除了特斯拉入局 Robotaxi，Wayve 這家來自英國(guó)的自動(dòng)駕駛獨(dú)角獸，又再次為蠢蠢欲動(dòng)的自動(dòng)駕駛點(diǎn)了一把火。

前不久，Wayve 宣布獲得了高達(dá)10.5 億美元（折合人民幣 75 億元）的 C 輪融資，由軟銀集團(tuán)領(lǐng)投，新投資方英偉達(dá)和現(xiàn)有投資方微軟跟投。

這是今年自動(dòng)駕駛?cè)?nèi)最大的一筆，也是英國(guó) AI 公司有史以來最大的單筆融資。上一次 10 億美元級(jí)別的融資還要追溯到去年 9 月，主角是無人駕駛卡車初創(chuàng)公司 Stack AV，投資方同樣是軟銀。

實(shí)際上，Wayve 幾乎保持著一年一融資的節(jié)奏，目前累計(jì)融資達(dá)到了 13.28 億美元（折合人民幣 95.84 億元）。

不僅融資動(dòng)作頻繁，還被多家巨頭力挺，Wayve 的矚目表現(xiàn)讓整個(gè)自動(dòng)駕駛行業(yè)都為之振奮。

某造車新勢(shì)力的一位算法工程師就感慨，前段時(shí)間也聽說了 Wayve 被投，市場(chǎng)正在回溫，但自己已經(jīng)經(jīng)歷了太多的「行業(yè)周期」，不確定是否這就是另一個(gè)春天的開始。

資金只是前提，作為一家押注端到端自動(dòng)駕駛的企業(yè)，端到端量產(chǎn)仍長(zhǎng)路漫漫。

一家公司能被重投 75 億，就代表一定有一些水面下的技術(shù)能力。換個(gè)問法，Wayve，憑什么？

公開資料顯示，Wayve 是一家在自動(dòng)駕駛領(lǐng)域進(jìn)行具身智能研究的頭部企業(yè)，成立于 2017 年，總部位于英國(guó)倫敦，大概 300 人，創(chuàng)始人為亞歷克斯·肯德爾（Alex Kendall）與艾瑪爾·沙（Amar Shah 已離職），兩人均為劍橋大學(xué)機(jī)器語(yǔ)言博士。

創(chuàng)始人肯德爾對(duì) Wayve 的終極構(gòu)想就是端到端自動(dòng)駕駛，即建立一個(gè)具有智能的神經(jīng)網(wǎng)絡(luò)，能夠大規(guī)模實(shí)現(xiàn)自動(dòng)駕駛。無論用戶身在何處，駕駛哪種車輛，都可以用能夠負(fù)擔(dān)得起的價(jià)格享受自動(dòng)駕駛。

簡(jiǎn)單來說，Wayve 的終極目標(biāo)就是實(shí)現(xiàn)類人駕駛。

肯德爾預(yù)計(jì)，本次融資可能是公司最后一次大規(guī)模融資。之所以這么肯定，是因?yàn)榭系聽栒J(rèn)為端到端會(huì)為公司打通商業(yè)模式。

像其它中國(guó)自動(dòng)駕駛公司一樣，Wayve 定位自動(dòng)駕駛解決方案供應(yīng)商，打算通過為車企提供 L2+自動(dòng)駕駛系統(tǒng)解決方案實(shí)現(xiàn)盈利。

01、端到端上路，蓋茨試駕后轉(zhuǎn)身投錢

Wayve 的自動(dòng)駕駛表現(xiàn)如何，從比爾蓋茨的試駕反饋中窺見一二。

在微軟正式投資之前，2023 年 3 月，比爾蓋茨坐在了 Wayve 開發(fā)的無人駕駛出租車副駕駛位，在倫敦市中心最繁忙的交通路段穿梭。

可以看到，Wayve 的試駕路段難度相比國(guó)內(nèi)明顯降低了，沒有中國(guó)城市內(nèi)的外賣車、沒有復(fù)雜的異形路口，但英國(guó)市中心由于道路狹窄，所以還存在一定通行難度。

Wayve 上路表現(xiàn)還是有可圈可點(diǎn)之處：在自行車橫穿，電動(dòng)車并行，雙向來車的狹窄車道中，依然駕駛自如。

甚至，在遇上自行車迎面快速駛來，前方來車突然在馬路中間掉頭的真實(shí)路況，汽車也能及時(shí)反應(yīng)，調(diào)整方向盤立刻避讓，并一直保持一個(gè)平穩(wěn)的速度行駛，而不是突然急剎。

比爾蓋茨對(duì)此評(píng)價(jià)是「That was fantastic！」，轉(zhuǎn)身才有了微軟對(duì) Wayve 的投資。

比爾蓋茨將 Wayve 的自動(dòng)駕駛技術(shù)形容為類人駕駛，即 AI 像人類司機(jī)一樣，會(huì)學(xué)習(xí)和思考，懂得依賴駕駛經(jīng)驗(yàn)做出正確的決策。

