Wayve聯合創始人兼CEO Alex Kendall看到了將其自動駕駛初創公司技術推向市場的希望。前提是Wayve堅持其戰略，確保其自動駕駛軟體運行成本低廉、硬體不受限制，且可應用於高級駕駛輔助系統、機器人計程車，甚至機器人領域。

Kendall在英偉達GTC大會上闡述的這一戰略，始於端到端的數據驅動學習方法。這意味著系統通過各種感測器（如攝像頭）"看到"的內容直接轉化為其駕駛方式（如決定剎車或左轉）。此外，這也意味著系統不需要依賴高清地圖或基於規則的軟體，這與早期版本的自動駕駛技術不同。

這種方法吸引了投資者。Wayve成立於2017年，過去兩年已籌集超過13億美元資金，計劃向汽車和車隊合作夥伴（如Uber）授權其自動駕駛軟體。

該公司尚未宣佈任何汽車製造商合作夥伴關係，但一位發言人告訴TechCrunch，Wayve正與多家OEM進行"強有力的討論"，以將其軟體整合到各種不同類型的車輛中。

其運行成本低廉的軟體優勢對於達成這些交易至關重要。

Kendall表示，將Wayve的高級駕駛輔助系統（ADAS）應用到新生產車輛的原始設備製造商（OEM）不需要在額外硬體上投資，因為該技術可以與現有感測器配合工作，這些感測器通常包括環繞攝像頭和一些雷達。

Wayve還是"晶片不受限"的，這意味著它可以在OEM合作夥伴車輛中已有的任何GPU上運行其軟體，據Kendall介紹。不過，該初創公司目前的開發車隊確實使用了英偉達的Orin系統級晶片。

"進入ADAS領域非常關鍵，因為它使你能夠建立可持續的業務，大規模建立分銷網路，並獲取數據暴露，以便將系統訓練到[Level] 4級別，"Kendall在週三的舞臺上說。

（4級駕駛系統意味著它可以在特定條件下自行導航環境，無需人類干預。）

Wayve計劃首先在ADAS級別商業化其系統。因此，該初創公司設計的AI駕駛員可以在沒有雷射雷達的情況下工作——激光雷達是一種使用雷射光線測量距離以生成高度準確的3D世界地圖的光探測和測距雷達，大多數開發4級技術的公司認為這是必不可少的感測器。

Wayve的自動駕駛方法與特斯拉類似，特斯拉也在開發端到端深度學習模型來驅動其系統並持續改進其自動駕駛軟體。正如特斯拉正在嘗試做的那樣，Wayve希望利用ADAS的廣泛推廣來收集數據，説明其系統實現完全自動駕駛。（特斯拉的"全自動駕駛"軟體可以執行一些自動駕駛任務，但並非完全自動駕駛。不過，該公司計劃在今年夏天推出機器人計程車服務。）

從技術角度看，Wayve和特斯拉方法的主要區別之一是特斯拉只依賴攝像頭，而Wayve樂於整合雷射雷達以實現近期的完全自動駕駛。

"從長遠來看，當你建立可靠性並能夠驗證某種規模水準時，肯定有機會進一步縮小那個[感測器套件]，"Kendall說。"這取決於你想要的產品體驗。你想要車輛在霧中更快行駛嗎？那麼你可能需要其他感測器[如雷射雷達]。但如果你願意讓AI理解攝像頭的局限性並因此採取防禦性和保守性措施呢？我們的AI可以學習到這一點。"

Kendall還預告了GAIA-2，Wayve針對自動駕駛的最新生成式世界模型，該模型在大量真實世界和合成數據的廣泛任務上訓練其駕駛員。該模型一起處理視頻、文本和其他動作，Kendall表示這使Wayve的AI駕駛員在駕駛行為上更具適應性和人性化。

"讓我真正興奮的是你看到的人性化駕駛行為，"Kendall說。"當然，沒有手工編碼的行為。我們不告訴汽車如何行動。沒有基礎設施或高清地圖，相反，這種新興行為是數據驅動的，能夠應對非常複雜和多樣化的場景，包括在訓練過程中可能從未見過的場景。"

Wayve與自動駕駛卡車初創公司Waabi有著相似的理念，後者也在追求端到端學習系統。兩家公司都強調擴展可以在不同駕駛環境中通用的數據驅動AI模型，並且都依賴生成式AI模擬器來測試和訓練其技術。