Uber推出AV Labs部门，聚合道路数据助力机器人出租车合作伙伴

背景

2026 年 1 月，Uber 在一次独家采访中透露，将以全新业务单元 AV Labs 为核心，向超过 20 家自动驾驶合作伙伴提供高质量道路数据。此前 Uber 已于 2020 年将自研机器人出租车业务出售给 Aurora，此次回归并非重新研发硬件，而是聚焦数据层面的“赛道”。

业务模式

• 数据采集：AV Labs 先行部署配备激光雷达、毫米波雷达、摄像头等传感器的试验车（首批为 Hyundai Ioniq 5），在全球 600 座城市中灵活调度。
• 数据加工：采集的原始流数据经过 Uber 自研的语义标注管线，形成结构化的“场景‑行为‑意图”标签，便于合作伙伴直接用于强化学习或大模型训练。
• 交付方式：除原始数据外，Uber 计划提供 shadow‑mode 测试，即将合作伙伴的自动驾驶软件嵌入 AV Labs 车辆进行同步运行，实时标记偏差并反馈给合作方。

技术实现

AV Labs 采用模块化感知堆栈，核心包括：

• 多传感器融合：同步校准 LiDAR、雷达、摄像头，实现 360° 环视与高精度深度感知。
• 自动标注：基于自研的 Transformer‑MoE 模型，对行人、车辆、交通标志等目标进行自动标记，人工校验比例低于 5%。
• 场景生成：通过大规模数据聚类，抽取罕见边缘案例（如非法超车、学校巴士停靠违规等），并生成可复现的仿真场景。

“我们希望把数据价值最大化，让合作伙伴的技术进步快于单车规模的限制，” Uber 首席技术官 Praveen Neppalli Naga 在访谈中如是说。

行业影响

1. 降低数据获取门槛：中小型自动驾驶创业公司往往缺乏足够的车队规模，AV Labs 的数据服务有望打破“数据垄断”。
2. 加速边缘案例学习：真实道路的稀有场景远超仿真库，规模化采集可显著提升模型对异常情况的鲁棒性。
3. 推动行业标准化：统一的语义标注体系为跨公司合作提供公共语言，或催生行业级数据交换协议。

前景展望

Uber 计划在一年内将 AV Labs 团队扩充至数百人，并在未来两年内将试验车规模提升至上百辆，甚至考虑将其庞大的乘客叫车车队纳入数据采集网络。虽然短期内仍处于“试验”阶段，但凭借 Uber 在全球城市布局的优势，以及对数据质量的严格把控，这一举措有望成为自动驾驶生态系统的重要基石，为实现大规模安全机器人出租车奠定数据基座。