此次試駕后，Wayve 在行業(yè)占領(lǐng)了頭條新聞，微軟也繼續(xù)擔(dān)任投資方角色，并吸引了軟銀與英偉達(dá)的一同加入。

在自動(dòng)駕駛投資界，微軟和軟銀似乎存在著一股「綁定關(guān)系」。此前，雙方就一同出現(xiàn)在 Cruise、Waymo 的投資方列表中。

能被微軟和軟硬這對(duì)「自動(dòng)駕駛投資雙胞胎」看中，恰恰證明它們對(duì)于 Wayve 自動(dòng)駕駛技術(shù)能力以及商業(yè)化能力的肯定。

而且，科技巨頭企業(yè)的押注，絕不局限于資金投入，而是深度參與到 Wayve 自動(dòng)駕駛系統(tǒng)的構(gòu)建中。

影響自動(dòng)駕駛技術(shù)核心三要素是算力、算法、數(shù)據(jù)。算力相當(dāng)于大模型的智力，數(shù)據(jù)相當(dāng)于大模型刷的題庫(kù)，智力越高，刷的題越多，算法相當(dāng)于刷題的方法論。

而微軟和英偉達(dá)作為科技界的「宇宙大廠」能提供的主要是算力上的幫助。

一方面是車端算力：

Wayve 自動(dòng)駕駛系統(tǒng)實(shí)在英偉達(dá) DRIVE Orin 和 Thor 兩類芯片上做研發(fā)。尤其是英偉達(dá) Thor，算力 2,000 TFLOP，給了端到端自動(dòng)駕駛更寬廣的算力空間。

Thor 的首批使用權(quán)并不好拿，目前，國(guó)內(nèi)僅有比亞迪、理想、元戎啟行等少數(shù)企業(yè)成為 DRIVE Thor 的首批客戶，Wayve 被英偉達(dá)投資，能率先用到 Thor，也是被投的隱形福利之一。

另一方面是云端算力：

微軟 Azure 是全球第二大云服務(wù)供應(yīng)商，市場(chǎng)份額 25%。背靠微軟，Wayve 很輕松就能拿到訓(xùn)練大模型所需要的云端數(shù)據(jù)資源。

要知道，特斯拉為了訓(xùn)練模型，自費(fèi)建設(shè)超算中心，目前特斯拉 Dojo 超級(jí)計(jì)算機(jī)上的花費(fèi)已超過 10 億美元。

02、完全依賴深度學(xué)習(xí)，Wayve AV 2.0 有多強(qiáng)？

全球沒有一家任何一家公司像 Wayve 這樣，一開始就打算做端到端自動(dòng)駕駛。

從 2017 年成立開始，Wayve 對(duì)于自動(dòng)駕駛的理解就一直是：

去高精地圖，依靠簡(jiǎn)單傳感器，實(shí)現(xiàn)任何車輛在任何環(huán)境中的自動(dòng)駕駛。

也就是說，在自動(dòng)駕駛行業(yè)還在研究如何給系統(tǒng)預(yù)埋高精地圖、激光雷達(dá)要裝多少顆之前，Wayve 已經(jīng)明確了端到端大模型的解題思路，走了一條與特斯拉相同的路徑。

Wayve 將自己的自動(dòng)駕駛系統(tǒng)稱為 AV 2.0。

它的優(yōu)勢(shì)可以總結(jié)為以下幾點(diǎn)：

• 高效且大規(guī)模的自監(jiān)督式學(xué)習(xí)；

• 不依賴高精地圖；

• 靈活應(yīng)對(duì)長(zhǎng)尾問題；

• 解決可解釋性，建立人際信任；

• 自由選擇硬件配置、車型配置

肯德爾強(qiáng)調(diào)，Wayve AV 2.0 的強(qiáng)大性能在于其「不斷學(xué)習(xí)」。從原始的、未標(biāo)記的數(shù)據(jù)中學(xué)習(xí)駕駛技能，從而節(jié)省了大量成本，并提高了系統(tǒng)的泛化能力。

而性能與優(yōu)勢(shì)背后，是 Wayve 打造的三大核心模型作為支撐：GAIA-1 世界模型、LINGO 模型以及 Fleet Learning Loop 模型。

首先是 GAIA-1 世界模型，它的設(shè)計(jì)目標(biāo)在于能夠應(yīng)對(duì)大量靈活、復(fù)雜的交通場(chǎng)景，解決長(zhǎng)尾問題。

