用 1.5 億美元打敗 Waymo 花幾十億都做不到的事：Nexar 如何用行車記錄器建出全球最大駕駛資料庫

本文整理自 Aleph 的 Invested Podcast 2026 年 2 月播出的單集。

{{< youtube T1bawZThwHk >}}

---

2026 年 1 月底，Uber 發了一個大新聞：成立 AV Labs 部門，要在車輛上裝感測器來收集真實世界的駕駛資料，目標是餵給 Waymo、Waabi 這些自駕車合作夥伴。這個消息讓自駕產業圈議論紛紛。但在以色列，有一家叫 Nexar 的公司看到這則新聞，反應不是緊張，而是興奮。因為他們做這件事已經做了十年，而且規模是 Uber 起步計畫的幾千倍。

Uber 起步一台車，Nexar 已經有 35 萬台

Uber 的 AV Labs 計畫從一台裝了光達、雷達和攝影機的 Hyundai Ioniq 5 開始，目標是在未來一年擴展到幾百台。Nexar CEO Zach Greenberger 在 Aleph 的 Invested Podcast 上聽到這個數字，語氣很直白：「他們宣布了一台 Hyundai，我們有 5 萬到 10 萬個 Uber 司機裝了我們的行車記錄器。」

這不是嘴砲。Nexar 目前有 35 萬台連網攝影機在全球各地跑，每個月收集超過 2 億英里的真實世界駕駛資料。做個對比：Waymo 在 2025 年 7 月慶祝累計達到 1 億英里全自動駕駛里程，這個里程碑花了他們好幾年。Nexar 每 15 天就超過這個數字。歷史總計，Nexar 已經收集了 120 億英里的資料。

更驚人的是覆蓋密度。在曼哈頓，Nexar 的攝影機每天穿越每一條街道四次。這意味著任何一個新冒出來的施工區、一個倒下的停止標誌、一個新出現的坑洞，都會在幾小時內被捕捉到。這不只是「資料量大」，而是對真實世界的持續即時觀測。

每英里賺錢 vs 每英里花 30 美元

數字很驚人，但更值得注意的是背後的商業模式差異。

Waymo 的資料收集方式是傳統的車隊模式：在車頂裝上造價昂貴的光達和感測器陣列，僱用專業駕駛員，每台車的成本高得驚人。根據 Nexar 團隊的估算，Waymo 每英里的資料收集成本大約在 30 到 50 美元之間。2025 年 Waymo 的虧損約 50 億美元，2026 年 2 月剛完成一輪 160 億美元融資，估值 1,260 億美元。這是一個需要持續燃燒巨額資本的模式。

Nexar 走的是完全相反的路。他們賣行車記錄器給消費者和車隊，消費者付錢買產品、按月付費使用，Nexar 在提供安全功能的同時收集駕駛資料。換句話說，他們的資料收集不只是零成本，還是正收益。每一英里都在幫公司賺錢，同時產出可以賣給自駕車公司的訓練資料。

Nexar 創辦人 Eran Shir 用了一個以色列式的比喻來解釋這個差異。以色列建造的 Arrow 防空飛彈和美國的 THAAD 系統相比，THAAD 更先進、更精密、但也貴了好幾倍而且晚了十年。Arrow 是在資源有限的壓力下，用更精實的方式解決了同樣的問題。Nexar 用總共約 1.5 億美元的資本投入，建出了競爭對手花幾十億美元都沒能做到的資料收集引擎。

群眾外包才能抓到「長尾」

但資料量和成本效率只是故事的一半。真正讓 Nexar 的資料有價值的，是它的內容組成。

Eran Shir 回憶 2014 年創辦 Nexar 時的核心洞察：AI 訓練最需要的不是大量平凡的駕駛畫面，而是那些極其罕見的邊緣案例。他舉了一串例子：車輛碰撞、險些碰撞、鹿突然衝上公路、紙箱從卡車上飛出來蓋住擋風玻璃、車輛在撞擊中飛上天。這些事件可能每一億英里才發生一次，但它們正是自駕車系統最需要學會處理的情境。

如果你派一支專業車隊在高速公路上繞圈，什麼事都不會發生。20 個專業駕駛員開一小時，等於一個駕駛員開 20 小時，但他們遇到的情境本質上沒什麼不同。真正稀有的事件只有一種方式能捕捉到：在足夠多的地方、足夠長的時間裡持續在場。Shir 引述了攝影師 Chase Jarvis 的名言：最好的相機就是你口袋裡那台。在資料收集的世界裡，這個道理放大了一百倍——你不需要最精密的感測器，你需要的是在場。

