Uber 有一个远超接送乘客的长期野心：公司最终想给人类司机的汽车装上传感器，为自动驾驶汽车公司——以及可能其他训练物理世界场景 AI 模型的公司——收集真实世界数据。

Uber 首席技术官 Praveen Neppalli Naga 周四晚在旧金山 TechCrunch 的 StrictlyVC 活动上接受采访时透露了这一计划，称这是公司 1 月底宣布的名为 AV Labs 的初创项目的自然延伸。“这是我们最终想走的方向，”Naga 在谈到为人类司机的车辆配备传感器时说。“但首先我们需要了解传感器套件及其工作原理。还有一些法规——我们必须确保每个州都清楚传感器意味着什么，以及共享意味着什么。”

目前，AV Labs 依赖于 Uber 自己运营的一小批专用传感器汽车，独立于其司机网络。但野心显然要大得多。Uber 在全球拥有数百万司机，如果哪怕一小部分汽车能变成滚动数据收集平台，Uber 能为自动驾驶行业提供的规模将让任何一家自动驾驶公司自己拼凑的规模相形见绌。

推动该项目的洞察，Naga 说，是自动驾驶发展的限制因素不再是底层技术。“瓶颈是数据，”他说。“像 Waymo 这样的公司需要到处收集数据，收集不同的场景。你可能会说：在旧金山，‘在这个学校路口，我想在一天中的这个时间点获取一些数据，以便训练我的模型。’所有这些公司的问题在于获取这些数据的途径，因为他们没有资金部署汽车并收集所有这些信息。”

成为整个自动驾驶生态系统的数据层是一个相当聪明的举动，特别是考虑到 Uber 多年前就放弃了制造自动驾驶汽车的野心（联合创始人 Travis Kalanick 曾公开哀叹这是一个大错误）。事实上，许多行业观察者曾怀疑，如果没有自己的自动驾驶汽车，随着自动驾驶汽车在全球范围内日益涌现，Uber 有朝一日可能会变得无关紧要。

该公司目前与 25 家自动驾驶公司合作——包括在伦敦运营的 Wayve——并正在构建 Naga 所说的“自动驾驶云”：一个带标签的传感器数据库，合作伙伴公司可以查询并用于训练他们的模型。Uber 计划更积极地直接投资合作伙伴，他们还可以使用该系统在“影子模式”下针对真实的 Uber 行程运行他们训练好的模型，模拟自动驾驶汽车的表现，而无需实际将其上路。

“我们的目标不是从这些数据中赚钱，”Naga 说。“我们想让它民主化。”鉴于 Uber 正在构建的东西具有明显的商业价值，这种定位可能不会持续太久。该公司已经对多家自动驾驶公司进行了股权投资，其大规模提供专有训练数据的能力可能使其在目前依赖 Uber 乘车市场接触客户的行业中拥有显著影响力。