英国Wayve获28亿美元融资推端到端AI驾驶系统

英国伦敦初创企业Wayve宣布完成28亿美元融资，投资方包括英伟达、梅赛德斯-奔驰、日产等科技与汽车领域巨头。该公司已启动其端到端人工智能（AI）驾驶系统在Stellantis旗下无人驾驶出租车车队的部署，并将接入优步（Uber）的网约车网络。该系统采用深度学习技术，直接从传感器数据生成驾驶决策，无需依赖预设规则或高精度地图，标志着自动驾驶技术向更通用化、低成本方向演进。

Wayve的技术核心是“端到端机器学习”（end-to-end machine learning），即让AI模型直接从摄像头、雷达、激光雷达等多源传感器输入中，实时推断出转向、加速、制动等操作指令，模拟人类驾驶员的反应逻辑。这一方法区别于传统自动驾驶系统中“感知-规划-控制”分层架构，后者需人工编写大量应对复杂交通场景的规则代码。Wayve表示，其系统已在全球数百个城市完成测试，无需预先进行道路测绘或本地化规则编程，显著降低部署门槛。

该技术由33岁的新西兰籍创始人亚历克斯·肯德尔（Alex Kendall）主导研发。他于2017年在剑桥大学完成深度学习博士研究后创立公司。目前，Wayve在东京、斯图加特和温哥华设有技术中心，具备快速拓展至新市场的基础。其系统支持多种传感器组合与AI芯片配置，具备较强的兼容性，未来可能以授权方式向整车厂或自动驾驶平台提供技术支持。

端到端AI驾驶系统的关键优势与挑战

相较于传统基于规则的系统，端到端AI在处理突发交通状况时展现出更强的适应能力。Wayve副总裁维贾伊·巴德拉纳拉亚南（Vijay Badrinarayanan）指出，当遇到未预设的异常情况（如施工围挡临时变更、行人突然冲出），传统系统的逻辑判断会因规则缺失而失效，而人类驾驶员则能凭借直觉谨慎应对。端到端系统通过海量真实驾驶数据训练，具备类似“情境理解”的能力，可在未知场景中自主选择安全路径。

然而，该技术也面临“黑箱”问题：系统决策过程难以追溯，工程师无法清晰解释为何车辆做出某项操作。这给事故责任认定、法规合规及用户信任带来挑战。尽管如此，Wayve认为，传统规则系统在面对极端罕见事件时反而更脆弱，因为无法穷尽所有例外情况。因此，其策略是结合动态风险评估机制，在运行中持续生成“交通态势安全图”，辅助决策。

产业链影响与中国市场关注点

Wayve的进展反映了自动驾驶产业正从“封闭测试”迈向“规模化商用”。此前，Waymo等企业历经十余年才实现公开载客服务，而如今多家公司加速落地，表明技术成熟度正在提升。但专家警告，全面部署仍需至少十年时间，尤其在美国等复杂交通环境中，还需突破法规、基础设施与公众接受度瓶颈。

对中国的整车制造商、智能驾驶方案供应商及零部件厂商而言，此事件提示三点关键信息：一是端到端AI正成为主流技术路径，中国企业在自研系统中应关注数据闭环与模型泛化能力；二是多传感器融合与边缘计算芯片（如英伟达Orin、地平线征程系列）的适配性将成为系统集成重点；三是若考虑海外布局，需注意目标市场对“可解释性AI”的监管要求，如欧盟《人工智能法案》对高风险系统提出透明度义务。

此外，由于Wayve不依赖高精地图，其解决方案特别适合城市道路复杂、更新频繁的发展中地区。对于计划进入东南亚、拉美或非洲市场的中国企业，该模式提供了低投入、快部署的参考路径。但在实际应用中，仍需评估本地交通行为差异（如非机动车混行、信号灯不规范）对模型性能的影响，建议在本地化训练阶段引入更多真实路测数据。