Uber 的長遠佈局，遠比我們想像的更大。
這家公司不只是要讓你從 A 點到達 B 點——它的終極目標，是將旗下數百萬名司機的車輛，打造成一台台移動的數據採集器，專門為自駕車（AV）公司乃至其他 AI 模型訓練業者，提供真實世界的行駛數據。
這個計畫由 Uber 技術長 Praveen Neppalli Naga 在舊金山 TechCrunch StrictlyVC 活動上首度公開揭露，是 Uber 今年一月底宣布的「AV Labs」計畫的延伸與深化。
先從自家車隊開始，再擴及全部司機
目前，AV Labs 階段仍相對保守：Uber 自行運營一支小型、配備感測器的專用車隊，與旗下數百萬名一般司機的車輛分開運作。
但 Naga 坦言，這只是起步。「最終我們確實想走向那個方向，」他說，「但我們得先搞清楚感測器套件怎麼運作。還有法規問題——我們必須確保每個州都對『感測器的定義』以及『數據共享的意涵』有清楚的規範。」
一旦法規環境成熟，Uber 擁有的規模優勢將難以匹敵：光是讓一小部分司機的車輛加裝感測器，所能產出的數據量，就足以讓任何一家自駕車公司望塵莫及。
數據，才是自駕車的真正瓶頸
Naga 對自駕車產業有一個核心洞察：技術本身已不是最大的障礙，數據才是。
「瓶頸在數據，」他直接說道。「Waymo 這類公司需要到處跑、收集數據、蒐集各種場景。你可能會想說：在舊金山某個學校路口，我需要某個時段的數據來訓練我的模型——但問題在於，這些公司沒有足夠的資金自己部署車隊、去收集所有資訊。」
這正是 Uber 的切入點。它有司機、有路線、有龐大的地理覆蓋範圍——缺的只是把這些轉換成結構化數據產品的能力。
AV 雲端平台：讓合作夥伴「訂閱」真實世界的數據
Uber 目前已與 25 家自駕車公司建立合作關係，包括在倫敦運營的 Wayve。
Naga 描述，Uber 正在打造一套「AV 雲端」平台——一個包含標記感測器數據的資料庫，讓合作夥伴可以查詢並用於訓練模型。更進一步，合作夥伴還可以在「影子模式」下，讓自家的 AI 模型與真實的 Uber 行程資料對照運行，模擬自駕車在路上的實際表現——而不需要真的把車開上路。
「我們的目標不是靠這些數據賺錢，」Naga 說，「我們想要讓數據民主化。」
當然，這句話要打個問號
Uber 放棄自行研發自駕車，至今仍是一個爭議決策——共同創辦人 Travis Kalanick 曾公開表示這是「大錯誤」。外界也一直擔心，隨著自駕車普及，Uber 的核心叫車業務是否終將被取代。
AV Labs 是 Uber 對此威脅的回應：與其跟自駕車競爭，不如成為它的基礎設施提供者。
然而，「數據民主化」的說法，在龐大的商業利益面前，恐怕站不了太久。Uber 已陸續入股多家自駕車公司，而掌握規模化的專有訓練數據，幾乎注定會給 Uber 帶來強大的談判籌碼——尤其是那些目前還依賴 Uber 平台觸及用戶的自駕車業者。
這個佈局，說不定比表面上看起來更具戰略意圖。
原文報導來源：TechCrunch，作者 Kirsten Korosec
