Uber 是全球最大的出行与外卖平台之一，其移动应用支撑着数以千万计的日常订单，近年来也在大规模推进 AI 与自动驾驶布局。近期，Uber 因其内部 AI 工程实践和无人驾驶出租车合作计划而受到开发者社区与技术媒体的持续关注，成为观察大型企业如何落地智能体技术的重要样本。
Uber 的 AI 工程实践
Uber 近期公开了一批内部 AI 系统的建设经验。据 Uber 内部开发者工具探秘：Model Gateway、MCP 与 Agent 工程实践 介绍，Uber 构建了统一的模型网关来管理内部 AI 调用，并结合 MCP 协议规范智能体与内部系统的交互方式。配套报道 Uber 工程实践：一套网关把数千个内部 API 自动转成 MCP 工具 进一步说明，这套网关能将海量内部 API 自动封装为可供智能体调用的工具，降低接入成本。
在具体落地方面，从 RAG 失败到 91% 准确率：Uber 法务红线 Agent 的四次架构演进 记录了一个法务审查智能体经过四轮架构调整、最终达到 91% 准确率的过程，反映出企业级智能体在真实业务中的迭代难度。此外，Uber 用 AI 将 60 万个 JUnit 4 测试迁移到 JUnit 5 显示 AI 辅助代码迁移在超大规模代码库中已可实际执行，而 Uber 如何评测图片编辑模型：改照片但不许动食物 则展示了外卖场景下对图像模型精细化的评测标准。
无人驾驶与行业动向
自动驾驶是 Uber 当前最受关注的战略方向之一。据 Uber与Pony.ai将在伦敦测试无人驾驶出租车 报道，Uber 将与中国公司 Pony.ai 合作，在伦敦开展无人驾驶出租车测试。这延续了 Uber 以平台聚合多家自动驾驶运营商的路线，即不自主研发为主，而是通过合作接入不同技术供应商。
更宏观地看，Uber 内部 19 个 AI 相关系统案例预告：企业级智能体为何必然复杂 整理了 Uber 内部 19 个 AI 系统案例，指出企业级智能体的复杂性难以回避；而行业层面，Lovable CEO 在 Lovable CEO Anton Osika：AI 应用爆发类似 2008 年 App Store 时刻 中将当前 AI 应用爆发类比为 App Store 早期。
当前焦点与观察点
综合近期信息，Uber 的关注度集中在两方面：一是作为超大型企业，其 AI 落地路径——统一网关、MCP 工具化、严格的评测体系——对其他公司具有参考价值；二是与 Pony.ai 等自动驾驶公司的合作能否在伦敦等市场顺利推进，将直接影响其出行业务的长期竞争格局。值得观察的点包括：这些内部工程实践是否会以开源或产品形式对外输出，以及无人驾驶测试从试点走向规模运营的时间表。