자율주행 프로젝트를 종료한 지 몇 년 후, Uber는 또 다른 방식으로 무인자동차 현장으로 돌아가려고 노력하고 있습니다. 즉, 전 세계 수백만 명의 온라인 차량호출 운전자의 차량을 자율주행 회사와 기타 실제 AI 모델에 데이터를 제공하는 모바일 '센서 어레이'로 전환하는 것입니다.

Uber 최고 기술 책임자(CTO)인 Praveen Neppalli Naga는 인터뷰에서 장기 비전을 공개하면서 이를 올해 1월 말에 발표한 회사의 새 프로젝트인 AV Labs의 '자연스러운 확장'이라고 설명했습니다. 그는 우버의 궁극적인 방향은 가까운 미래에 인간 운전자의 자가용에 다양한 센서를 설치해 실제 도로 장면 데이터를 수집하는 것이라고 말했다. Naga는 또한 이 단계를 수행하기 전에 회사가 다양한 센서 키트의 기능과 작동 방법을 철저히 이해해야 하며 미국 주에서 "센서란 무엇이며 데이터를 공유하는 방법"에 대한 보다 명확한 규제 지침을 제공할 때까지 기다려야 한다고 강조했습니다.

현재 AV Labs는 Uber가 직접 운영하고 매일 차량을 운행하는 운전자 그룹과 독립적인 센서가 장착된 제한된 전용 차량을 운영하고 있습니다. 하지만 이는 단지 시작점일 뿐이라는 우버의 이야기를 보면 알 수 있다. 우버는 전 세계적으로 수백만 명의 운전자를 보유하고 있고, 소수의 차량에만 센서가 장착되어 있다고 해도 단일 자율주행 회사가 따라잡기 어려운 도로 데이터 수집 네트워크를 구축하는 것만으로도 충분하다. Naga는 자율주행 기술의 발전을 제한하는 병목 현상이 더 이상 기본 알고리즘이나 컴퓨팅 성능이 아니라 고품질의 충분히 다양한 실제 데이터라고 믿습니다. “병목 현상은 데이터입니다.”라고 그는 말했습니다. "Waymo와 같은 회사는 다양한 시나리오를 다루기 위해 끊임없이 나가서 데이터를 수집해야 합니다."

그의 비전에 따르면, 자율주행 회사는 "모델을 훈련하기 위해 특정 기간 동안 샌프란시스코에 있는 학교 앞 교차로에서 교통 상황을 수집"해야 하는 요구 사항과 같이 Uber의 네트워크를 통해 요청에 따라 극도로 상세한 훈련 데이터를 맞춤화할 수 있습니다. 실제 문제는 대부분의 자율주행 회사가 이러한 롱테일 시나리오를 고밀도로 처리하기 위해 전 세계에 대규모로 자체 차량을 배치할 만큼 충분한 자본이 없다는 것입니다. 우버가 기존 운전자와 차량 자원을 동원할 수 있다면 업계 전체의 데이터 공급 레이어가 되어 자율주행 기술을 위한 꾸준한 '연료'를 제공할 것으로 기대된다.

외부 세계에서는 우버가 자체 자율주행차 개발을 포기한 후 미래에 자율주행 기업들에 의해 '우회'될 것인지, 아니면 여행 생태계에서 소외될 것인지 오랫동안 의문을 제기해 왔습니다. 공동 창업자인 트래비스 칼라닉(Travis Kalanick)도 자율주행을 포기하는 것은 "큰 실수"라고 공개적으로 밝혔습니다. 현재 Uber는 AV Labs를 통해 자율주행 차량 개발자에서 이 분야의 인프라 및 데이터 플랫폼으로 역할을 전환하고 광범위한 운전자 네트워크 및 주문 흐름을 통해 모든 참여자에게 기본 기능을 제공하려고 노력하고 있습니다.

Uber는 현재 런던에서 운영되는 Wayve와 같은 플레이어를 포함하여 전 세계 25개 자율주행 회사와 파트너십을 맺고 있습니다. 이를 기반으로 회사는 파트너가 자체 자율 주행 모델을 훈련하기 위해 검색하고 호출할 수 있는 완전히 주석이 달린 다중 모드 센서 데이터 웨어하우스인 소위 "AV 클라우드"를 구축하고 있습니다. Naga는 파트너 회사가 Uber 플랫폼의 실제 주문에 대해 "섀도우 모드" 추론을 실행할 수도 있다고 말했습니다. 즉, 자율주행차를 실제로 도로에 운행하지 않고도 자체 자율주행 시스템이 실제 여행 데이터에 대해 어떻게 결정을 내리는지 시뮬레이션하는 것입니다.

우버는 외관상으로 볼 때 이 플랫폼을 '산업 공공 시설'로 패키징하려고 한다. Naga는 "우리의 목표는 이 데이터로 돈을 버는 것이 아니라 이를 민주화하는 것"이라고 말했습니다. 그러나 자율주행과 더 넓은 AI 분야에서 고품질 데이터의 상업적 가치와 희소성을 고려할 때 이러한 포지셔닝이 앞으로도 지속될 수 있을지는 여전히 의문이다. 실제로 우버는 최근 몇 년간 다수의 자율주행 기업에 지분 투자를 했고, 우버가 보유한 대규모의 차별화된 훈련 데이터가 파트너의 핵심 역량이 된다면 이들 기업 앞에서 우버의 협상력은 더욱 강화될 가능성이 높다.

이 아이디어 뒤에는 Uber의 논리가 "자동차 만들기"에서 "플랫폼 만들기"로 바뀌고 있습니다. 한편으로는 Uber는 자체 여행 및 음식 배달 네트워크를 통해 최종 사용자 수준에서 진입 이점을 계속 유지합니다. 반면에, 운전자 차량의 실제 경로와 장면을 구조화된 데이터 자산으로 침전시켜 자율 주행 회사와 심지어 물리적 세계의 훈련 데이터가 필요한 기타 대형 모델 회사에 서비스를 제공하려고 합니다. 자율주행 하드웨어 및 소프트웨어 스택 제작을 중단한 지 오래 된 회사의 경우 이는 다음 단계의 교통 기술 변화에 계속 참여하고 그 자리를 유지할 수 있는 새로운 방법일 수 있습니다.