Uber的长远目标远不止接送乘客那么简单。该公司计划为旗下人工司机的车辆加装传感器，为自动驾驶汽车（AV）企业采集真实世界数据，并有可能服务于其他需要在物理场景中训练AI模型的公司。
Uber首席技术官Praveen Neppalli Naga在旧金山举办的TechCrunch StrictlyVC活动上接受采访时披露了这一计划，并将其定位为Uber今年1月底宣布的"AV Labs"项目的自然延伸。
"我们最终确实想朝这个方向走，"Naga在谈到为人工司机车辆配备传感器时表示，"但首先我们需要充分了解传感器套件的运作原理，同时还涉及一些监管问题，我们必须确保每个州都对传感器的定义及数据共享的含义有明确的规定。"
目前，AV Labs依托的是一支由Uber自行运营、配备传感器的小规模专属车队，与现有司机网络相互独立。但Uber的野心显然更大。Uber在全球拥有数百万名司机，即便只有其中一小部分车辆能够转化为移动数据采集平台，Uber能够为自动驾驶行业提供的数据规模，也将远超任何一家自动驾驶公司单独能够汇聚的体量。
Naga指出，推动该项目的核心洞察在于：制约自动驾驶发展的瓶颈已不再是底层技术本身，而是数据。"像Waymo这样的公司需要四处行驶来采集数据、收集各类场景。你可能会提出这样的需求：在旧金山某所学校的路口，我需要某个特定时间段的数据，用于训练模型。但这些公司面临的共同难题是数据获取，因为它们没有足够的资本来部署车辆、全面收集这些信息。"
成为整个自动驾驶生态系统的数据底座，是一步相当聪明的棋。值得注意的是，Uber多年前已放弃自主研发自动驾驶汽车（联合创始人Travis Kalanick曾公开表示此举是一个重大失误）。许多行业观察人士也曾担忧，随着全球自动驾驶汽车的加速普及，缺乏自研自动驾驶技术的Uber是否会逐渐边缘化。
目前，Uber已与25家自动驾驶公司建立合作，其中包括在伦敦运营的Wayve。Naga将Uber正在构建的系统称为"AV云"——一个经过标注的传感器数据库，供合作公司查询调用，用于训练各自的模型。合作伙伴还可以利用该系统，以"影子模式"将训练好的模型与Uber的真实行程进行比对，模拟自动驾驶车辆在不实际上路的情况下的表现。Uber也计划进一步加大对合作伙伴的直接投资力度。
"我们的目标不是靠这些数据盈利，"Naga表示，"我们希望让数据的获取更加普惠。"
然而，鉴于Uber正在构建的平台具有显而易见的商业价值，这一定位或许难以长久维持。Uber已对多家自动驾驶企业进行了股权投资，而其大规模提供专有训练数据的能力，可能赋予其对整个行业举足轻重的话语权——毕竟这些企业目前仍需依赖Uber的出行平台触达用户。
Q&A
Q1：Uber的AV Labs项目是什么？目前进展如何？
A：AV Labs是Uber于2025年1月底宣布的一项计划，目标是为自动驾驶公司提供真实世界的传感器数据服务。目前该项目依托一支由Uber自行运营的小规模传感器车队，尚未纳入普通司机网络。未来Uber希望将数百万名人工司机的车辆也改造成移动数据采集平台，为自动驾驶行业提供大规模、多场景的训练数据。
Q2：Uber为什么要做自动驾驶数据业务，自己不做自动驾驶吗？
A：Uber多年前已放弃自主研发自动驾驶汽车，联合创始人Travis Kalanick也曾公开表示这是一个重大失误。为了避免在自动驾驶时代被边缘化，Uber转而布局数据服务，通过构建"AV云"平台，为Waymo、Wayve等25家合作自动驾驶公司提供标注数据和模型测试服务，将自身定位为整个自动驾驶生态系统的数据底座。
Q3：Uber的AV云平台具体能为自动驾驶公司提供哪些服务？
A：Uber的AV云平台主要提供两类服务：一是经过标注的传感器数据库，合作公司可按需查询特定地点、特定时间段的真实驾驶场景数据，用于训练自动驾驶模型；二是"影子模式"测试功能，允许合作公司将训练好的模型与Uber平台上的真实行程数据进行比对，模拟自动驾驶车辆的实际表现，无需将车辆实际部署上路。