這就是群眾外包模式的結構性優勢。35 萬台攝影機散佈在全球各地，全天候運作，自然會撞上那些一億英里一遇的事件。沒有任何規模的專業車隊能複製這種覆蓋率。

Uber 為什麼還在用老思路

回到 Uber 的 AV Labs 計畫。Eran Shir 的批評很直接：Uber 坐擁全球最大的共乘車隊，有數百萬台車，但他們的資料收集計畫卻從一台車開始，目標是擴展到一百台。這還是車隊思維，不是群眾外包思維。

Zach Greenberger 解釋了 Uber 的結構性限制。共乘公司和司機之間是承攬關係，不是僱傭關係。這意味著 Uber 對司機使用什麼設備、收集什麼資料，在法律上保持距離。資料隱私、勞動法規、承攬商的獨立性，這些都讓 Uber 很難直接要求司機在車上裝感測器。但 Nexar 不受這個限制，因為司機是自己選擇購買 Nexar 的行車記錄器。Nexar 估計他們的攝影機使用者中，有 5 到 10 萬人是 Uber 司機——這些人已經在幫 Nexar 收集資料了，只是 Uber 不知道。

如果 Shir 是 Uber 的執行長 Dara Khosrowshahi，他會怎麼做？他說他會大量生產便宜的行車記錄器，用補貼和獎勵說服幾百萬司機安裝，而不是花大錢在少數幾台車上裝精密感測器。但 Uber 的組織結構和法律框架讓這件事很難發生。

自駕的「最後 1%」才是真正的戰場

Nexar 團隊提出了一個有趣的框架來理解自駕車產業的競爭。多數公司過去十年專注在「從 0 到 99%」的自動駕駛能力，也就是讓車子在正常路況下安全行駛。但真正決定自駕車能否大規模商業化的，是那「最後 1%」——處理極端邊緣案例的能力。一台自駕車 99% 的時間表現完美並不夠，因為那 1% 的失敗可能就是一條人命。

2014 年只有兩個人押注這個方向：Elon Musk 和 Eran Shir。Musk 相信端到端的 AI 會追上來，所以 Tesla 用攝影機而非光達，同時透過銷售車輛來收集資料。Shir 的邏輯類似，但用了不同的載具——行車記錄器。十年後，這兩家公司累積了產業裡最大的真實世界駕駛資料庫，而那些花幾十億美元建車隊的公司，在長尾資料上遠遠落後。

Greenberger 做了一個很到位的觀察：重要的不只是累積更多英里數，而是對真實世界的「持續觀測」。世界在變，每天都有新的施工區、新的路況、新的天氣事件。一個去年訓練好的模型，面對今年冬天紐約突然來的暴風雪，可能就會出問題。Nexar 的 35 萬台攝影機提供的不只是歷史資料，而是一個對地球道路的即時感知網路。

我的觀察

Nexar 的故事讓我想到一個更大的產業趨勢：在 AI 時代，資料收集的商業模式比資料量本身更重要。

Waymo 代表的是「花錢買資料」的模式，每一英里都是成本。Nexar 代表的是「讓別人付錢給你，順便收集資料」的模式，每一英里都是收入。這兩種模式在小規模時差異不大，但當你需要覆蓋全球數十億英里時，差異就是天文數字。Waymo 2025 年虧了 50 億美元，Nexar 總共才花了 1.5 億。

這個邏輯其實不只適用於自駕車。在任何需要大量真實世界資料的 AI 應用中——工業視覺、農業監測、城市管理——能不能設計出一個讓資料提供者有動機主動參與的商業模式，可能比任何技術突破都重要。Tesla 用「你買我的車，我收集你的資料」做到了。Nexar 用行車記錄器做到了更便宜的版本。

但我也注意到一個 Nexar 團隊在訪談中沒有正面回應的問題：Tesla 的資料量遠大於 Nexar。Tesla 有幾百萬台車，Nexar 有 35 萬台攝影機。Eran Shir 承認 Tesla 的資料量「顯著大於我們的」，但他的論點是 Nexar 的信噪比更高——他們的系統能精準識別有價值的畫面並上傳，而不是收集大量無用的高速公路巡航影片。這個論點有道理，但隨著 Tesla 也在不斷改進自己的資料篩選能力，這個優勢能維持多久是個問號。

最後一個觀察：Uber 的 AV Labs 計畫從一台車開始，這在矽谷是常見的「先做最小可行方案」思維。但在資料收集這個領域，MVP 思維可能根本不適用。群眾外包模式的價值來自規模效應和覆蓋密度，一台車、一百台車、甚至一千台車，都無法產生 Nexar 35 萬台攝影機的那種長尾覆蓋。Uber 手上明明有數百萬台潛在的資料收集載具，卻選擇從車隊模式開始，這可能不只是策略選擇，而是組織結構決定了視角。有時候，你的組織形態決定了你能看到什麼解法。