。在此基礎上，公司正在搭建一個所謂「AV 雲」：即一個注重完整的多模態感測器數據庫，合作夥伴可以在其中進行搜索和調用，用於訓練各自的自動駕駛模型。Naga 介紹，合作公司還可以在 Uber 平台上對真實訂單運營「影子模式」推理——也就是在真實行駛數據上模擬自己的自動駕駛系統會如何決策，而無需真正把無人車投放路面。
從對外表態來看，Uber 試圖將這一平台定位為「行業公用設施」。「我們的目標不是用這些數據賺錢，」Naga 說，「而是希望把它民主化。」不過，考慮到優質數據在自動駕駛和更廣泛 AI 領域的商業價值以及稀缺性，這類的定位未來能否持續仍存疑。事實上，Uber 近一年已對多家自動駕駛公司進行了股權投資，而如果其掌握的大規模、差異化訓練數據成為合作夥伴核心競爭力的一部分，Uber 在這些公司面前的議價能力很可能進一步加強。
在這套構想背後，Uber 的邏輯正從「造車」轉向「做平台」：一方面，通過自家出行和外賣網絡，持續維持在終端用戶層面的入口優勢；另一方面，則試圖把司機車輛的真實行駛和場景沉澱為結構化數據資產，為自動駕駛企業乃至其他需要實體世界訓練數據的巨型模型公司服務。對於一家早就不再親自做自動駕駛硬體和軟體的公司而言，這或許是持續參與下一輪交通科技變革，並在其中保持存在感的的全新路徑。
