**编者按：**

　　在自动驾驶的赛道上，数据正成为新的“石油”。谁掌握了海量真实路况数据，谁就可能在技术迭代中抢占先机。Uber近日宣布成立“AV Labs”部门，计划用自身遍布全球的运营网络为Waymo、Waabi等自动驾驶公司输送关键路测数据——而且暂时免费。这不仅是商业策略的转变，更是行业生态的一次重塑：当特斯拉早已凭借百万级车队构建数据壁垒，Uber正试图以“数据民主化”打破僵局。然而，从一辆现代IonIQ 5原型车起步，到真正实现百城车队部署，Uber能否撬动行业杠杆？当极端路况成为技术突破的瓶颈，共享数据会是自动驾驶的“通关密码”吗？

　　Uber拥有超过20家自动驾驶合作伙伴，而它们都渴望同一件事：数据。因此，Uber宣布将通过新成立的“AV Labs”部门开放数据资源。

　　尽管名称如此，Uber并非要重启自家机器人出租车的研发（2018年其测试车撞死行人后已停止该业务，并于2020年通过复杂交易将部门出售给Aurora）。但Uber将派遣加装传感器的车辆进入城市，为Waymo、Waabi、Lucid Motors等合作伙伴收集数据——尽管目前尚未签署正式合同。

　　总体而言，自动驾驶汽车正处在从规则驱动向强化学习转型的关键期。随着这一转变，真实路况数据对训练系统变得至关重要。

　　Uber向TechCrunch透露，最渴求这些数据的正是那些已自行积累大量数据的公司。这标志着，如同许多前沿AI实验室，它们已意识到“解决”极端路况难题本质是一场数据量的较量。

　　目前，自动驾驶公司的车队规模限制了其数据收集能力。尽管许多公司通过模拟真实环境应对极端场景，但若要发现所有诡异、棘手和完全意外的路况，没有什么比实际道路上的大量行驶更有效。

　　Waymo的例子暴露了数据缺口：该公司运营和测试自动驾驶车辆已十年，但其机器人出租车近期仍被拍到违规超越停靠的校车。

　　Uber首席技术官Praveen Neppalli Naga在独家专访中表示，获取更庞大的驾驶数据池，能帮助机器人出租车公司在问题浮现前或出现时及时解决。

　　而Uber暂不打算收费。“我们的首要目标是实现数据民主化。这些数据的价值以及合作伙伴自动驾驶技术的进步，远比我们从中牟利更重要。”他强调。

　　Uber工程副总裁Danny Guo表示，实验室需先建立基础数据框架，再探索产品市场匹配。“如果我们不做，我们认为没人能做到。作为可能激活整个行业、加速生态发展的角色，我们必须承担这份责任。”他说。

　　新的AV Labs部门起步规模很小。目前仅有一辆现代IonIQ 5（Uber称不限于单一车型），Guo透露团队仍在亲手安装激光雷达、雷达和摄像头等传感器。

　　“我们不确定传感器套件会不会掉下来，但这就是我们的草根精神。”他笑道，“部署100辆车上路收集数据还需时间，但原型已经就位。”

　　合作伙伴不会收到原始数据。Naga表示，待车队投入运行后，部门需“对数据加工处理以适配合作伙伴需求”。这一“语义理解”层将被Waymo等公司的驾驶软件调用，以优化机器人出租车的实时路径规划。

　　Guo补充说，Uber还将引入“影子模式”：将合作伙伴的驾驶软件植入AV Labs车辆运行。一旦人类驾驶员与自动驾驶软件的操作出现差异，Uber会向合作方标记这些瞬间。这不仅能暴露软件缺陷，还能训练模型更接近人类驾驶风格。

　　这套模式似曾相识——本质上正是特斯拉过去十年训练自动驾驶软件的方式。不过Uber的规模远不能及，特斯拉每日有数百万客户车辆在全球道路行驶。

　　Uber并不焦虑。Guo表示将根据自动驾驶公司的需求进行针对性数据收集。“我们覆盖600个城市可供选择。只要合作伙伴指定目标城市，我们就能部署车辆。”他说。

　　Naga透露公司计划一年内将新部门扩展至数百人，并强调必须快速行动。尽管他设想未来可能调动Uber全部网约车车队收集训练数据，但也清醒意识到一切需从零开始。

　　“合作伙伴对我们说：‘任何有帮助的数据都可以。’因为Uber能收集的数据量，远超他们自身所能企及。”Guo总结道。