它能夠通過輸入簡(jiǎn)單的視頻、文本及動(dòng)作，模擬出逼真的真實(shí)場(chǎng)景，并對(duì)生成的駕駛場(chǎng)景進(jìn)行細(xì)粒度的控制，然后做出自主性決策。

也就是說，GAIA-1 世界模型可以對(duì)大規(guī)模的未標(biāo)記視頻數(shù)據(jù)進(jìn)行自我監(jiān)督學(xué)習(xí)、消化、提升。

結(jié)果就是，自動(dòng)駕駛系統(tǒng)能夠自主應(yīng)對(duì)各種路況，即便是鬼探頭、斷頭路等緊急情形下，其也能正常應(yīng)對(duì)，而不是簡(jiǎn)單地停下。

然后是 LINGO 模型。目前端到端智能駕駛的挑戰(zhàn)在于缺乏可解釋性，即系統(tǒng)像個(gè)黑盒子，你不理解它為什么會(huì)做出錯(cuò)誤決策，也無法進(jìn)行修復(fù)。

而 LINGO 模型攻克了這一難點(diǎn)，它使用視覺和語(yǔ)言作為輸入，能夠向用戶清晰地解釋出「它正在做什么」、「為什么這樣做」，并依靠指令信息調(diào)整車輛行為，在增強(qiáng)車機(jī)交互性的同時(shí)，提高人機(jī)信任程度。

最后是 Fleet Learning Loop 模型，其關(guān)鍵詞在于「持續(xù)學(xué)習(xí)」。

相當(dāng)于這個(gè)模型，能夠基于數(shù)據(jù)的收集、模型的訓(xùn)練、性能的評(píng)估進(jìn)行自我更新與優(yōu)化，這使得駕駛系統(tǒng)可以不依賴高精地圖，就能擴(kuò)展到新道路與新城市，并且支持傳感器、車輛類型的兼容。

顯然，圍繞著端到端自動(dòng)駕駛系統(tǒng)，Wayve 正在賦予自動(dòng)駕駛更廣闊的想象空間，并推動(dòng)這一想象走向現(xiàn)實(shí)。

而這也是巨頭們?cè)诮?jīng)歷自動(dòng)駕駛投資寒潮之后，仍愿意持續(xù)押注的原因。

城市 NOA 的解題方法就是端到端自動(dòng)駕駛。

過去傳統(tǒng)自動(dòng)駕駛是模塊化傳遞信息，在這個(gè)過程中會(huì)出現(xiàn)信息減損，而且面對(duì)城市中更加復(fù)雜且無法窮盡的 Coner Case，編寫代碼就是無底洞。

端到端通過神經(jīng)網(wǎng)絡(luò)機(jī)制運(yùn)轉(zhuǎn)，相當(dāng)于一端輸入感知信息，另一端輸出決策，其運(yùn)行方式更類人，在復(fù)雜的城市 NOA 場(chǎng)景中，可以靈活應(yīng)對(duì)不同場(chǎng)景，體驗(yàn)上也減少了傳統(tǒng)自動(dòng)駕駛的程式化，更加流暢。

另外，端到端還為打開 L5 全無人駕駛提供了可能性，過去由于無法窮盡場(chǎng)景的原因，自動(dòng)駕駛在技術(shù)升維上存在很大的難度，但有了端到端這樣的類人駕駛，為打開 L5 全無人自動(dòng)駕駛提供了更多的可能性。

Wayve 正因?yàn)榭粗辛诉@些優(yōu)勢(shì)，才會(huì)從一開始就押注端到端。

有業(yè)內(nèi)人士表示，2017 年自己在硅谷時(shí)也接觸過端到端這種思路，但第一反應(yīng)是依靠神經(jīng)網(wǎng)絡(luò)這件事聽著實(shí)在是太不靠譜了。

但現(xiàn)在他已經(jīng)全面轉(zhuǎn)向端到端派別，他相信端到端就是解決類人駕駛的唯一解。

在這件事情上，Wayve 至少有了時(shí)間上的先發(fā)優(yōu)勢(shì)。

03、自動(dòng)駕駛的又一個(gè)春天？

毫末智行 CEO 顧維灝將自動(dòng)駕駛的歷程分為三個(gè)階段。

第一個(gè)階段，從 2004 年至 2014 年，依靠激光雷達(dá)感知，基于人工規(guī)則認(rèn)知，是硬件驅(qū)動(dòng)的時(shí)代；

第二個(gè)階段，從 2014 年至 2021 年，依靠傳感器單獨(dú)輸出結(jié)果感知，同樣基于人工規(guī)則認(rèn)知，以小模型少數(shù)據(jù)為主要模式，是軟件驅(qū)動(dòng)的時(shí)代；

第三個(gè)階段，2021 年之后，到了多模態(tài)傳感器聯(lián)合感知，基于可解釋的場(chǎng)景化駕駛常識(shí)認(rèn)知，以大模型大數(shù)據(jù)為主要模式的數(shù)據(jù)驅(qū)動(dòng)時(shí)代。

