Per anni Uber è stata sinonimo di rivoluzione nella mobilità urbana, ma oggi il suo obiettivo appare diverso: non più solo un’app per mettere in contatto passeggeri e autisti, ma una infrastruttura che alimenta il futuro dei veicoli senza conducente. Dopo la cessione dell’Advanced Technologies Group (ATG) a Aurora, la società guidata da Dara Khosrowshahi ha scelto di riposizionarsi, puntando su partnership e su una raccolta dati su scala globale.
Dal produttore di tecnologia alla piattaforma di dati
La scelta di vendere l’ATG ha segnato una svolta: Uber ha abbandonato il tentativo di essere un costruttore diretto di tecnologie self-driving per diventare un layer che mette in contatto flotte, algoritmi e domanda di mobilità. In questa visione, l’elemento centrale non è più solo il software di guida, ma l’accesso a volumi massivi di informazioni reali, raccolte in contesti urbani estremamente vari.
Perché i dati sono il nuovo petrolio della guida autonoma
I sistemi di robotaxi richiedono miliardi di esempi per essere addestrati: scenari con condizioni meteorologiche diverse, segnali stradali ambigui, cantieri, comportamenti umani imprevedibili e eventi rari — i cosiddetti corner cases. Secondo Uber, il limite non è tanto la qualità degli algoritmi quanto la difficoltà di ottenere dataset sufficienti e diversificati. Qui entra in gioco il vantaggio competitivo dell’azienda: una rete globale di corse che produce dati reali ogni giorno.
La strategia della sensor grid e l’AV Labs
Una delle iniziative chiave è la cosiddetta sensor grid, proposta pubblica del Chief Technology Officer Praveen Neppalli Naga. L’idea è di dotare progressivamente i veicoli dei driver di telecamere, radar, lidar e altri sensori, trasformando milioni di corse quotidiane in una rete distribuita di acquisizione dati. Questo approccio permette di ottenere dataset multisensore sincronizzati e geograficamente eterogenei, fondamentali per addestrare modelli di guida autonoma affidabili.
AV Cloud: una piattaforma per partner
Parallelamente, Uber sta lavorando a un’architettura definita AV Cloud, un ambiente centralizzato dove le aziende partner possono accedere a dataset annotati per addestrare e validare modelli AI. L’obiettivo dichiarato è raccogliere volumi molto elevati di dati urbani, sfruttando la rete esistente senza dover mantenere flotte dedicate per mappare ogni città.
Un ecosistema aperto di alleanze
Uber non opera più in isolamento: ha stretto collaborazioni con oltre 25 realtà nel settore autonomous driving, tra cui nomi come Waymo, Zoox, Nuro e Waabi. Questa strategia multi-partner ha due scopi principali: ridurre la dipendenza da una singola tecnologia e posizionare Uber come mercato dove operatori diversi possono erogare servizi robotaxi integrati nella stessa app.
Esempi operativi e vantaggi commerciali
In alcune città i robotaxi di Waymo sono già disponibili attraverso l’app di Uber, mentre accordi con Zoox e altre società mirano a lanciare flotte in aree metropolitane come Las Vegas e Los Angeles. Per Uber questo modello significa portare servizi driverless in nuove aree senza sostenere interamente i costi di sviluppo dei veicoli, monetizzando invece il valore della sua rete e dei dati prodotti.
Implicazioni per i driver e per il mercato
Un elemento dirompente della strategia è la reinterpretazione del ruolo dei driver: invece di essere semplicemente sostituiti, potrebbero diventare parte integrante dell’ecosistema di raccolta dati, un capitale umano che contribuisce a creare dataset vitali per l’addestramento dei robotaxi. Questo approccio apre scenari in cui umani, piattaforme digitali e sistemi AI convivono e si integrano.
Tuttavia, la strada è complessa. La raccolta massiva di dati solleva questioni di privacy, consenso, sicurezza informatica e responsabilità legali, oltre al tema della sostenibilità economica dei robotaxi su larga scala. Mentre player come Waymo e Tesla continuano a percorrere strade diverse, Uber ha scelto di puntare su un ruolo infrastrutturale e interoperabile.
Una guerra di dati più che di algoritmi
La competizione verso la guida autonoma si sta così spostando: non solo algoritmi o singoli veicoli, ma piattaforme, ecosistemi e capacità di raccogliere informazioni reali in grandi volumi. Se l’AV Labs e la sensor grid dovessero dimostrarsi efficaci, Uber potrebbe trasformarsi da semplice app di ride hailing in una infrastruttura invisibile che alimenta l’economia globale dei robotaxi.
