Wayve 联合创始人兼首席执行官 Alex Kendall 认为，将自动驾驶汽车初创公司的技术推向市场前景光明。前提是 Wayve 坚持其战略，确保其自动驾驶软件运行成本低、与硬件无关，并可应用于高级驾驶辅助系统、机器人出租车甚至机器人技术。 

Kendall 在Nvidia 的 GTC 大会上提出的这一策略始于端到端数据驱动的学习方法。这意味着系统通过各种传感器（如摄像头）“看到”的东西直接转化为其驾驶方式（如决定刹车或左转）。此外，这意味着系统不需要像早期版本的 AV 技术那样依赖高清地图或基于规则的软件。 

这种方法吸引了投资者。Wayve 成立于 2017 年，过去两年筹集了超过 13 亿美元，计划将其自动驾驶软件授权给汽车和车队合作伙伴，例如Uber。 

该公司尚未宣布任何汽车合作伙伴关系，但一位发言人告诉 TechCrunch，Wayve 正在与多家 OEM 进行“深入讨论”，以将其软件集成到一系列不同类型的车辆中。 

其运行成本低廉的软件宣传对于达成这些交易至关重要。 

肯德尔表示，将 Wayve 的高级驾驶辅助系统 (ADAS) 应用于新量产车辆的原始设备制造商不需要在额外硬件上进行任何投资，因为该技术可以与现有的传感器配合使用，这些传感器通常由环绕摄像头和一些雷达组成。 

Kendall 表示，Wayve 还具有“硅片无关性”，这意味着它可以在其 OEM 合作伙伴车辆中已有的任何 GPU 上运行其软件。不过，这家初创公司目前的开发车队确实使用了 Nvidia 的 Orin 片上系统。  

肯德尔周三在台上表示：“进入 ADAS 领域非常重要，因为它可以让你建立可持续发展的业务，大规模建立分销，并获得数据曝光，从而能够将系统训练到 4 级。”

（4 级驾驶系统意味着它可以在特定条件下自行导航，无需人类干预。） 

Wayve 计划首先在 ADAS 层面将其系统商业化。因此，这家初创公司设计了无需激光雷达（一种光检测和测距雷达）即可工作的 AI 驾驶员，该雷达使用激光测量距离以生成高精度的世界 3D 地图，大多数开发 4 级技术的公司都认为激光雷达是必不可少的传感器。 

Wayve 的自动驾驶方法与特斯拉类似，特斯拉 也在开发端到端深度学习模型，为其系统提供动力并不断改进其自动驾驶软件。正如特斯拉正在尝试的那样，Wayve 希望利用 ADAS 的广泛推广来收集数据，帮助其系统实现完全自动驾驶。（特斯拉的“全自动驾驶”软件可以执行一些自动驾驶任务，但并非完全自动驾驶。不过该公司计划在今年夏天推出机器人出租车服务。） 

从技术角度来看，Wayve 和特斯拉的方法之间的主要区别之一是，特斯拉仅依赖摄像头，而 Wayve 乐于结合激光雷达来实现近期的完全自动驾驶。 

Kendall 表示：“从长远来看，当你建立可靠性和验证规模的能力时，肯定有机会进一步缩小 [传感器套件]。”“这取决于你想要的产品体验。你想让汽车在雾天行驶得更快吗？那么也许你想要其他传感器 [如激光雷达]。但如果你愿意让人工智能了解摄像头的局限性，并因此采取防御和保守的态度？我们的人工智能可以学会这一点。”

Kendall 还透露了 Wayve 最新的生成世界模型 GAIA-2，该模型专为自动驾驶而设计，可在各种任务中利用大量现实世界和合成数据训练驾驶员。该模型可同时处理视频、文本和其他操作，Kendall 表示，这使得 Wayve 的 AI 驾驶员在驾驶行为上更具适应性，更像人类。 

“对我来说，真正令人兴奋的是，你看到的类似人类的驾驶行为正在出现，”肯德尔说。“当然，这不是手动编码的行为。我们不会告诉汽车如何表现。没有基础设施或高清地图，相反，这种突发行为是由数据驱动的，它使驾驶行为能够处理非常复杂和多样化的场景，包括它在训练期间可能从未见过的场景。” 

Wayve 与自动驾驶卡车初创公司 Waabi 有着相似的理念，后者也在追求端到端的学习系统。两家公司都强调扩展可以在不同驾驶环境中推广的数据驱动型 AI 模型，并且都依赖生成式 AI 模拟器来测试和训练其技术。