從硬件、軟件到數(shù)據(jù)驅(qū)動(dòng)，伴隨著技術(shù)迭代，自動(dòng)駕駛迎來新的趨勢(shì)——端到端大模型。

春江水暖鴨先知，從今年 3 月份開始，自動(dòng)駕駛領(lǐng)域的投融資在全球范圍內(nèi)多了起來。

除了 Wayve 獲得巨頭垂青之外，國(guó)內(nèi)自動(dòng)駕駛企業(yè)也在融資、上市進(jìn)程上加快腳步。

4 月份，繼 2 月獲得超億元 B1 輪融資后，毫末智行宣布再獲 3 億元的 B2 輪融資，用于自動(dòng)駕駛研發(fā)投入。目前其估值已超 10 億美元。

同樣是 4 月，小馬智行釋放出赴美 IPO 的信號(hào)，目前已在上市備案階段。

一位自動(dòng)駕駛供應(yīng)商的業(yè)內(nèi)人士向我們表示，Wayve 和特斯拉的動(dòng)作，讓業(yè)內(nèi)感覺回暖了。

投融資的前提與基本盤是技術(shù)，在這一層面上，國(guó)內(nèi)自動(dòng)駕駛廠商與 Wayve 都非常有默契地選擇了端到端自動(dòng)駕駛方案。

以元戎啟行為代表的國(guó)內(nèi)自動(dòng)駕駛廠商，在端到端駕駛方案上保持了循序漸進(jìn)的節(jié)奏。先是打造端到端模型，然后形成多傳感器融合感知，從規(guī)則驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)。

2019 年，元戎啟行發(fā)布多傳感器融合感知算法；

2023 年 3 月，發(fā)布了不搭載高精地圖的智能駕駛解決方案 DeepRoute-Driver 3.0；4 月，推出了高階智駕平臺(tái) DeepRoute IO，并將方案投入量產(chǎn)，數(shù)款合作車型將于今年 10 月份陸續(xù)推向市場(chǎng)。

以小鵬為代表的車企同樣奔跑在端到端自動(dòng)駕駛第一梯隊(duì)。

小鵬的技術(shù)路徑為先引入大模型，然后逐代升級(jí)，進(jìn)階為完整的端到端系統(tǒng)。

就在前幾天的 AI DAY 上，何小鵬繼續(xù)強(qiáng)調(diào)小鵬 ALL IN AI，在發(fā)布會(huì)上小鵬的 AI 天璣系統(tǒng)也比較亮眼，這就是一個(gè)典型的端到端系統(tǒng)。

AI 天璣系統(tǒng)由神經(jīng)網(wǎng)絡(luò) XNet、規(guī)控大模型 XPlanner、大語(yǔ)言模型 XBrain 三部分構(gòu)成，可以實(shí)現(xiàn)端到端大模型 2 天迭代一次。

作為車企更要考慮到終端的效果，小鵬做過一個(gè)研究，使用端到端的系統(tǒng)，車輛前后頓挫減少 50%、違?？ㄋ罍p少 40%、安全接管減少 60%。

數(shù)據(jù)就擺在面前，端到端已經(jīng)成為了車企決戰(zhàn)城市 NOA 的下一個(gè)殺手锏。

Wayve 作為堅(jiān)持端到端的智駕供應(yīng)商得到巨頭投資，只是一個(gè)開春的信號(hào)，對(duì)于國(guó)內(nèi)市場(chǎng)而言，一場(chǎng)浩浩蕩蕩的端到端上車?yán)顺奔磳㈤_幕。

目前，小鵬天璣系統(tǒng)已全量覆蓋小鵬 X9、G6 、G9 、P7i，小鵬也非常自信地打出口號(hào)——繼特斯拉之后，小鵬是全球唯二，國(guó)內(nèi)首個(gè)上端到端自動(dòng)駕駛的車企。

今年下半年，陸續(xù)還會(huì)有更多智駕供應(yīng)商開發(fā)的端到端自動(dòng)駕駛系統(tǒng)在國(guó)內(nèi)量產(chǎn)上車。

需要注意的是，端到端也存在一些「局部端到端+規(guī)則算法」導(dǎo)致的「真假端到端」。

也就是說，實(shí)現(xiàn)全端到端需要時(shí)間，隨著時(shí)間推移，端到端去偽存真將會(huì)在量產(chǎn)上車時(shí)得到驗(yàn)證。

不過可以確信，西半球與東半球正在共同「合謀」，以端到端為名，開啟自動(dòng)駕駛資本及技術(shù)爆發(fā)又一春。

返回第一電動(dòng)網(wǎng)首頁(yè) >