伦敦自动驾驶初创公司 Wayve 正凭借前沿的 AI 驱动机器学习框架，重塑行业格局，并吸引了巨额资本关注。这家成立仅七年的企业已从英伟达、梅赛德斯 - 奔驰和日产等科技与汽车巨头手中筹集了 28 亿美元。

今年 6 月，Wayve 宣布将其系统部署于 Stellantis 旗下 Jeep 品牌的机器人出租车中，并接入 Uber 叫车网络。这一系列动作标志着其技术商业化进程加速。 " 端到端 " 技术路线：像人类一样驾驶 Wayve 的核心竞争力在于其采用的 " 端到端机器学习 " 技术。与传统自动驾驶方案依赖高精地图和预设代码规则不同，Wayve 的模型模拟人类判断力，直接将传感器输入转化为实时驾驶决策。 这种技术路径与特斯拉近年转向的策略相似。然而，特斯拉主要依赖纯视觉摄像头方案，而 Wayve 的系统设计旨在兼容多种传感器和 AI 芯片。这意味着该技术具有更强的通用性，可向几乎任何无人驾驶汽车开发商授权。

Wayve 创始人兼首席执行官 Alex Kendall 表示：" 我们的目标是让任何品牌、任何车辆在世界任何地方都能实现完全自动驾驶。" 这位 33 岁的新西兰剑桥大学博士在 2017 年创立该公司时，端到端 AI 尚属小众实验领域。如今，随着 Alphabet 旗下 Waymo 的快速扩张，整个行业对无人驾驶的兴趣被重新点燃，端到端学习已成为众多开发商的技术选项之一。 " 黑盒 " 难题与安全博弈 尽管效率显著，但以 AI 为中心的端到端方法也带来了新的安全挑战。由于其决策过程具有 " 黑盒 " 特性，难以解释车辆在特定场景下的具体判断逻辑。

相比之下，传统基于规则的系统更容易追溯决策原因。 Wayve 人工智能副总裁 Vijay Badrinarayanan 指出，预编程系统在面对罕见突发场景时往往显得脆弱，而人类驾驶员则能通过保守的适应性行为保持安全。Wayve 的引擎通过生成动态安全地图来识别路径，试图解决这一痛点。 然而，业界对此仍存疑虑。Waymo 虽然也引入端到端 AI，但仍坚持认为基于规则和地图的传统方法是确保大规模安全的必要补充。日产技术主管 Eiichi Akashi 坦言，尽管 Wayve 的系统处于 " 最先进 " 水平，但其内部运作机制难以窥探，团队正在密切评估其安全性，以配合日产计划在 2028 年 3 月结束的财年内推出名为 Elgrand 的无人通勤面包车。 规模化扩张与行业展望 Kendall 坚信，由于无需繁琐的道路测绘和本地化代码编写，Wayve 能迅速拓展至新市场。

目前，该系统已在全球数百个城市完成测试，公司在东京、斯图加特和温哥华均设有主要业务中心。 英国华威大学教授 Siddartha Khastgir 认为，端到端模型的开发和商业化部署速度优于传统方法，但这并不必然意味着其在安全性上超越其他技术。卡内基梅隆大学自主技术专家 Phil Koopman 则更为谨慎，他指出处理异常交通状况的路径不止一条，而在美国实现无人驾驶系统的安全部署，可能至少还需要十年时间及新的技术创新。

【星途科讯 图文丨小林 首发于 ZAKER 科技，转载请注明出处】