Uber要把司机变成自动驾驶的数据矿工 🚗⛏️

以后最值钱的出租车，可能不是会接单的车，而是会帮别人训练机器人的车。

Uber这次透露的计划很狠：它想把全球数百万司机的车，逐步变成一个移动传感器网络，为自动驾驶公司采集真实道路数据。不是自己重新杀回去造无人车，而是站到所有无人车公司的上游，卖铲子、卖地图、卖真实世界。

TechCrunch在5月2日报道，Uber CTO Praveen Neppalli Naga在旧金山StrictlyVC活动上说，Uber长期希望给人类司机的车装上传感器，让这些车采集现实世界场景。现在AV Labs还只是小规模自营传感器车队，但方向已经很清楚：先理解传感器套件和监管边界，再把能力扩展到司机网络。

这件事真正重要的地方，不是Uber又讲了一个自动驾驶故事，而是它承认了自动驾驶行业的最大瓶颈：不是算法不够酷，而是真实数据不够多。

自动驾驶公司最缺的，不是发布会上的演示视频，而是每天、每条路、每个时间段里，那些脏乱差的复杂场景。学校门口的临停，暴雨天的外卖车，路口突然变道的司机，夜里逆光的行人，这些东西不是实验室能凭空造出来的。模型越高级，越需要真实世界喂养。

金句来了：AI的上半场比谁更会算，下半场比谁更接近真实世界。 🎯

Uber的聪明在于，它已经有这个真实世界入口。它不需要像单个自动驾驶公司那样，一座城一座城去铺测试车。它有司机，有订单，有路线，有乘客需求，有跨城市的出行网络。哪怕只有一小部分司机车辆装上传感器，规模也可能超过许多自动驾驶公司自己能负担的车队。

这会改变自动驾驶公司的权力结构。

过去，Waymo、特斯拉、各类Robotaxi公司讲的是“我有技术，所以我能赢”。现在Uber想讲的是“你有技术，但你要的数据、场景、分发和用户，都在我这里”。一旦Uber把这些数据做成所谓AV cloud，让合作伙伴查询、标注、训练，甚至用真实Uber行程做shadow mode模拟，它就不只是网约车平台，而是自动驾驶行业的水电煤。

谁危险？第一类是只会讲模型、不掌握场景的自动驾驶创业公司。你可以融到钱，可以买GPU，可以挖科学家，但你买不到一个全球司机网络。第二类是传统车企。车企有车，但未必有高频运营场景；有硬件，但未必知道每天城市道路真实发生了什么。第三类是低端数据采集团队。以前靠人工开车采路测数据还能活，以后平台级数据网络一旦形成，小团队会被压得很薄。

谁受益？Uber自己当然受益。它当年放弃自研自动驾驶，被很多人认为是战略失误。现在它换了打法：不亲自下场当选手，而是做裁判、做场地、做数据供应商。还有英伟达、传感器厂商、车载计算供应链也会受益，因为真实世界数据采集一旦规模化，硬件需求不会少。

国外和国内的差别也很明显。 🌍

国外的Uber更像一个“出行入口加数据层”。它没有完整掌握车，也不直接造Robotaxi，但它有足够多司机和合作伙伴，可以把生态做成网络。国内则更复杂：网约车平台、车企、Robotaxi公司、地图厂商、本地生活平台之间边界更近，数据合规也更敏感。国内公司如果照抄Uber，第一关不是技术，而是数据权属、司机授权、城市监管和商业分账。

这给普通人和创业者的提醒很直接。 💡

第一，别只盯着大模型本身。未来很多钱会在“给AI提供真实世界燃料”的地方产生，比如采集、清洗、标注、仿真、合规流转。

第二，做AI产品要问自己离场景有多近。没有场景的数据服务，很容易沦为外包；掌握高频场景的数据服务，才有议价权。

第三，国内团队不要迷信“造一个更强模型”。更现实的机会，是围绕一个行业拿到连续、真实、可授权的数据闭环。比如物流、门店、工厂、物业、医疗设备、教育现场，谁能合法持续地拿到场景，谁才有长期壁垒。

第四，打工人也要警惕。未来很多岗位不会被一个通用AI直接替代，而是被“平台加传感器加模型”的系统慢慢吞掉。司机不是立刻消失，但司机的车、路线、行为，可能先变成训练无人车的原料。

Uber这步棋的打人感在这里：当你还在讨论自动驾驶什么时候取代司机时，平台已经开始把司机变成训练自动驾驶的基础设施。 ⚡

未来最贵的不是那辆无人车，而是让无人车学会开车的每一公里。

资讯来源整理： 

TechCrunch