Uber จะสร้างวิทยาเขตวิศวกรรม 2 แห่งในอินเดียภายในปี 2027

Uber ประกาศเมื่อวันที่ 14 พฤษภาคมว่าจะขยายการมีอยู่ด้านวิศวกรรมในอินเดียด้วยแคมปัสแห่งใหม่ 2 แห่งในเบงกาลูรูและไฮเดอราบาด โดยคาดว่าจะรองรับพนักงานประมาณ 9,600 คนภายในสิ้นปี 2027 บริษัทวางแผนจัดตั้งศูนย์ข้อมูลท้องถิ่นแห่งแรกผ่านความร่วมมือกับกลุ่มธุรกิจอินเดีย Adani Group โดยมีกำหนดให้อาคารดังกล่าวเริ่มให้บริการในไตรมาส 4 ปี 2026 การขยายดังกล่าวสะท้อนถึงความมุ่งมั่นของ Uber ต่ออินเดียในฐานะศูนย์กลางด้านวิศวกรรมที่สำคัญ ขณะที่บริษัทแข่งขันกับผู้เล่นท้องถิ่นด้านเรียกรถ Rapido และขยายความหลากหลายออกนอกบริการเรียกรถ

โฟกัสการขยายและการรับสมัครงาน

ปัจจุบัน Uber มีพนักงานประมาณ 3,500 คนในอินเดีย บริษัทกำลังรับสมัครอย่างแข็งขันสำหรับตำแหน่งด้านปัญญาประดิษฐ์ (AI) การเรียนรู้ของเครื่อง (machine learning) การปฏิบัติการยานยนต์อัตโนมัติ และโครงสร้างพื้นฐานฝั่งแบ็กเอนด์ การรับสมัครเหล่านี้สอดคล้องกับกลยุทธ์โดยรวมของ Uber ที่ต้องการสร้างขีดความสามารถด้าน AI และ machine learning ในตลาดอินเดีย

ความร่วมมือด้านศูนย์ข้อมูลกับ Adani Group

ความร่วมมือกับ Adani Group แสดงถึงแนวทางเชิงยุทธศาสตร์ในการวางโครงสร้างพื้นฐานด้านการประมวลผลในอินเดีย แทนที่จะสร้างด้วยตัวเอง Uber เลือกที่จะร่วมมือกับกลุ่มธุรกิจอินเดีย ซึ่งดำเนินธุรกิจครอบคลุมทั้งภาคโครงสร้างพื้นฐาน พลังงาน และโลจิสติกส์ ความร่วมมือนี้ทำให้ Uber เข้าถึงที่ดินและทรัพยากรด้านพลังงาน ซึ่งเป็นข้อกำหนดสำคัญทั้งคู่สำหรับการดำเนินงานศูนย์ข้อมูล

โครงการศูนย์ข้อมูลของ Adani เป็นส่วนหนึ่งของโครงการริเริ่มด้านโครงสร้างพื้นฐานในอินเดีย โดย Adani Enterprises กำลังพัฒนาไปพร้อมกันสิ่งที่ถูกอธิบายว่าเป็นแคมปัสศูนย์ข้อมูล AI ที่ใหญ่ที่สุดของอินเดียในวิซากาปัตนัมผ่าน AdaniConneX ซึ่งเกี่ยวข้องกับ Google, Bharti Airtel (ผู้ให้บริการโทรคมนาคมของอินเดีย) และพาร์ทเนอร์อื่น ๆ โดยมีการประเมินเงินลงทุนราว 15 พันล้านดอลลาร์สหรัฐ ครอบคลุมช่วงปี 2026 ถึง 2030

บริบทเชิงกลยุทธ์

การขยายตัวของ Uber ในอินเดียเกิดขึ้นหลังจากบริษัทลงทุน 330 ล้านดอลลาร์สหรัฐ ในหน่วยงานของตนในอินเดียก่อนหน้านี้ในปี 2026 อินเดียได้กลายเป็นฐานด้านวิศวกรรมที่สำคัญสำหรับบริษัทเทคโนโลยีระดับโลก และการขยายดังกล่าวตอกย้ำความสำคัญที่เพิ่มขึ้นของขีดความสามารถด้านการประมวลผลในท้องถิ่น ซึ่งขับเคลื่อนด้วยข้อกำหนดการจัดเก็บข้อมูลในประเทศ (data localization) และความต้องการที่เพิ่มขึ้นสำหรับโครงสร้างพื้นฐานด้าน AI