江苏龙网

  1. 首页 > 资讯 > 科技 > >

Uber“没有了梦想”的Uber，是如何在AI上折戟沉沙的？

 
受疫情影响 ， Uber4月份全球订单少了八成 ， 接下来业绩可能更不乐观 。 为应对收入大幅下滑等困难 ， Uber开始节源开流以渡过难关了 。
5月伊始 ， Uber一边开始大幅削减网约车业务 ， 一边大力扶持业务量上升的外卖业务；同时 ， 又向内部挥舞其裁员的大刀 ， 先后两次裁员达6700人 ， 尤其是第二次裁员的3000人 ， Uber要为此支付1亿多美金的赔偿 ， 可见这波裁员的分量之重 。
Uber“没有了梦想”的Uber，是如何在AI上折戟沉沙的？
图片

（来源CNBN：Uber CEO Dara Khosrowshahi）
与此同时 ， Uber还“做出了一些艰难的决定”——关闭AI Labs和技术孵化器等一系列部门 。
时局艰难 ， 这一系列举措被外界视为Uber的转型 ， 加速从一家成长性公司转向控制成本的公司 。 现任Uber CEO达拉·科斯罗萨西正是以企业经营与成本管理擅长 ， 此次他在告知全员的邮件里提到：
【Uber“没有了梦想”的Uber ， 是如何在AI上折戟沉沙的？】Uber必须成为一个能够自己造血的企业 ， 不能依靠着新的投资人来保持增长和创新了 。
因此 ， 首当其冲被优化掉的就是那些一直烧钱但是没有营收的新型基础技术研发部门 。 不过 ， Uber仍然选择继续投入最烧钱的ATG（Advanced Technologies Group）下面的自动驾驶汽车（self-driving car）项目 ， 毕竟这才是Uber的未来 。
然而一家以AI技术推动出行革命的科技公司 ， 会如此决绝地放弃在AI方面的基础研发 。 这仍然让外界有些惊讶 ， 以致于彭博社在报道这件事的时候 ， 文章标题用了“Uber没有梦想”（原话是“Reflect Narrower Ambitions”）的评价 。
其实不妨让我们回顾下 ， Uber在AI技术上到底水平如何？自动驾驶技术如何从“激进领先”走向“保守落后”？为什么一旦遇到经营危机 ， AI部门就直接“弃之如敝履”了呢？
“陪太子读书” ， 一直陪跑的AI业务
到2016年 ， Uber的技术人员已经由最初的40人增长为一个1200人的技术团队 。 但当时也只有一小部分技术人员在研究机器学习算法用于训练反欺诈模型 。
直到2016年12月 ， Uber宣布成立新的研究小组 Uber AI Labs ， 其主要成员来自于它收购的伊佳来自纽约大学的AI创业团队Geometric Intelligence 。 当时Uber发言人的表态是AI实验室能够解决整个业务中的所有问题 ， 包括改善从外卖派送路线规划到 Uber 自动驾驶汽车行驶方案 。
Uber“没有了梦想”的Uber，是如何在AI上折戟沉沙的？
图片

从一开始 ， AI实验室的定位就有所侧重 ， 一方面继续支持原团队成员的研究项目 ， 推动基础AI的发展 ， 但更重要的一方面就是支持Uber的自由业务 ， 与Uber其他部门合作 ， 支持包括像叫车系统的优化、Uber Eats业务优化 ， 甚至是客服部门的自动化运营 ， 以及最重要的自动驾驶技术的支持 。 也许是理想和现实的“落差”较大 ， Geometric团队的CEO加里·马库斯在加入几个月后便选择离职离开 。
此后 ， AI实验室划入Uber的ATG部门 ， 开始为Uber其他部门提供支持 。 作为支持性部门 ， AI实验室起到的是类似于一个“陪太子读书”的智囊的角色 。
为Uber各技术团队能够很好地使用机器学习技术 ， Uber在2017年推出机器学习平台Michelangelo ， 支持传统的机器学习模型、时间序列预测和深度学习 ， 从而可以帮助内部团队可以无缝构建、部署和运作适合的机器学习解决方案 ， 进行数据管理、训练、评估和部署模型以及监控预测等端到端机器学习工作流 。
同时 ， Uber一直采用谷歌、Facebook的开源架构来进行自身的平台搭建 ， 比如 ， 开发了用于TensorFlow的分布式深度学习框架Horovod ， 可以支持各类高人气深度学习框架 。 同时开源了一个无代码深度学习工具箱——Ludwig ， 支持员工和其他开发者在无需编写代码的前提下实现深度学习模型的训练与测试 。


推荐阅读


上一篇：索比亚缘何大市场顶着疫情重启？是谁在给大市场撑腰？--揭开索比亚宁和高德不为人知的秘密

下一篇：游戏被豪华数字掩盖的真相：腾讯游戏的核心秘籍