A próxima aposta da Uber em veículos autônomos
A estratégia de longo prazo da Uber para veículos autônomos está tomando forma em torno de uma função que ela acredita que poucas empresas conseguem igualar: coleta de dados em escala global. A empresa diz que, no fim, quer equipar carros de motoristas humanos com sensores para que esses veículos coletem dados reais de direção para desenvolvedores de veículos autônomos e, potencialmente, para outros sistemas de IA treinados em cenários do mundo físico.
Essa visão foi apresentada pelo diretor de tecnologia da Uber, Praveen Neppalli Naga, que descreveu o conceito como a direção para a qual a empresa quer avançar depois de aprender mais primeiro por meio de um esforço interno menor. No curto prazo, a Uber está usando uma frota dedicada de carros equipados com sensores por meio de um programa anunciado no fim de janeiro chamado AV Labs. Mas a ambição estratégica é muito maior. A rede de motoristas da Uber soma milhões globalmente, criando a possibilidade de uma plataforma distribuída de sensores que poderia superar em muito o alcance da frota interna de qualquer empresa de direção autônoma.
Por que a Uber acha que a oportunidade está nos dados
A tese da empresa é direta: o fator limitante para o desenvolvimento de veículos autônomos não é apenas a pilha de software e hardware subjacente, mas o acesso a dados amplos e ricos em cenários. Naga argumentou que o gargalo é a própria coleta de dados. Em sua visão, desenvolvedores de AV precisam de exemplos direcionados de ruas específicas, horários do dia e condições de direção, mas muitas vezes não têm o capital necessário para implantar veículos suficientes para coletar essas informações de forma eficiente.
Se a Uber conseguir resolver esse problema, poderá se tornar infraestrutura para o setor de AV, e não apenas uma parceira de distribuição. Isso é uma mudança relevante. A Uber já havia recuado de construir seu próprio sistema de direção autônoma, e a ascensão dos programas de robotáxi há muito levantou a questão de saber se plataformas sem uma pilha AV própria acabariam perdendo influência. Esse plano sugere que a Uber enxerga outro caminho: controlar o acesso à rede de viagens, ao sinal de demanda operacional e, potencialmente, à camada de dados que ajuda empresas de AV a melhorar seus modelos.
De plataforma de corridas para “AV cloud”
A Uber diz que está construindo o que Naga chamou de “AV cloud”, uma biblioteca de dados de sensores rotulados que empresas parceiras podem consultar e usar para treinamento de modelos. A empresa já trabalha com 25 parceiros de AV, incluindo a Wayve, sediada em Londres, segundo o texto-fonte fornecido. Essa estrutura de parceria já existente dá à Uber uma base de clientes ou colaboradores para qualquer serviço de dados mais amplo que conseguir criar.
O plano vai além de armazenamento passivo. A Uber diz que os parceiros também poderiam usar o sistema para executar modelos treinados em “modo sombra” contra viagens reais da Uber. Nessa configuração, o sistema de AV não dirige o veículo de fato, mas pode ser avaliado como se estivesse dirigindo, permitindo que as empresas comparem o comportamento do modelo com condições reais de viagem sem colocar um carro autônomo na rua.
Isso importa porque transforma a rede operacional da Uber em um ambiente de teste e também em um canal de distribuição. Para os desenvolvedores de AV, a capacidade de coletar dados e depois avaliar modelos contra padrões reais de viagens pode reduzir parte da lacuna entre treinamento e implantação.
A fricção regulatória e técnica
A Uber não está dizendo que isso pode acontecer imediatamente. Naga afirmou que a empresa primeiro precisa entender melhor os kits de sensores e como eles funcionam na prática. Ele também apontou a incerteza regulatória, dizendo que a empresa precisaria de clareza em todos os estados sobre o que os sensores significam e o que a troca de dados implicaria.
Essas restrições são substanciais. Uma rede em larga escala de veículos privados equipados com sensores levantaria questões sobre instalação, manutenção, privacidade, consentimento e conformidade estado a estado. A própria descrição da Uber reconhece que o projeto depende da resolução dessas questões. Por enquanto, o AV Labs continua sendo uma versão menor e mais controlada do conceito, usando carros operados pela própria Uber em vez de transformar a base mais ampla de motoristas em coletores móveis de dados.
Por que isso pode remodelar a posição da Uber
A proposta da Uber é notável porque reposiciona a relação da empresa com a autonomia. Em vez de competir diretamente como montadora ou desenvolvedora de autonomia, a Uber está se posicionando como uma intermediária com alcance físico único. Milhões de motoristas geram diversidade de rotas, cobertura temporal e dispersão geográfica que são difíceis de replicar para uma única empresa de AV. Se apenas uma fração desses veículos fosse equipada com sensores, a escala poderia ser enorme.
Isso não garante sucesso. O plano depende de regulação, economia e adoção por parceiros. Ainda assim, ele revela como a Uber pretende continuar estrategicamente relevante à medida que a tecnologia de direção autônoma amadurece. Dados, rotulagem, distribuição de corridas e avaliação simulada são todos ativos que se tornam mais valiosos quando muitos players de AV precisam deles ao mesmo tempo.
Uma aposta mais ampla em infraestrutura de IA
O texto-fonte também deixa espaço para uma interpretação ainda mais ampla. A Uber diz que os dados podem ser úteis não apenas para empresas de direção autônoma, mas também para outros sistemas de IA treinados em cenários do mundo físico. Isso sugere que a empresa vê valor em dados de sensores reais e curados além do mercado de robotáxi.
Por enquanto, a história imediata é clara. A Uber quer evoluir de uma plataforma que conecta passageiros e motoristas para uma plataforma que também fornece infraestrutura de dados para mobilidade autônoma. A empresa começa pequena com o AV Labs, mas a ambição de longo prazo é inequívoca: transformar partes de sua rede global de motoristas em uma malha de sensores e se tornar uma camada fundamental para o ecossistema de AV.
Este artigo é baseado em reportagem da TechCrunch. Leia o artigo original.
Originally published on techcrunch.com