Uber的下一场自动驾驶押注
Uber的长期自动驾驶战略正围绕一个它认为少有公司能够匹敌的角色成形：全球规模的数据采集。该公司表示，最终希望为人类司机的车辆配备传感器，让这些车辆为自动驾驶开发者，乃至可能为其他基于物理世界场景训练的AI系统，收集真实路况数据。
这一愿景由Uber首席技术官普拉文·内帕利·纳加阐述。他表示，在通过一个较小的内部项目先行了解更多情况之后，公司希望朝这个方向前进。短期内，Uber正通过一支配备传感器的专用车辆车队开展工作，该项目于1月底以AV Labs之名宣布。但其战略雄心要大得多。Uber的司机网络在全球有数百万名司机，这意味着有可能形成一个分布式传感器平台，其覆盖范围甚至可能远超任何一家自动驾驶公司自有车队的能力。
为什么Uber认为机会在于数据
该公司的判断很直接：自动驾驶开发的瓶颈不仅在于底层软件和硬件堆栈，还在于获取广泛且包含丰富场景的数据。纳加认为，瓶颈就在于数据采集本身。在他看来，AV开发者需要来自特定街道、特定时段和特定驾驶条件的定向样本，但往往缺乏部署足够车辆来高效采集这些信息所需的资金。
如果Uber能解决这个问题，它就可能成为自动驾驶行业的基础设施，而不仅仅是分发合作伙伴。这是一个重大的转变。Uber此前已经退出自研自动驾驶系统，机器人出租车项目的兴起长期引发外界疑问：没有自有AV技术栈的平台，最终是否会失去影响力。这一计划表明Uber看到了另一条路：掌握出行网络入口、运营需求信号，以及可能帮助AV公司改进模型的数据层。
从叫车平台到“AV云”
Uber表示，它正在建设纳加所称的“AV云”，即一个带标注的传感器数据资料库，合作公司可以查询并用于模型训练。根据所提供的原文，该公司已经与25家AV合作伙伴合作，其中包括总部位于伦敦的Wayve。现有的合作结构为Uber未来任何更广泛的数据服务提供了一批客户或协作者基础。
这项计划不只是被动存储。Uber表示，合作伙伴还可以使用该系统，将训练好的模型在真实Uber行程上以“影子模式”运行。在这种模式下，AV系统并不真正驾驶车辆，但可以像它在驾驶一样接受评估，使公司能够在不把自动驾驶车直接投放道路的情况下，将模型行为与真实行程条件进行比较。
这很重要，因为它把Uber的运营网络变成了一个测试环境，同时也是一个分发渠道。对AV开发者而言，能够收集数据并随后将模型与真实出行模式进行评估，可能有助于缩小训练与部署之间的部分差距。
