Uber 正將旗下數百萬名駕駛轉化為「行動感測網絡」，試圖解決自動駕駛（AV）產業最昂貴的數據瓶頸。當科技巨頭開始「販售真實世界」，這不僅是商業模式的轉型，更是一場關於勞動力價值、公共安全規管與數據隱私的重新定義。
隨著自動駕駛（AV）技術進入深水區，產業核心正從單純的「算力競賽」延伸至「數據競逐」。叫車巨頭 Uber 近日透露一項具備野心的長期構想，未來不排除將全球數百萬名人類司機的車輛，轉化為大規模道路感測網絡。與此同時，自動駕駛的指標戰場「加州」也於 4 月 28 日通過新的監管規則，內容包含自駕車違規通知制度、強化事故與系統失效通報，並允許重型自駕車在取得許可後進行測試與部署，為自駕產業劃下新的紅線。
Uber 的逆襲：從「棄造自駕車」到掌握「數據層」
Uber 技術長普拉文·內帕利·納加（Praveen Neppalli Naga）5 月在舊金山舉行的產業論壇上指出，自動駕駛技術發展的瓶頸，正逐漸從演算法本身，轉向缺乏足夠多樣化的真實道路數據。目前如 Waymo 等公司受限於資本支出，難以大規模部署車隊蒐集特定時段、路段與極端情境下的資訊；而 Uber 憑藉其遍布全球的駕駛網絡，具備了其他自駕公司難以複製的規模優勢。
這項名為「自動駕駛實驗室（AV Labs）」的延伸計畫，試圖將行程資料、道路情境與感測資訊轉化為自駕模型訓練所需的數據資產。儘管官方宣稱旨在讓更多自駕公司取得更豐富的道路資料，但隨著加州政府最新監管規則強化對無人車違規行為、系統失效與數據透明度的要求，這場科技巨頭與監管機構之間的權力博弈才剛拉開序幕。
輕資產數據戰略：規避硬體風險的矽谷豪賭
Uber 的轉型暴露自駕產業「資本密度」與「數據需求」之間的矛盾。早期科技公司傾向於垂直整合，從硬體、軟體到車隊運營一手包辦，但高昂成本與緩慢擴張速度成為致命傷。Uber 則選擇另一種戰略：利用既有平台、駕駛網絡與行程資料優勢，疊加感測器與資料服務能力，切入自駕商業化供應鏈，而非重新回到高資本支出的造車路線。
然而，這項計畫的核心隱憂在於駕駛身分的法律邊界。若未來合作駕駛的私家車被安裝商業用途感測器，這輛車究竟是「民用私車」還是「數據採集車」？目前的保險制度、道路使用稅率，乃至於駕駛是否應針對「提供數據」獲得額外補償，在現行法律架構下仍處於模糊地帶。Uber 試圖避開造車風險，卻可能陷入勞動關係與數據所有權的法律沼澤。
監管鐵拳降臨：當技術進度撞上法律防火牆
加州車輛管理局（DMV）的新規定顯示，政府對自動駕駛數據的需求與戒心同步提升。新制取消爭議已久的「脫離報告」，改為更具體、但也被業界認為可能增加負擔的系統失效與事件通報機制。同時，加州也建立自駕車違規通知制度，使執法機關能針對無人車違規行為向 AV 業者發出通知，藉此補上傳統交通執法難以套用於無人駕駛車輛的制度缺口。
對 Uber 而言，若未來將大量非專業改裝車輛納入感測網格，其數據準確性、一致性與標準化流程，都可能涉及高度法律風險。
如果一台配備 Uber 感測器的車輛發生事故，責任歸屬將變得極其複雜：是駕駛的操作失誤？感測器套件的標定問題？還是數據標註過程中的錯誤引導？公開資料目前尚不足以證明 Uber 已經解決大規模感測器部署下的品質控管問題，這將直接影響社會大眾對於「道路上隨處可見的數據蒐集車」的信任感。
當街道影像被私有化 誰才是最後贏家？
這場轉型的核心問題在於：公共道路的數位分身（Digital Twin）是否將逐步落入私人企業手中？Uber 的野心揭示未來城市的一種可能——每一輛穿梭在巷弄間的計程車，都可能成為科技巨頭的一組移動感測器。這不僅是技術研發的競賽，更是關於「公共空間數據化」的隱形演進。
當數據成為新的資本，如何在推動技術進步與保護公民權利之間達成動態平衡，將考驗各國政府的治理韌性。自動駕駛若要真正走向大規模商業化，不能只依賴模型訓練與道路測試，更必須回答責任歸屬、資料透明、隱私保護與公共利益分配等問題。
自動駕駛技術仍存在高度不確定性與潛在風險。Uber 相關感測與資料計畫，仍將受各州隱私、保險、勞動與數據共享法規約束；加州最新法規也可能影響相關企業的營運成本、測試節奏與商業化進度。