美國交通與配送巨頭 Uber 正在啟動一項具戰略意義的轉型：將其平台從單純的「車與路的匹配服務」，擴展至 「AI 訓練資料的生成者」。

Uber 正式啟動「數位任務」試點計畫，允許美國境內的司機與外送員在不運送乘客或食物時，透過應用程式執行 AI 訓練相關的微任務（Microtasks），賺取額外收入。此舉旨在與 Scale AI、Amazon Mechanical Turk 等老牌資料標註平台競爭，進一步建構整合靈活就業與 AI 訓練的生態系統。

AI 訓練市場的新策略：用戶即資料

Uber 的數位任務試點，實質上是將其龐大的勞動網路轉化為 AI 數據供應鏈。這些任務與 AI 模型訓練高度相關，由 Uber AI 解決方案部門負責統籌，內容包括錄音、拍攝和上傳影像，以及提供特定語言的文件（如西班牙語菜單）。任務報酬將根據複雜度和預計完成時間有所不同，司機在接受任務前可查看報酬金額。

這項戰略轉變，讓 Uber 切入由 Scale AI 等企業主導的 AI 訓練資料市場。不同於這些平台主要依賴美國以外的低成本勞動力，Uber 嘗試利用其既有的勞動網路，提供「美國境內的合規數據輸入者」；這突顯 Uber 對資料品質與地域信賴度的重視，因為這些因素對於開發強大的 AI 模型至關重要。

此外，Uber 近期收購比利時新創 Segments.ai（專門為自動駕駛、機器人與電腦視覺工程師提供「多感測器數據標註平台」），也表明其擴大資料標註能力的雄心。

獨立承攬與僱傭關係再引爭議

儘管數位任務為司機和外送員提供了額外收入來源，但這項計畫再次觸及了勞動分類的法理爭議。Uber 一直將駕駛與配送員定義為獨立承攬者，因此無需提供最低工資保障或醫療保險等傳統員工福利。

然而，許多 Uber 司機認為，公司的演算法對他們的生活施加了過多的控制，這使得他們的關係更像是僱傭關係。如今這類精細、受控的 AI 訓練任務的導入，再次將「控制程度」這個法理問題推向爭議焦點。這是否會進一步模糊平台與員工間的界線，並引發勞動分類與報酬公平性的爭議，仍有待觀察。

Uber 平台經濟的戰略過渡

Uber 的這項行動，標誌著其平台從「交通與配送」基礎向「AI 資料生成者」的戰略過渡。

Uber 不再只是提供「車與路的匹配服務」，而是將駕駛者轉化為「AI 資料生成工具」。這項轉型不僅為 Uber 在 AI 時代找到了新的增長點，也預示著其他平台經濟企業（如 DoorDash、Lyft）可能會將其勞動者轉化為數據輸出者。

在平台運用既有工作者進行資料生成的同時，如何同步升級勞動者報酬、權益保障與法律地位，將是這場經濟變革中，社會必須面對的核心課題。

本圖/文由「Techorange科技報橘」授權刊登，非經同意不得任意轉載。
原文出處：Uber 要美國司機收錢訓練 AI， 把「車路媒合」升級成 AI 數據生成工廠