Finews
台灣最好懂得財經、科技新聞網！
帶給你最有用的新聞資訊。
你是否好奇，未來的自動駕駛汽車會是什麼樣子？它將如何學習、如何理解複雜的交通狀況，甚至是如何「像人一樣」開車？
近年來，自動駕駛技術在全球掀起一股變革浪潮，其中，英國新創公司 Wayve 以其獨特的「端到端數據驅動學習」方法脫穎而出。在最近的 Nvidia GTC 大會上，Wayve 的共同創辦人兼執行長 Alex Kendall 進一步闡述了他們的核心策略，旨在打造一套低成本、硬體通用，且能從目前的先進駕駛輔助系統（ADAS）逐步升級到 Level 4 全自動駕駛的軟體解決方案。
這篇文章將帶你深入了解 Wayve 的技術創新、商業佈局，以及這家公司如何利用人工智慧（AI），為未來智慧交通奠定基石。準備好了嗎？我們將一起探索，Alex Kendall 和 Wayve 究竟如何顛覆我們對「開車」的想像。
以下是 Wayve 技術的三大主要優勢：
- 數據驅動學習：透過大量的真實駕駛數據，AI 可自我學習駕駛行為，提升決策能力。
- 硬體通用性：其軟體能兼容多種車輛硬體，降低導入成本。
- 成本效益高：無需高精地圖或繁瑣規則，顯著降低開發與維護成本。
Wayve 的自動駕駛系統具備以下特點：
| 特點 | 描述 |
|---|---|
| 端到端學習 | AI直接從感測器數據學習駕駛決策。 |
| 硬體通用性 | 兼容多種感測器和處理器平台。 |
| 成本效益 | 降低高精地圖和規則基礎開發成本。 |
Wayve 的顛覆性核心策略：數據驅動與硬體通用
想像一下，傳統的自動駕駛技術就像是給汽車「手把手」地教導每一條規則：在紅綠燈前要停、要變換車道時要打方向燈、遇到行人要禮讓等等。這套系統通常需要非常精確的高精地圖，以及工程師編寫的無數條規則基軟體來應對各種情況，不僅開發成本高昂，在複雜多變的實際道路上，也可能因為規則不夠周全而遇到瓶頸。
但 Wayve 選擇了一條截然不同的路。他們的核心技術是「端到端數據驅動學習」，這就像是讓 AI 直接學習人類駕駛員的行為模式，而不是死記硬背規則。透過大量的真實駕駛數據，AI 會直接從感測器（例如環繞攝影機和雷達）的輸入，學習如何做出駕駛決策，從而擺脫對高精地圖和複雜規則的依賴。這意味著，他們的自動駕駛軟體具備極高的成本效益，因為它不需要為了每一個新區域或新情境，都重新製作高精地圖或編寫新規則。
此外，Wayve 的軟體設計也強調「硬體通用性」。這是一個非常重要的優勢，因為它代表 Wayve 的軟體不挑食！無論你的車子現有什麼樣的感測器套件，或者使用哪種品牌的圖形處理器（GPU），像是 Nvidia Orin 這種常見的系統單晶片（SoC），Wayve 的軟體都能夠相容。對於傳統汽車製造商（OEM）來說，這無疑是一個極具吸引力的合作選項，因為他們不需要大規模修改現有的車輛硬體設計，就能導入 Wayve 的自駕技術，加速新世代智慧車款的推出。
以下是 Wayve 在硬體通用性上的幾項優勢：
- 兼容性廣泛：支援多種感測器和處理器平台。
- 易於整合：可輕鬆導入至現有車輛設計中。
- 降低成本：減少硬體升級所需的資金投入。
| 公司 | 策略 | 優勢 |
|---|---|---|
| Wayve | 軟體授權與硬體通用 | 高兼容性與成本效益 |
| 特斯拉 | 自家車輛專屬開發 | 深度整合與獨立控制 |
商業化路徑：從 ADAS 累積數據邁向 Level 4 全自駕
你可能會問，這麼先進的技術，Wayve 要怎麼把它推向市場呢？Wayve 的商業化策略非常清晰且務實：他們不急於一開始就推出 Level 4 的機器人計程車，而是選擇從先進駕駛輔助系統（ADAS）切入。
