Uber的长期目标不仅仅是提供乘客接送服务，公司希望未来能在其人类司机的车辆上安装传感器，收集真实世界的数据，供自动驾驶（AV）公司以及其他训练物理世界场景AI模型的企业使用。

Uber首席技术官Praveen Neppalli Naga在旧金山TechCrunch StrictlyVC活动上透露了这一计划，他称这是一项从今年一月底推出的“AV Labs”项目自然延伸出来的战略。

“这是我们最终想要实现的方向，”Naga谈到为人类司机车辆配备传感器时表示，“但首先我们需要了解传感器套件的工作原理，同时还要应对相关法规——确保每个州都明确传感器的定义以及数据共享的含义。”

目前，AV Labs依赖于Uber自营的一小批配备传感器的车辆，独立于其司机网络。但Uber的野心显然更大。全球拥有数百万司机，如果其中一部分车辆能转变为移动数据采集平台，Uber为自动驾驶行业提供的数据规模将远超任何单一自动驾驶公司自行组建的车队。

Naga指出，推动该项目的核心洞察是，自动驾驶发展的瓶颈已不再是技术本身，而是数据。“限制因素是数据，”他说，“像Waymo这样的公司需要不断收集各种场景的数据。比如你可以指定：在旧金山某个学校路口，某个时间段采集数据，用于训练模型。问题是这些公司缺乏资金去部署车辆收集这些信息。”

成为整个自动驾驶生态系统的数据层，是Uber一项非常聪明的战略。毕竟，Uber多年前已放弃了自主研发自动驾驶汽车的计划（其联合创始人Travis Kalanick曾公开表示这是一个重大错误）。许多业内人士也曾担忧，随着自动驾驶车辆在全球普及，Uber若无自有自动驾驶车队，可能会逐渐失去市场相关性。

目前，Uber已与25家自动驾驶公司建立合作关系，包括在伦敦运营的Wayve。Naga称，Uber正在构建一个“自动驾驶云”——一个带标签的传感器数据仓库，合作伙伴可以查询并利用这些数据训练模型。合作方还可以利用该系统在“影子模式”下运行训练好的模型，模拟自动驾驶车辆在真实Uber行程中的表现，而无需实际上路。

“我们的目标不是通过这些数据赚钱，”Naga表示，“而是希望实现数据的民主化。”

鉴于Uber所构建数据平台的明显商业价值，这种定位可能不会持续太久。公司已对多家自动驾驶企业进行了股权投资，其提供大规模专有训练数据的能力，可能使其在依赖Uber出行市场接触客户的自动驾驶行业中拥有显著影响力。