Uber重返自動駕駛！不造車改做“數據基建”，助力破解行業長尾難題

車東西（公眾號：chedongxi）
作者 ｜ 聶夢穎
編輯 ｜ 志豪

車東西1月28日消息，據外媒TechCrunch披露，近日，網約車巨頭Uber宣布成立全新部門“Uber AV Labs”，正式回歸自動駕駛領域。Uber此次表示不會重走全棧自研Robotaxi的老路，而是轉型為數據服務商，利用搭載傳感器的自有車隊，為Waymo、Waabi、Lucid Motors等合作伙伴提供真實路測數據。

Uber首席技術官Praveen Neppalli Naga強調，該項目在初期階段并不以盈利為核心目標，而是希望通過推動數據開放與共享，幫助行業破解共同發展難題，加速整個自動駕駛生態系統的成熟。

這意味著Uber想要利用規模優勢掌控核心數據，確立其在行業中的重要地位。

一、車隊存在規模瓶頸 仿真模擬難解長尾難題

當前，自動駕駛企業普遍面臨一個核心矛盾：技術再先進，單一公司的測試車隊規模終究有限，難以覆蓋現實世界中所有突發和復雜的交通狀況。

即便是行業領頭羊Waymo，在運營十年后也會因為識別不出停在路邊的校車而“翻車”。這充分說明，雖然計算機仿真可以模擬大部分路況，但在捕捉那些長尾場景時，仍存在缺陷。

Uber看準的正是這一點：在自動駕駛領域，最渴望獲得外部數據支持的，往往正是頭部企業。因為它們深知，想要將安全率從99%提升到99.99%，唯有消耗海量數據才能實現。

數據的厚度取決于場景的廣度。遺憾的是，現有自動駕駛公司受限于車隊規模，其服務無法覆蓋所有突發場景。而Uber的價值就在于，它能觸達這些空白地帶，幫助合作伙伴提前發現并排除安全隱患。

▲Uber工程副總裁Danny Guo在社交媒體上的發言

二、引入影子模式驗證算法 捕捉人類駕駛直覺優勢

如何采集這些數據？Uber借鑒了特斯拉的“影子模式”（Shadow Mode）。

具體而言，Uber計劃將合作伙伴的自動駕駛算法接入到自己的測試車后臺。車輛仍由Uber的人類駕駛員操控，而后臺算法也在同步運行。當人類駕駛員的操作與后臺算法的判斷出現分歧時，系統會即時標記這一差異。

Uber工程副總裁Danny Guo指出，這種方法不僅能高效識別算法缺陷，更能訓練AI模型學習人類駕駛員的老練與直覺，使自動駕駛系統的表現更接近人類。

此外，Uber還會對數據進行清洗和語義標注。這意味著，Uber提供的是經過處理的高質量數據，不僅能直接幫助其合作伙伴優化路徑規劃，還能降低他們的數據處理成本。

三、依托全球網絡優勢 靈活調度實現定向采集

盡管AV Labs目前仍處于起步階段，僅有一輛現代艾尼氪 5（Ioniq 5）原型車進行測試，且傳感器安裝仍需工程師手動完成，但該部門背后的資源不容小覷。

Uber擁有覆蓋全球600個城市的運營網絡。Danny Guo表示，這賦予了Uber極強的調度能力——可以根據合作伙伴的需求，靈活選擇特定城市、特定天氣或特定路況來采集數據。這種場景覆蓋的廣度和靈活性，是任何一個自動駕駛公司都難以企及的。

基于此網絡優勢，Uber采取了暫不收費的策略。Uber方表示，公司的首要任務是利用規模優勢確立其行業地位，通過構建數據基礎設施，將Uber打造成整個產業生態中不可或缺的一環。

▲Waymo與Uber平臺達成合作

結語：掌握核心數據資源 贏得行業話語權

Uber此次成立AV Labs，標志著其在自動駕駛領域的思路發生了根本性轉變。

Uber敏銳地意識到，與其在全棧自研的泥潭中與技術巨頭硬碰硬，不如退后一步，利用自身的規模優勢，做數據供應商。

這種角色的轉變，既規避了技術研發的高昂風險，又通過掌控核心數據資源，成功卡位自動駕駛產業鏈的上游。對于Uber而言，這不僅是業務的回歸，更是其在行業中確保話語權的重要一步。