📊Bloomberg Technology•較早收集於 38m
自駕競賽：Waymo 感測 vs Wayve AI
💡AV 競賽中感測 vs 端到端 AI—機器人建構者洞見 (22字)
⚡ 30-Second TL;DR
有什麼變化
Waymo：感測精準加地圖；Wayve：純 AI 可擴展學習
為什麼重要
加劇全球 AV 競爭，凸顯歐洲角色。純 AI 勝出或將投資從硬體轉向模型，提振 AI 優先新創。
下一步行動
觀看 Bloomberg 節目，並在 CARLA 模擬器中複製 Wayve 式端到端駕駛。
誰應關注：Researchers & Academics
關鍵要點
- •Waymo：感測精準加地圖；Wayve：純 AI 可擴展學習
- •介紹 BYD 中國 AV 推進、Vay 城市無人運輸
- •Einride 透過自駕電動卡車重塑貨運
- •辯論移動競賽中感測密集 vs 端到端模型
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Wayve 在 2024 年獲得軟銀集團領投的 10.5 億美元 C 輪融資，展現了資本市場對其端到端 AI 模型（AV2.0）商業化潛力的強烈信心。
- •Waymo 於 2025 年底在美國多個主要城市擴大部署了第六代硬體系統，該系統透過優化感測器配置顯著降低了單車生產成本，同時提升了在惡劣天氣下的感知能力。
- •Wayve 的端到端模型採用了類似大型語言模型的架構，透過「具身智慧」（Embodied AI）技術，使其能夠在未經地圖預先標註的全新環境中進行零樣本（Zero-shot）駕駛決策。
📊 競品分析▸ Show
| 特性 | Waymo (感測驅動) | Wayve (端到端 AI) | Tesla (視覺驅動) |
|---|---|---|---|
| 核心技術 | 多模態感測器融合 + 高精地圖 | 端到端深度學習 (AV2.0) | 純視覺神經網絡 |
| 硬體依賴 | 高 (LiDAR, 雷達, 相機) | 低 (主要依賴相機) | 極低 (僅相機) |
| 擴展性 | 較慢 (需地圖繪製) | 極高 (具備泛化能力) | 高 (數據驅動) |
| 商業模式 | Robotaxi 營運商 | 技術授權/合作夥伴 | 車輛銷售/軟體訂閱 |
🛠️ 技術深入
- Wayve AV2.0 架構：採用多模態基礎模型，將感測器數據直接映射至駕駛指令，無需傳統的感知、預測、規劃模組化流程。
- Waymo 第六代系統：整合了更先進的 LiDAR 陣列，具備更長的探測距離與更高的解析度，並結合了基於 Transformer 的感知模型來處理複雜的交通場景。
- 數據訓練：Wayve 強調利用模擬環境與真實世界數據進行大規模自我監督學習，以解決長尾場景（Long-tail scenarios）的泛化問題。
🔮 前景展望AI analysis grounded in cited sources
端到端 AI 模型將在 2027 年前成為自動駕駛技術的主流研發方向。
相較於依賴高精地圖的傳統方案，端到端模型在降低部署成本與提升環境適應性方面具有顯著的經濟與技術優勢。
Waymo 將被迫在未來兩年內引入更多 AI 原生架構以維持競爭力。
隨著純 AI 驅動的自動駕駛系統在複雜城市環境中的表現日益成熟，傳統的模組化感測融合方案面臨運算效率與開發成本的挑戰。
⏳ 時間線
2017-04
Wayve 在英國倫敦成立，致力於開發基於深度學習的自動駕駛技術。
2020-08
Wayve 完成了英國首次在公共道路上進行的無人駕駛測試，且未預先繪製高精地圖。
2024-05
Wayve 宣布完成 10.5 億美元 C 輪融資，由軟銀集團領投，微軟與 NVIDIA 跟投。
2025-11
Waymo 正式在多個美國城市部署第六代自動駕駛硬體系統，標誌著其硬體成本優化與性能提升的重大里程碑。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Bloomberg Technology ↗