传统观点认为 Uber 在自动驾驶汽车领域失败了。在为其先进技术集团（Advanced Technologies Group）耗资数十亿美元并最终在几年前将其转手给 Aurora 之后，叙事变得很明确：Uber 将成为平台，而不是制造者。当 Waymo 和 Zoox 等公司花费数年时间完善取代人类驾驶员所需昂贵硬件时，Uber 似乎满足于坐享其成，等待在自己的 App 上托管这些车队。
从大局来看，这种叙事是不完整的。虽然 Uber 表面上似乎正在退出自动驾驶汽车（AV）竞赛，但实际上它正在重新定位，以拥有比汽车本身更有价值的东西：教汽车如何思考的数据。Uber 首席技术官 Praveen Neppalli Naga 最近揭开了一项战略的神秘面纱，该战略将数百万辆标准乘用车转变为高分辨率传感器网格。这不再仅仅关乎打车服务；它关乎成为整个 AI 驱动世界的底层基础设施。
数据瓶颈：为什么机器人仍然难以应对左转
要理解为什么 Uber 的举动如此具有颠覆性，我们必须审视自动驾驶的现状。简单来说，制造一辆自动驾驶汽车很容易；制造一辆每 50,000 英里不会犯一次危及生命错误的汽车却极其困难。该行业已经达到了一个阶段，即底层算法（汽车的大脑）已经相当稳健。问题在于，这些大脑在获得信任之前，需要经历每一种可能的场景。
把自动驾驶系统想象成一个不知疲倦的实习生。它可以 24/7 全天候工作而不会感到无聊，但它毫无常识。它需要看到一千种孩子追球跑进街道的不同方式，或者伦敦与洛杉矶建筑工人手势的区别。目前，自动驾驶公司通过部署小型、专门的、装满昂贵传感器的 SUV 车队来收集这些数据。这是一个缓慢、资本密集型的过程，将他们的学习限制在少数特定的街区。
Uber 意识到，他们已经拥有一个遍布全球每个角落的数百万辆汽车的车队。如果这些车辆中哪怕只有 5% 配备了精简的传感器套件，Uber 在一个下午收集的真实驾驶数据就能超过传统自动驾驶公司一年的收集量。
从打车服务到自动驾驶云（AV Cloud）
在底层，这个项目是 Uber 自动驾驶实验室（AV Labs）的演变。最初，这是一个使用 Uber 自有车辆测试传感器的小型项目。现在，目标是将这种收集去中心化。Uber 正在构建 Naga 所称的“自动驾驶云（AV Cloud）”——一个庞大的、可搜索的标记传感器数据库。
想象一下你是一家开发送货机器人的初创公司。你需要了解孟买的人们如何绕过流浪牛，或者波士顿的司机如何应对突如其来的雨夹雪。你无需向这些城市派遣自己的汽车，只需查询 Uber 的库。你为你需要的特定场景付费，Uber 则提供由其驾驶员网络收集的高保真数据。
除了出售原始数据外，Uber 还提供一种名为“影子模式（shadow mode）”的服务。这允许自动驾驶公司在真实的 Uber 行程后台运行其软件。人类驾驶员完全掌控汽车，但 AI 在“模拟”驾驶，实时将其决策与人类的行为进行比较。这创造了一个安全的虚拟训练场，以物理世界为背景。
为什么这一战略是财务上的神来之笔
在市场方面，这一转型是向价值链上游移动的经典案例。制造硬件是动荡且昂贵的；提供驱动该硬件的数据则是一项高利润、可扩展的软件业务。通过远离“金属（硬件）”并转向“信息”，Uber 避免了拥有机器人出租车车队的巨大责任和维护成本，同时让自己对那些拥有车队的公司变得不可或缺。
从历史上看，科技行业曾上演过这一幕。在互联网早期，各家公司都在争相制造最好的台式电脑。最终，最具韧性的公司是那些提供搜索引擎和数据协议的公司，而这些是其他所有人必须使用的。Uber 本质上是试图成为物理道路上的谷歌搜索。
| 功能 | 传统自动驾驶公司 | Uber 的自动驾驶云模式 |
|---|---|---|
| 车队规模 | 数百至数千辆车 | 潜力达数百万辆驾驶员自备车 |
| 数据多样性 | 局限于特定的测试城市 | 全球化，涵盖多种气候和文化 |
| 资本支出 | 高（购买/维护车队） | 低（专注于软件和传感器套件） |
| 主要资产 | 车辆 | 数据层 |
| 业务目标 | 取代驾驶员 | 为替代者提供动力 |
对普通用户的冲击
对于普通用户来说，这种转变起初可能感觉不到，但长期影响是系统性的。从实际操作来看，你的下一辆 Uber 可能会在后视镜附近或车顶安装稍微更复杂的摄像头阵列。Uber 已经表示，他们希望这个过程是透明的，尽管关于驾驶员如何因将汽车变成移动数据中心而获得补偿的细节仍不明朗。
从消费者的角度来看，这实际上可能会加速个人车辆自动驾驶功能的到来。随着 Uber 将这些训练数据民主化，负担不起庞大自动驾驶研究部门的小型汽车制造商可以购买 Uber 的云服务来改进自己的安全功能。这可能会导致这样一个未来：“自动驾驶”不再只是那些买得起六位数电动汽车的人的奢侈品，而是由数百万 Uber 驾驶员的集体经验驱动的标准安全功能。
相反，关于隐私和公共空间“监控”的担忧也是合理的。如果每辆 Uber 都变成一个滚动的 360 度摄像头，那么捕获的关于行人、其他驾驶员和私人财产的数据量将是前所未有的。Uber 将需要应对复杂的全球法规网络，以确保这些数据被匿名化并合乎伦理地使用。
“那又怎样？”：这对你意味着什么
最终，Uber 押注 21 世纪最有价值的商品不是将人从 A 点移动到 B 点的能力，而是实时绘制和理解这种移动如何发生的能力。他们正在将世界的道路变成数字原油，而他们的驾驶员就是钻头。
这意味着自动驾驶汽车的“竞赛”正在进入一个新阶段。它不再关乎谁拥有看起来最酷的机器人出租车；它关乎谁拥有最强大的、用于喂养机器的人类经验库。
作为消费者，你应该开始从不同的角度审视零工经济。你的驾驶员不仅仅是在提供服务；他们还在无意中构建一个有一天可能会取代其职业需求的系统。目前，这意味着更好的地图、下一辆车中更安全的辅助驾驶功能，以及或许对我们城市更直观的理解。但也意味着我们正走向一个世界，在这个世界里，我们的每一次出行都是一个更大、互联的机器学习实验中的数据点。
与其关注你所在城市第一辆无人驾驶汽车的到来，不如开始观察那些仍然有人驾驶的汽车上出现的传感器。那才是真正的革命发生的地方——不在硅谷的实验室里，而在你当地早高峰通勤的平凡日常交通中。
来源：
- TechCrunch: StrictlyVC Event Interview with Praveen Neppalli Naga.
- Uber Technologies, Inc. Investor Relations: AV Strategy Overview.
- Wayve: Collaborative Partnership Announcements.
- National Highway Traffic Safety Administration (NHTSA): Data Collection Guidelines for Autonomous Systems.