什麼是 ADAS 呢？簡單來說，就是我們現在許多新車上都有的功能，像是自動跟車、車道維持、自動停車輔助等等。這些功能雖然還不是完全的自動駕駛，但它能大幅提升駕駛的便利性和安全性。Wayve 計劃將他們的自動駕駛軟體授權給汽車製造商和車隊夥伴，讓他們的 ADAS 技術大規模地應用在市售車輛上。
這項策略有幾個關鍵的好處：
- 建立永續商業模式：透過 ADAS 軟體的授權費用，Wayve 可以創造穩定的收入來源，這比單純依賴風險較高的 Level 4 部署來得更可靠。
- 大規模數據採集：數百萬輛搭載 Wayve ADAS 系統的汽車在路上行駛，每一天都能產生大量的真實駕駛數據。這些數據就像是黃金，可以用來持續訓練和優化 Wayve 的人工智慧模型，讓其自動駕駛能力不斷提升。
- 逐步升級 Level 4：有了海量真實數據的「餵養」，Wayve 的系統將能從 Level 2/3 的 ADAS 穩健地進步，最終達成 Level 4 的全自動駕駛能力。這種循序漸進的方法，不僅有助於技術的成熟，也能讓消費者和監管單位逐漸接受和信任自動駕駛。
這種從累積數據開始，逐步邁向高階自動駕駛的策略，展現了 Wayve 在技術發展與商業落地之間的平衡智慧，也為整個自動駕駛產業提供了一條可行的規模化路徑。
| 階段 | 策略 | 目標 |
|---|---|---|
| 初期 | 導入 ADAS 功能 | 建立收入來源並累積數據 |
| 中期 | 擴展 ADAS 技術至更多車型 | 增強數據集和技術穩定性 |
| 長期 | 升級至 Level 4 全自動駕駛 | 實現完全自動駕駛能力 |
技術深度解析：GAIA-2 模型與人性化駕駛行為
Wayve 的自動駕駛技術之所以特別，很大一部分要歸功於他們最新的生成式世界模型「GAIA-2」。這個名字聽起來有點科幻，但概念其實不難懂。你可以把 GAIA-2 想像成一個極度聰明的「虛擬駕駛老師」，它不僅能看懂真實世界的駕駛影像，還能理解文字指令，甚至能夠模擬出各種駕駛行為。
GAIA-2 是如何做到的呢？
它透過處理巨量的真實與合成數據進行訓練。這些數據不光是道路上的即時影像，還包括了大量的文字描述，以及各種駕駛動作。當 AI 模型「看」過、學習過足夠多的數據後，它就能開始理解複雜的駕駛情境，甚至預測其他車輛或行人的行為。最厲害的是，這個模型不依賴工程師為每種情境編寫程式碼，而是透過數據學習，讓人工智慧駕駛展現出更具「人性化」的適應能力。
什麼是「人性化駕駛行為」？這表示 Wayve 的自駕技術在面對突發狀況或模糊情境時，能像經驗豐富的駕駛員一樣，做出合理且安全的判斷。例如，當遇到道路施工或意外事故時，它能平穩地減速、變道，而不是突然急煞或不知所措。這種無需人工編碼、完全由數據驅動的行為模式，是 Wayve 應對複雜多樣駕駛情境的關鍵，也讓他們的系統在安全性和可靠性上，具備了更強的潛力。
GAIA-2 模型的關鍵特性包括：
- 高效數據處理：能快速解析和學習大量多樣化的駕駛數據。
- 情境理解：具備預測和應對各種交通情境的能力。
- 自我優化：透過持續學習，不斷提升駕駛決策品質。
市場競爭與未來展望：與產業巨頭的異同
在自動駕駛這個高度競爭的領域，Wayve 當然不是唯一玩家。談到端到端學習的自動駕駛系統，你可能馬上會聯想到特斯拉（Tesla）。沒錯，特斯拉也是採用類似的「視覺優先、端到端學習」路徑，透過大量實際駕駛數據來訓練其 FSD（全自動輔助駕駛）系統。
