伦敦的一家自动驾驶初创公司 Wayve，正凭借其领先的 AI 驱动机器学习框架，彻底改变着行业现状，并赢得了资本市场的高度青睐。这家运营了七年的企业，已经从英伟达、梅赛德斯-奔驰和日产等知名科技与汽车制造商那里，成功募集了总额28亿美元的资金。
今年6月的时候，Wayve对外宣布，他们的系统将被安装到Stellantis旗下Jeep品牌的机器人出租车上，并且会接入Uber的叫车平台。这一系列举措，彰显了其技术商业化的步伐正在加快。所谓“端到端”技术路线：像人类一样驾驶 成为Wayve核心竞争力的是他们所采用的“端到端机器学习”技术。这种技术路线跟特斯拉近年来调整的策略有相似之处。不过，特斯拉主要是依赖于纯视觉摄像头的方案，而Wayve的系统设计则能够兼容多种传感器和AI芯片。这样的设计意味着该技术在通用性上更强，几乎可以授权给任何无人驾驶汽车的开发者使用。
Wayve的创始人兼CEO Alex Kendall表示：“我们的期望是，不管是什么品牌、什么车型，在世界的任何一个角落都能实现完全的自动驾驶。”这位33岁的新西兰剑桥大学博士，在2017年创立这家公司的时候，端到端AI还属于一个比较小众的实验领域。但现在，随着Alphabet旗下的Waymo迅速扩张，整个行业对于无人驾驶的兴趣被重新激发，端到端学习已经成为众多开发商可以选择的技术之一。
“黑盒”难题与安全博弈 尽管这种以AI为中心的端到端方法效率很高，但也带来了新的安全层面的挑战。由于它的决策过程具有“黑盒”特征，意味着很难解释车辆在特定场景下的具体判断过程。
相比之下，传统基于规则的系统在追溯决策原因方面要容易得多。Wayve的人工智能副总裁Vijay Badrinarayanan指出，预编程的系统在面对罕见的突发场景时往往显得比较脆弱，而人类驾驶员则可以通过保守的适应性行为来保证安全。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。但是，业界对此还是持有保留态度。Waymo虽然也引入了端到端AI，但仍然坚持认为基于规则和地图的传统方法，是确保大规模安全所必需的一个补充措施。日产的技术主管Eiichi Akashi坦言，尽管Wayve的系统处于“最先进”的水平，但其内部运作机制并不是特别透明，他们的团队正在密切评估其安全性，以便配合日产计划在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，由于不需要进行繁琐的道路测绘和本地化代码编写，Wayve能够迅速地拓展到新的市场。目前，该系统已经在全球数百个城市完成了测试，公司也在东京、斯图加特和温哥华设立了主要的业务中心。英国华威大学的教授Siddartha Khastgir认为，端到端模型的开发和商业化部署速度，确实优于传统方法，但这并不意味着它在安全性上就一定超越了其他技术。卡内基梅隆大学的自主技术专家Phil Koopman则表现得更为谨慎，他指出处理异常交通状况的路径不止一条，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以及新的技术创新。
