Uber的長遠目標遠不止接送乘客那麼簡單。該公司計劃為旗下人工司機的車輛加裝傳感器，為自動駕駛汽車（AV）企業採集真實世界數據，並有可能服務於其他需要在物理場景中訓練AI模型的公司。
Uber首席技術官Praveen Neppalli Naga在舊金山舉辦的TechCrunch StrictlyVC活動上接受採訪時披露了這一計劃，並將其定位為Uber今年1月底宣布的"AV Labs
"項目的自然延伸。
"我們最終確實想朝這個方向走，"Naga在談到為人工司機車輛配備傳感器時表示，"但首先我們需要充分了解傳感器套件的運作原理，同時還涉及一些監管問題，我們必須確保每個州都對傳感器的定義及數據共享的含義有明確的規定。"
目前，AV Labs依託的是一支由Uber自行運營、配備傳感器的小規模專屬車隊，與現有司機網路相互獨立。但Uber的野心顯然更大。Uber在全球擁有數百萬名司機，即便只有其中一小部分車輛能夠轉化為移動數據採集平台，Uber能夠為自動駕駛行業提供的數據規模，也將遠超任何一家自動駕駛公司單獨能夠匯聚的體量。
Naga指出，推動該項目的核心洞察在於：制約自動駕駛發展的瓶頸已不再是底層技術本身，而是數據。"像Waymo這樣的公司需要四處行駛來採集數據、收集各類場景。你可能會提出這樣的需求：在舊金山某所學校的路口，我需要某個特定時間段的數據，用於訓練模型。但這些公司面臨的共同難題是數據獲取，因為它們沒有足夠的資本來部署車輛、全面收集這些資訊。"
成為整個自動駕駛生態系統的數據底座，是一步相當聰明的棋。值得注意的是，Uber多年前已放棄自主研發自動駕駛汽車（聯合創始人Travis Kalanick曾公開表示此舉是一個重大失誤）。許多行業觀察人士也曾擔憂，隨著全球自動駕駛汽車的加速普及，缺乏自研自動駕駛技術的Uber是否會逐漸邊緣化。
目前，Uber已與25家自動駕駛公司建立合作，其中包括在倫敦運營的Wayve。Naga將Uber正在構建的系統稱為"AV雲"——一個經過標註的傳感器資料庫，供合作公司查詢調用，用於訓練各自的模型。合作夥伴還可以利用該系統，以"影子模式"將訓練好的模型與Uber的真實行程進行比對，模擬自動駕駛車輛在不實際上路的情況下的表現。Uber也計劃進一步加大對合作夥伴的直接投資力度。
"我們的目標不是靠這些數據盈利，"Naga表示，"我們希望讓數據的獲取更加普惠。"
然而，鑑於Uber正在構建的平台具有顯而易見的商業價值，這一定位或許難以長久維持。Uber已對多家自動駕駛企業進行了股權投資，而其大規模提供專有訓練數據的能力，可能賦予其對整個行業舉足輕重的話語權——畢竟這些企業目前仍需依賴Uber的出行平台觸達用戶。
Q&A
Q1：Uber的AV Labs項目是什麼？目前進展如何？
A：AV Labs是Uber於2025年1月底宣布的一項計劃，目標是為自動駕駛公司提供真實世界的傳感器數據服務。目前該項目依託一支由Uber自行運營的小規模傳感器車隊，尚未納入普通司機網路。未來Uber希望將數百萬名人工司機的車輛也改造成移動數據採集平台，為自動駕駛行業提供大規模、多場景的訓練數據。
Q2：Uber為什麼要做自動駕駛數據業務，自己不做自動駕駛嗎？
A：Uber多年前已放棄自主研發自動駕駛汽車，聯合創始人Travis Kalanick也曾公開表示這是一個重大失誤。為了避免在自動駕駛時代被邊緣化，Uber轉而布局數據服務，通過構建"AV雲"平台，為Waymo、Wayve等25家合作自動駕駛公司提供標註數據和模型測試服務，將自身定位為整個自動駕駛生態系統的數據底座。
Q3：Uber的AV雲平台具體能為自動駕駛公司提供哪些服務？
A：Uber的AV雲平台主要提供兩類服務：一是經過標註的傳感器資料庫，合作公司可按需查詢特定地點、特定時間段的真實駕駛場景數據，用於訓練自動駕駛模型；二是"影子模式"測試功能，允許合作公司將訓練好的模型與Uber平台上的真實行程數據進行比對，模擬自動駕駛車輛的實際表現，無需將車輛實際部署上路。
