Uber muốn biến hàng triệu tài xế thành mạng lưới cảm biến cho xe tự lái

02 tháng 5, 2026·4 phút đọc

Giám đốc công nghệ của Uber, Praveen Neppalli Naga, đã tiết lộ kế hoạch biến xe của tài xế thành thiết bị thu thập dữ liệu cho các công ty xe tự lái. Đây là bước mở rộng tự nhiên của chương trình AV Labs nhằm giải quyết nút thắt dữ liệu trong ngành công nghiệp xe hơi tự hành.

Uber muốn biến hàng triệu tài xế thành mạng lưới cảm biến cho xe tự lái

Uber có một tham vọng dài hạn vượt xa việc chỉ chở khách: công ty muốn trang bị cảm biến cho xe của tài xế con người để thu thập dữ liệu thực tế cho các công ty xe tự lái (AV) — và có thể là cho các công ty khác đang huấn luyện mô hình AI dựa trên các tình huống trong thế giới thực.

Praveen Neppalli Naga, Giám đốc công nghệ của Uber, đã tiết lộ kế hoạch này trong một cuộc phỏng vấn tại sự kiện StrictlyVC của TechCrunch ở San Francisco vào tối thứ Năm. Ông mô tả đây là sự mở rộng tự nhiên của một chương trình sơ khai mà công ty công bố vào cuối tháng 1 gọi là AV Labs.

Hướng đi tương lai và thách thức pháp lý

"Đó là hướng đi mà chúng tôi muốn hướng tới cuối cùng," ông Naga nói về việc trang bị cho phương tiện của tài xế con người. "Nhưng trước tiên chúng tôi cần hiểu rõ về các bộ cảm biến và cách chúng hoạt động. Có một số quy định — chúng tôi phải đảm bảo mọi tiểu bang đều có sự rõ ràng về ý nghĩa của cảm biến và việc chia sẻ dữ liệu đó."

Hiện tại, AV Labs dựa vào một đội xe nhỏ chuyên dụng được trang bị cảm biến do Uber vận hành, tách biệt khỏi mạng lưới tài xế. Nhưng tham vọng rõ ràng lớn hơn nhiều. Uber có hàng triệu tài xế trên toàn cầu, và nếu chỉ một phần nhỏ trong số những chiếc xe đó được biến thành nền tảng thu thập dữ liệu di động, quy mô những gì Uber có thể cung cấp cho ngành công nghiệp AV sẽ vượt xa bất kỳ công ty AV nào tự xây dựng.

Nút thắt cổ chai là dữ liệu

Sự thấu hiểu thúc đẩy chương trình này, theo ông Naga, là yếu tố hạn chế cho sự phát triển của AV không còn là công nghệ cốt lõi nữa.

"Nút thắt cổ chai là dữ liệu," ông nói. "[Các công ty như Waymo] cần đi vòng quanh để thu thập dữ liệu, thu thập các tình huống khác nhau. Bạn có thể nói: ở San Francisco, 'Tại ngã tư trường học này, tôi muốn một số dữ liệu vào thời điểm này trong ngày để tôi có thể huấn luyện mô hình của mình'. Vấn đề đối với tất cả các công ty này là quyền truy cập vào dữ liệu đó, vì họ không có vốn để triển khai xe và đi thu thập tất cả thông tin này."

Trở thành lớp dữ liệu cho toàn bộ hệ sinh thái AV là một nước đi khá thông minh, đặc biệt khi xét đến việc Uber đã từ bỏ tham vọng xây dựng xe tự lái của riêng mình nhiều năm trước (một động thái mà đồng sáng lập Travis Kalanick đã công khai hối tiếc như một sai lầm lớn). Thực tế, nhiều người quan sát ngành công nghiệp đã tự hỏi liệu, nếu không có xe tự lái riêng, Uber có thể một ngày nào đó trở nên lỗi thời khi các xe AV ngày càng mọc lên khắp nơi trên thế giới hay không.

Đám mây AV và đối tác chiến lược

Hiện tại, công ty có quan hệ đối tác với 25 công ty AV — bao gồm Wayve, hoạt động tại London — và đang xây dựng những gì ông Naga mô tả là "đám mây AV" (AV cloud): một thư viện dữ liệu cảm biến đã được gắn nhãn mà các công ty đối tác có thể truy vấn và sử dụng để huấn luyện mô hình của họ.

Các đối tác, mà Uber dự định đầu tư trực tiếp mạnh mẽ hơn, cũng có thể sử dụng hệ thống này để chạy các mô hình đã huấn luyện của họ trong "chế độ bóng" (shadow mode) dựa trên các chuyến đi thực tế của Uber, mô phỏng cách một chiếc AV sẽ hoạt động mà không cần thực sự đưa nó lên đường.

"Mục tiêu của chúng tôi không phải là kiếm tiền từ dữ liệu này," ông Naga nói. "Chúng tôi muốn dân chủ hóa nó."

Cho giá trị thương mại rõ ràng của những gì Uber đang xây dựng, định vị này có thể không kéo dài. Công ty đã đầu tư vốn vào nhiều người chơi AV, và khả năng cung cấp dữ liệu huấn luyện độc quyền quy mô lớn có thể mang lại cho họ sức ảnh hưởng đáng kể đối với một lĩnh vực hiện đang phụ thuộc vào thị trường gọi xe của Uber để tiếp cận khách hàng.

Bài viết được tổng hợp và biên soạn bằng AI từ các nguồn tin tức công nghệ. Nội dung mang tính tham khảo. Xem bài gốc ↗