2015年2月，Uber在匹茲堡建立起自己的前沿技術中心（Advanced Technologies Center )，繼續擴張勢力版圖，進軍機器人領域。除了研發更好的地圖、安全駕駛系統，最有利可圖的就是Uber的自動駕駛汽車。據報道，Uber從引領全球機器人發展方向的由卡耐基梅隆大學掌管的美國國家機器人工程中心（National Robotics Engineering Center at Carnegie Mellon University）挖走了40多名研究人員，包括幾名資深高級研究人員。雖說人來人走實屬常情，但是，相關人士表示，這個數字「有點大」。

一項重要指標：技術就緒水平（Technology Readiness Level，TRL），或許有助于理解Uber這次兇狠的人才爭奪策略。TRL最初由美國航空航天局1995年提出，在美英科學技術界頗有影響，用來標示 技術成熟度，一開始是七個級別，逐漸增加到了九個級別。一級技術研究，被認為是可以變成一個應用程序或一個概念的研究和發展計劃下的基礎科學研究，比如牛頓定律，不可能立即應用，新的技術必須經過多次實驗和改進，以及實際測試，在充分證明了可行性后才會被整合到實際系統之中。九級技術已經可以商業化。

一級技術很難吸引商業投資，通常是由聯邦政府資助研究。幾十年前，一些大公司還愿意支持這樣基礎研究，比如貝爾試驗室、施樂。不過，這幾年，公司更加關注短期利益，把可能帶來深遠變革的基礎研究留給了大學研究機構。現在，當一項技術成熟度達到四或五級時,公司就會介入進來。以機器學習為例，上世紀五、六十年代 以來，它一度只是學界研究的對象。但是，當谷歌獲取各種大數據后，這項技術變得有利可圖，谷歌開始瘋狂地從斯坦福挖走專家。緊接著硅谷上演了互聯網巨頭公司爭奪機器學習人才的大戰。

1979年，為了解決機器人領域的基礎問題，比如如何解讀傳感器數據才能讓機器「看見」，卡耐基梅隆大學成立機器人研究院。為了滿足軍方、工業方面的機器人需求，1995年大學成立國家機器人工程中心，招募了大批工程人員，多半是機器人專業研究生。專家們花了數十年的時間讓機器人技術成熟到三或四級水平。實際 上，卡耐基梅隆大學采用了TRL標準，機器人研究院負責一至三、四級的技術研究，機器人工程中心接棒機器人研究院成果，將技術推至七級水平。此時，中心已經可以提供原型。無人駕駛汽車本質上就是一款輪式移動機器人，它的興起正是得益于輪式機器人技術逐漸成熟。

不過，中心的一些研究人員并不滿足于提供原型，他們更喜歡能夠生產出可以出售給用戶的產品。除了優渥的報酬，Uber等大公司能夠滿足這些研究人員的要求： 迅速將發明生產出來。一些研究人員解釋說，他們并非不滿意中心的工作待遇，而是被這些年涌入機器人領域的巨額資金驚呆了：谷歌32億美元收購 Nest；Makerbot做了一款不那么貴的3D打印機后，被另一家公司以6億多美元的價格收購。以他們的專業水平，兩個禮拜就能作出這些產品。這些一身好武功的研究人員也不愁沒有公司來挖。一方愿賣，一方愿買，人才爭奪戰才打的起來。

對于大公司的人才搶奪策略，有些研究人員并不十分擔憂。在機器學習領域，Hinton曾說，「有些危險的是，如果足夠多的大公司雇了足夠多的研究人員，那么，大學就沒有足夠多的人來培養學生、進行純粹的基礎研究了。」但是，他又認為，技術公司已經意識到這些問題了，比如，谷歌希望Bengio繼續自己的基礎研究。LeCun也在Facebook重新建立了一個貝爾實驗室，他說，「我認為，學術研究不會消失。」技術公司的求賢若渴正在吸引更多的求學者而不是打敗學術。

但是，仍有不少人士對此表示憂慮。雖然研究人員會從公司那里獲得大量研究經費，但是，智力挑戰變了，他們幾乎不再從事那些源自好奇心、艱難而又基礎的研究， 而是替雇主解決具體問題，比如，如何讓用戶買更多的東西。雖說也的確存在人才回流現象（比如，從谷歌等大公司回到大學），這些回流人才能將實踐經驗帶到相關基礎研究中，并利用曾經的產業關系網絡為大學研究爭取更多經費，但是，其間漫漫崎嶇路，效果如何，很難說。

機器人研究領域還有不少早期技術難題需要攻克，比如機器人的抓取行為。但是，Uber不會對這種問題感興趣。一邊是大公司優厚報酬，一邊面臨著聯邦資助經費的大量「蒸發」（目前僅為1968年的一半），擺在機器人專家面前的將是另一道哈姆雷特式的難題。