Uber хочет превратить миллионы водителей в сенсорную сеть для беспилотников
Компания строит облачную библиотеку данных для разработчиков автономных автомобилей и планирует оснастить машины водителей датчиками для сбора данных в реальном мире.

Содержание · 4
Uber больше не хочет быть просто агрегатором такси. Технический директор компании Правин Неппалли Нага публично обозначил долгосрочную цель: оснастить автомобили миллионов водителей-партнёров сенсорами и превратить их в распределённую сеть сбора данных для компаний, разрабатывающих беспилотные автомобили. Об этом он рассказал на мероприятии StrictlyVC в Сан-Франциско.
По масштабу замысел сопоставим с созданием глобальной картографической инфраструктуры — только вместо спутников и дронов используются обычные машины с пассажирами на заднем сиденье.
Почему данные стали узким местом беспилотной отрасли
Нага сформулировал ключевой тезис: технологический барьер для разработки автономных автомобилей уже не является главным препятствием. «Бутылочное горлышко — это данные», — сказал он. Компании вроде Waymo вынуждены самостоятельно разворачивать флоты машин, чтобы собирать информацию о конкретных перекрёстках, временных паттернах трафика и нестандартных дорожных ситуациях. Это требует огромного капитала и времени.
Uber предлагает альтернативу: вместо того чтобы каждая AV-компания строила собственную инфраструктуру сбора данных, они могут получить доступ к уже существующей сети из миллионов автомобилей, ежедневно курсирующих по городам по всему миру. Запрос может выглядеть так: «Дайте мне данные о перекрёстке у школы в Сан-Франциско в 8 утра в будний день» — и система выдаёт размеченные сенсорные данные из реальных поездок.
Как устроен AV Labs и что планируется дальше
Программа AV Labs, анонсированная в январе 2026 года, пока работает на небольшом выделенном флоте автомобилей с датчиками, которыми управляет сама Uber, — отдельно от сети водителей-партнёров. Компания строит то, что Нага назвал «AV-облаком»: библиотеку размеченных сенсорных данных, к которой партнёры могут делать запросы и использовать для обучения своих моделей.
Одна из ключевых функций системы — режим «теневого» тестирования: партнёры могут запускать уже обученные модели поверх реальных поездок Uber, симулируя поведение беспилотника без фактического выезда на дорогу. Это существенно снижает стоимость и риски валидации алгоритмов.
Долгосрочный план — распространить сенсорное оборудование на обычные автомобили водителей-партнёров. Нага оговорился, что для этого нужно сначала разобраться с техническими стандартами сенсорных комплектов и регуляторными требованиями: в каждом штате США свои правила относительно того, какие данные можно собирать и как их передавать.
Сегодня у Uber 25 партнёров среди AV-компаний, включая британский стартап Wayve, работающий в Лондоне. В ряд из них Uber уже сделал прямые инвестиции и намерен наращивать этот портфель.
Стратегический разворот после отказа от собственных беспилотников
Контекст этой стратегии важен. Несколько лет назад Uber продал собственное подразделение по разработке беспилотных автомобилей — решение, которое сооснователь компании Трэвис Каланик публично назвал серьёзной ошибкой. С тех пор аналитики задавались вопросом: не окажется ли Uber на обочине, когда беспилотники начнут массово вытеснять водителей-людей?
Нынешняя стратегия — ответ на этот вопрос. Вместо того чтобы конкурировать с Waymo или Tesla в создании AV-технологий, Uber позиционирует себя как инфраструктурный слой всей отрасли: маркетплейс поездок плюс поставщик обучающих данных плюс среда для тестирования алгоритмов. Если это сработает, компания окажется незаменимой вне зависимости от того, кто в итоге выиграет гонку беспилотников.
Нага заявил, что монетизация данных не является целью: «Мы хотим демократизировать доступ к ним». Однако при очевидной коммерческой ценности того, что строит Uber, такое позиционирование вряд ли останется неизменным. Компания уже владеет долями в AV-стартапах и может использовать эксклюзивный доступ к данным как рычаг влияния на партнёров, которые одновременно зависят от её платформы для выхода к клиентам.
Что это означает для рынков за пределами США
Для белорусских IT-компаний и инвесторов эта история интересна сразу в нескольких измерениях. Во-первых, она показывает, как платформенные игроки монетизируют уже существующую инфраструктуру, не вкладываясь в разработку «железа» с нуля. Во-вторых, спрос на размеченные данные для обучения AV-моделей — это растущий рынок, на котором белорусские компании с экспертизой в data annotation и computer vision теоретически могут занять нишу.
Резиденты Парка высоких технологий, работающие в сегментах машинного обучения и компьютерного зрения, уже выполняют заказы для западных AV-компаний. Если Uber действительно выстроит описанную экосистему, объём таких заказов будет только расти — вместе с требованиями к качеству и скорости разметки данных.
Свежие новости
Все новости
Google Maps Platform теперь доступна в AI Studio
Google добавила поддержку Maps Platform в AI Studio: разработчик описывает идею, Gemini генерирует код, а студия автоматически подключает ключ API и показывает живой интерактивный превью.

AWS выпустила open-source UI для графовой аналитики поверх data lake
AWS представила open-source решение с локальным веб-интерфейсом, которое позволяет превращать записи из data lake в графы для анализа в Amazon Neptune Analytics — без ручной сборки ETL-пайплайнов.

Amazon S3 Access Points для FSx расширили региональное покрытие
AWS расширила доступность S3 Access Points для файловых систем Amazon FSx: FSx for NetApp ONTAP получила поддержку в 4 новых регионах, FSx for OpenZFS — в 20. Данные остаются на файловой системе, но становятся доступны через S3 API для сервисов ИИ, аналитики и бессерверных вычислений.

Claude Fable 5.2 доступен в Vercel AI Gateway
Anthropic Claude Fable 5.2 появился в Vercel AI Gateway. Модель ориентирована на открытые технические задачи: кодирование, рассуждение и компьютерное зрение. Доступ требует хранения данных — ZDR не поддерживается.

Google открыла TPU Sync: библиотека для управления KV-кэшем и весами моделей на TPU
Google выпустила TPU Sync — открытую C++-библиотеку, которая организует передачу тензоров между HBM, оперативной памятью хоста, локальными SSD и сетевым хранилищем как единой иерархией памяти. Для MoE-моделей от 235B до 480B параметров библиотека сокращает задержку передачи KV-кэша и время до первого токена в среднем на 90% по сравнению с работой без TPU Sync.

Cloud Pathways для GKE перешёл в статус GA
Google Cloud объявил об общей доступности Cloud Pathways на Google Kubernetes Engine. Среда выполнения, созданная в Google DeepMind для обучения и инференса фронтирных моделей, включая Gemini, теперь открыта для всех клиентов платформы.

NVIDIA Dynamo получил рецепты развёртывания для ведущих корейских открытых моделей
NVIDIA выпустила оптимизированные рецепты развёртывания на базе Dynamo для четырёх корейских открытых моделей. Конфигурации рассчитаны на GPU NVIDIA B200 и заявляют до двукратного прироста производительности из коробки.

Copilot Impact Dashboard теперь показывает Chat и VS Code Agents
GitHub обновил Copilot Impact Dashboard: диаграмма принятия теперь охватывает девять функций, включая Copilot Chat и окно VS Code Agents. Когорта «Passive users» переименована в «Chat-first users».

AWS Agent Registry стал доступен в регионе GovCloud (US-West)
Amazon Bedrock AgentCore расширил географию: AWS Agent Registry теперь доступен в регионе AWS GovCloud (US-West), предназначенном для организаций государственного сектора США и их партнёров.