那麼，Wayve 與特斯拉有什麼不同呢？
雖然兩者都信奉「數據驅動」和「端到端學習」的理念，但在實現路徑上，Wayve 展現了更大的彈性。 Wayve 執行長 Alex Kendall 曾表示，他們願意整合光達（LiDAR）。這是一個重要的差異點，因為特斯拉堅持只使用攝影機進行自動駕駛。光達能提供精確的三維距離資訊，在某些複雜情境下，可以作為攝影機的良好補充，加速全自動駕駛的實現。
此外，Wayve 的合作模式也與特斯拉有所區別。特斯拉主要專注於自家車輛的自動駕駛開發，而 Wayve 則採取「軟體授權」的方式，積極與現有汽車製造商（OEM）合作，將其技術整合到不同品牌的量產車型中。這種合作模式有望加速自動駕駛技術的普及，為傳統汽車產業轉型升級提供關鍵技術支援。
除了特斯拉，自動駕駛卡車新創公司 **Waabi** 也與 Wayve 在端到端學習系統的理念上有共通之處。這也說明了，基於 AI 的學習型自動駕駛，正逐漸成為產業發展的主流方向。
| 公司 | 技術路徑 | 主要優勢 |
|---|---|---|
| Wayve | 軟體授權，整合光達 | 高兼容性，靈活合作模式 |
| 特斯拉 | 自家車輛專用，僅用攝影機 | 深度整合，自主控制 |
| Waabi | 端到端學習系統 | 專注卡車自動駕駛 |
Wayve 目前已成功融資超過 13 億美元，並獲得了像是 **Uber** 這樣的策略投資者的青睞，這顯示市場對其技術與商業模式的高度認可。隨著 Wayve 的技術從 ADAS 逐步邁向 Level 4 全自動駕駛，我們有理由相信，Wayve 有望在智慧交通的未來扮演關鍵角色，其發展動向值得業界與投資人持續關注。
總結：Wayve 如何開創自動駕駛新紀元
透過這次的深入探索，我們看到了 Wayve 這家新創公司，如何在自動駕駛領域走出自己的道路。 Wayve 執行長 Alex Kendall 所擘劃的藍圖，不僅著眼於技術的突破性，更聚焦於實際的商業化與規模化能力。
他們的核心價值在於：
- 端到端數據驅動：徹底簡化自動駕駛系統，擺脫對高精地圖和繁瑣規則的依賴。
- 硬體通用性：讓軟體能廣泛兼容各種車輛硬體，降低導入門檻。
- 務實的商業模式：從 ADAS 切入市場，在累積海量數據的同時，逐步實現 Level 4 的宏偉目標。
- GAIA-2 模型：讓 AI 學習具備「人性化」的駕駛行為，提升系統的適應性和可靠性。
Wayve 憑藉其創新的端到端數據驅動自動駕駛技術，以及靈活的軟體授權商業模式，正逐步改變自動駕駛產業的發展格局。這不僅關乎技術的進步，更將深刻影響我們的出行方式和交通基礎設施。Wayve 的下一步，無疑將是整個科技與財經界共同期待的焦點。
【重要免責聲明】本文僅為資訊性說明與知識性教育分享，不構成任何投資建議。讀者在進行任何投資決策前，應自行研究並諮詢專業意見。市場投資有風險，請謹慎評估。
常見問題（FAQ）
Q：Wayve 的端到端數據驅動學習有何優勢？
A：這種方法讓 AI 直接從大量真實駕駛數據中學習，提升決策能力，並降低對高精地圖和規則基礎的依賴，從而降低成本並提高靈活性。
Q：Wayve 如何與現有汽車製造商合作？
A：Wayve 採取軟體授權的方式，將其自動駕駛技術整合到不同品牌的量產車型中，無需大規模修改現有車輛硬體設計，降低導入門檻。
Q：GAIA-2 模型如何提升自動駕駛的可靠性？
A：GAIA-2 模型通過處理大量真實與合成數據，學習複雜的駕駛情境和人性化駕駛行為，使自動駕駛系統在面對突發狀況時能做出合理且安全的判斷，提升系統的適應性和可靠性。
