Wayve 有意挑戰 Waymo，並將自動駕駛技術導入每輛車

(SeaPRwire) –   「好吧，它啟動不了。這真尷尬。」

Wayve 執行長 Alex Kendall 正按著我們這輛 Ford Mustang Mach-E 上的觸控螢幕面板，試圖說服他那家價值數十億美元公司的軟體帶我們在聖荷西繞一圈。一位助理從副駕駛座車窗伸手進來，做了一個類似「關掉再重開」的動作，螢幕上隨即出現了地圖。Kendall 將車子開過一排封鎖 Nvidia GTC 會場的交通錐，然後按下啟動鍵。隨著車輛加速進入車道，我們輕輕地向後靠在椅背上，準備好上路了。

在自動駕駛領域，正如許多其他 AI 相關領域一樣，搶先一步至關重要。儘早獲取客戶意味著能收集到改善產品的數據，從而啟動一個讓既有業者能吞噬市場的飛輪效應。截至 1 月，Waymo 在美國十個城市營運著 3,000 輛無人計程車，年化營收超過 3.5 億美元。Tesla 則有超過 600 萬輛汽車在為其「全自動輔助駕駛」（Full Self-Driving）模式收集數據。

Wayve 處於劣勢。今年 2 月，這家總部位於倫敦的新創公司估值為 86 億美元——而幾週前，2016 年從 Google 分拆出來的 Waymo 估值已達 1,260 億美元。Kendall 並未因此氣餒。他表示：「我們所建立的是一種典範轉移，與你在上海或舊金山街頭看到的截然不同。」他間接提到了 Waymo 及其包括 Pony.ai 和 WeRide 在內的中國競爭對手。然而，這家新創公司尚未證明其技術能進行大規模部署。

Wayve 承諾將部分自動化——即車輛自行駕駛，但人類駕駛員仍須保持警覺以備不時之需——帶入幾乎任何現代汽車中。「汽車產業現在正以數百萬輛的規模生產具備合適感測器與硬體的汽車，足以部署像這樣的 AI，」Kendall 指著正引導我們平穩穿過繁忙街道的車載控制台說道。其願景是透過廣泛部署部分自動化 AI，讓 Wayve 能夠收集數據，進而開發出具備完全自動駕駛能力的系統。

只要將自身限制在部分自動化範圍內，Wayve 就能使用廉價且廣泛普及的硬體，這些硬體目前已為許多汽車的自適應巡航控制和自動緊急煞車功能提供支援。據 Kendall 稱，Ford Mustang Mach-E 內建的攝影機和晶片成本僅需幾百美元。「這旨在將這項技術帶給任何車輛，」他說。

乍看之下，這比 Waymo 客製化的無人計程車具有顯著優勢，據部分產業估計，後者使用了 13 個攝影機、6 個雷達單元、4 個光達（LiDAR）單元，成本高達數萬美元。然而，這並非完全對等的比較：若要實現無人駕駛的完全自動化，Wayve 也需要更多的感測器。

如果 Wayve 的軟體能成功上路，它很快就能在全球各地行駛。2025 年，該公司在全球 500 個城市進行了一場 145 萬公里的「公路旅行」，其中許多城市是這些車輛從未行駛過的，且僅依賴人類導航時會使用的「標準導航地圖」。據 Waymo 發言人稱，Waymo 為其營運的每個新服務區域建立詳細的初始地圖，這需要「數週」的時間。該發言人也指出，其車輛能自動導航部分未繪製地圖的區域，例如施工路段。

Kendall 認為，Wayve 在不同車型和國家間的通用性，開啟了競爭對手迄今尚未觸及的市場。汽車銷售市場規模約為 2 兆美元，是 Waymo 目前競爭的計程車市場的十倍。像 Wayve 一樣開發部分自動化軟體的 Tesla，目前並未向其他汽車公司提供其軟體。「最大的機會……在於將技術授權給任何車隊或汽車製造商，」Kendall 說。「我認為到了 2030 年代……如果你賣的車沒有『放手』和『閉眼』駕駛功能，該產品的需求將趨近於零。」

Wayve 計畫於 2026 年透過其投資者之一 Uber，在倫敦和東京開始營運自家的乘車服務，並由安全駕駛員在後座備援。這些部署將有助於收集數據以訓練 AI 駕駛，並開發「世界模型」（world models）：即 Wayve 和 Waymo 用來測試 AI 如何應對新環境的模擬世界。「數據是機器人技術中最大的瓶頸——收集數據既耗時又昂貴，」製作世界模型的 Runway ML 共同執行長 Anastasis Germanidis 表示。

但與此同時，Wayve 的部分優勢正在減弱。Waymo 的最新車型所需的感測器減少了 42%，削弱了 Wayve 關於硬體成本差距的說法。對 Wayve 而言，更令人擔憂的或許是 Waymo 正朝著無人計程車以外的領域擴張，試圖為私人車輛提供其自動駕駛 AI。2025 年 4 月，該公司與 Toyota 達成初步協議，「專注於加速自動駕駛技術的開發與部署」。

在聖荷西的這趟 Wayve 之旅平淡無奇，這正是人們所期望的。亮點在於對轉彎的精準準備：「非常漂亮的換道。剛好切到公車後面，讓我們可以順利右轉，」Kendall 低聲說道。「隨著我們部署更多車輛，這會產生一種飛輪效應，部署越多，經驗越豐富，系統表現就越好，能服務的應用場景也就越多，」他說。當然，這對他的競爭對手來說也是一樣的道理。