Jaren na het beëindigen van zijn zelfrijdende project probeert Uber op een andere manier terug te keren naar de scène van zelfrijdende auto's: door de voertuigen van miljoenen online chauffeurs over de hele wereld te transformeren in mobiele 'sensorarrays' die gegevens leveren aan zelfrijdende bedrijven en andere echte AI-modellen.

Uber Chief Technology Officer Praveen Neppalli Naga maakte de langetermijnvisie bekend in een interview en beschreef deze als een “natuurlijke uitbreiding” van het nieuwe project AV Labs van het bedrijf dat eind januari van dit jaar werd aangekondigd. Hij zei dat het uiteindelijke doel van Uber is om in de nabije toekomst verschillende sensoren op de privéauto’s van menselijke bestuurders te installeren om echte gegevens over het wegbeeld te verzamelen. Naga benadrukte ook dat het bedrijf, voordat het deze stap zet, een grondig inzicht moet hebben in de mogelijkheden en werkmethoden van verschillende sensorkits, en moet wachten tot de Amerikaanse staten duidelijkere regelgevingsrichtlijnen geven over “wat een sensor is en hoe gegevens moeten worden gedeeld”.

Momenteel opereert AV Labs nog steeds met een beperkte vloot van speciale voertuigen uitgerust met sensoren die door Uber zelf worden aangestuurd en onafhankelijk zijn van de groep chauffeurs die dagelijkse ritten maakt. Maar uit het verhaal van Uber blijkt dat dit slechts een beginpunt is: Uber heeft miljoenen chauffeurs over de hele wereld, en zelfs als slechts een klein aantal voertuigen is uitgerust met sensoren, is het voldoende om een ​​netwerk voor de verzameling van weggegevens op te bouwen dat voor elk zelfrijdend bedrijf moeilijk te evenaren is. Naga is van mening dat het knelpunt dat de evolutie van autonome rijtechnologie beperkt niet langer het onderliggende algoritme of de rekenkracht is, maar hoogwaardige en voldoende diverse gegevens uit de echte wereld. “Het knelpunt zijn de data”, zegt hij. “Bedrijven als Waymo moeten voortdurend op pad gaan en gegevens verzamelen om verschillende scenario’s te dekken.”

In zijn visie kunnen zelfrijdende bedrijven op aanvraag uiterst gedetailleerde trainingsgegevens aanpassen via het netwerk van Uber, zoals de vereiste om "de verkeersomstandigheden op een kruispunt voor een school in San Francisco gedurende een specifieke periode te verzamelen om het model te trainen." Het echte probleem is dat de meeste autonoom rijdende bedrijven niet over voldoende kapitaal beschikken om hun eigen wagenparken op grote schaal over de hele wereld in te zetten om deze long-tail-scenario’s met hoge dichtheid af te dekken. Als Uber de bestaande chauffeurs- en voertuigbronnen kan mobiliseren, wordt verwacht dat het de gegevensvoorzieningslaag voor de hele sector zal worden, en een gestage stroom van ‘brandstof’ zal leveren voor autonome rijtechnologie.

De buitenwereld vraagt ​​zich al lang af of Uber in de toekomst zal worden ‘omzeild’ door zelfrijdende bedrijven nadat het de bouw van zijn eigen zelfrijdende auto’s heeft opgegeven, of zelfs zal worden gemarginaliseerd in het reisecosysteem. Mede-oprichter Travis Kalanick heeft ook publiekelijk verklaard dat het opgeven van autonoom rijden een ‘grote vergissing’ is. Tegenwoordig probeert Uber via AV Labs zijn rol te transformeren van een ontwikkelaar van zelfrijdende voertuigen naar een infrastructuur- en dataplatform op dit gebied, waarbij onderliggende mogelijkheden worden geboden aan alle deelnemers met behulp van zijn uitgebreide chauffeursnetwerk en orderstroom.

Uber heeft momenteel partnerschappen met 25 zelfrijdende bedrijven over de hele wereld, waaronder spelers als Wayve, dat actief is in Londen. Op basis hiervan bouwt het bedrijf een zogenaamde ‘AV-cloud’: een volledig geannoteerd multimodaal sensordatawarehouse dat partners kunnen ophalen en oproepen om hun eigen autonome rijmodellen te trainen. Naga zei dat partnerbedrijven ook 'schaduwmodus'-gevolgtrekkingen kunnen uitvoeren op echte bestellingen op het Uber-platform - dat wil zeggen, simuleren hoe hun eigen autonome rijsystemen beslissingen zullen nemen op basis van echte ritgegevens zonder daadwerkelijk autonome voertuigen op de weg te zetten.

Afgaande op het uiterlijk probeert Uber dit platform te verpakken als een ‘openbare faciliteit voor de sector’. "Ons doel is niet om geld te verdienen met deze gegevens", zei Naga, "maar om deze te democratiseren." Maar gezien de commerciële waarde en de schaarste aan hoogwaardige data op het gebied van autonoom rijden en het bredere AI-veld, is het nog maar de vraag of een dergelijke positionering in de toekomst kan worden volgehouden. Uber heeft de afgelopen jaren aandeleninvesteringen gedaan in een aantal zelfrijdende bedrijven, en als de grootschalige en gedifferentieerde trainingsgegevens waarover het beschikt deel gaan uitmaken van de kerncompetenties van zijn partners, zal de onderhandelingsmacht van Uber tegenover deze bedrijven waarschijnlijk verder worden versterkt.

Achter dit idee verschuift de logica van Uber van ‘een auto bouwen’ naar ‘een platform bouwen’: aan de ene kant blijft het zijn instapvoordeel op eindgebruikersniveau behouden via zijn eigen reis- en voedselbezorgnetwerk; aan de andere kant probeert het de echte route en scènes van het voertuig van de bestuurder vast te leggen in gestructureerde data-assets ten behoeve van autonoom rijdende bedrijven en zelfs andere grote modelbedrijven die trainingsgegevens uit de fysieke wereld nodig hebben. Voor een bedrijf dat al lang geleden is gestopt met het maken van hardware- en softwarestacks voor autonoom rijden, kan dit een nieuwe manier zijn om te blijven deelnemen aan de volgende ronde van veranderingen in de transporttechnologie en daarin aanwezig te blijven.