前言：

AI具备实现机器与人类行为交互方式的范式转变的能力，并能从人类行为中汲取学习经验。

借助AI的核心能力，能够构建一种嵌入式的AI系统，该系统能从真实世界环境和合成数据中不断学习和进化，以超越传统编程的速度高效处理各种边缘情况。

作者 | 方文三

图片来源 |  网 络 

微软软银英伟达参投，今年自驾最大融资诞生

近期，英国人工智能公司Wayve成功完成了高达10.5亿美元的C轮融资，这一成绩刷新了今年自动驾驶行业的融资纪录。

仅次于2021年6月谷歌旗下自动驾驶公司Waymo所完成的25亿美元新融资。

据悉，此次融资成为欧洲人工智能公司有史以来规模最大的融资之一，其中软银集团作为领投方，英伟达、微软等知名企业也积极参与跟投。

此次融资吸引了微软、维珍、Baillie Gifford、D1 Capital Partners、Moore Strategic Ventures、Linse Capital等多家知名投资机构的青睐。

Wayve在此次融资之后，计划加快推进其人工智能产品的发展。

它将使用微软的Azure云平台来扩展和提升其AI模型，同时利用英伟达的车载计算平台（如Drive Orin和Thor）来强化其产品。

Wayve公司自2017年创立以来，一直专注于在公共道路上开发和测试端到端（e2e）深度学习自动驾驶系统，成为该领域的领军企业。

公司计划利用这笔资金加速开发和推出第一批用于生产车辆的具身智能产品，以满足市场对于更高级别自动驾驶技术的迫切需求。

在当前大模型技术快速发展的背景下，Wayve积极探索自动驾驶领域的具身智能技术，成为该领域的头部企业。

正致力于构建类似于“驾驶的GPT”的自主性基础模型，以期实现任何车辆在任何环境中的视觉感知、智能决策和自动驾驶功能。

同时，随着Wayve核心人工智能模型的持续进步，这些具身智能产品将帮助原始设备制造商（OEM）实现车辆从L2+辅助驾驶到L4自动驾驶的升级，从而推动整个自动驾驶行业的快速发展。

一年融资一次，已获得13亿美元投资

简单来说，Wayve正在干的事情就是：开发以AI为主的自动驾驶系统，解决传统自动驾驶技术在复杂交通环境下的局限性。

自2018年起，Wayve即在英国公共道路上开展了实地试验，并与Asda及Ocado Group的英国送货车队展开了紧密合作。

同时，公司已成功研发自动驾驶基础模型，其功效堪比“驾驶GPT”，能赋予各类车辆对周围环境的精准感知能力，确保在不同环境中均能安全行驶。

据公开资料显示，本轮融资之前，Wayve已成功完成三轮融资。

在成立初期，Wayve便获得了3800万美元的早期投资；2019年，公司再获Eclipse Ventures等机构的2000万美元A轮投资；

至2022年，微软等投资者亦参与了Wayve的B轮融资，金额高达2亿美元。

值得一提的是，2023年3月，微软创始人比尔·盖茨亲自试乘Wayve的自动驾驶系统，使得这家公司的知名度大幅提升。

加上此次投资后，Wayve已经累计获得13.28亿美元（约合人民币95.84亿元）的投资。

完全依赖于深度学习模型来进行决策和操作

相较于传统自动驾驶系统所依赖的编程方法或其他AI技术，Wayve的自动驾驶系统完全基于深度学习模型进行决策和操作。

为了进一步提升AI系统的适应性和决策能力，Wayve推出了视觉-语言-行动模型LINGO-2。该模型由视觉模型与语言模型两大核心模块构成。

视觉模型主要负责处理摄像头捕捉的连续图像信息，而语言模型则基于这些视觉输入预测驾驶轨迹并生成相应的评论文本。

随后，车辆控制器将根据语言模型输出的驾驶轨迹执行驾驶操作。

通过有效融合视觉输入与语言输出，LINGO-2不仅支持通过语言指令调整驾驶行为，还具备实时问答功能。

在驾驶过程中，LINGO-2能够即时回答关于场景问题的询问，并提供决策解释，这种实时交互方式有助于增强用户对系统的理解和信任。

近期，该公司计划推出首款搭载L2+级自动驾驶辅助系统（ADAS）的产品，此举被视为其在消费汽车市场取得突破的重要机遇。

同时，Wayve将继续加大对人才、算力和数据基础设施的投入，以推动自动驾驶技术的不断发展。

其长期目标在于构建一个涵盖5级自动驾驶汽车在内的丰富具身智能产品生态系统，以满足不同场景下的出行需求。

Wayve的自动驾驶核心技术AV2.0

总体而言，Wayve的AI驱动程序产品是一项端到端的全面解决方案。

此项技术为车辆赋予了“智能核心”，使其能够自主地从真实世界环境中获取知识并进行交互。

其显著优势主要体现在以下几个方面：①在驾驶安全优化层面，通过运用领域优化的模型架构，显著提升了驾驶安全性。

②针对长尾问题，该技术展现出了强大的适应性，即便是在未经过预先训练的情况下，也能将所学驾驶技能灵活应用于各种意外场景。

③高效且大规模的学习能力是该技术的又一亮点。通过采用自监督学习方法，实现了大规模学习的高效性，这对于车辆无缝适应不同车型和地理环境至关重要。

④在传感器套件方面，AV2.0提供了灵活的选择空间，使得OEM能够根据实际需求自由选择硬件配置，进一步提升了方案的灵活性。

该技术还具备无地图自主性的特点，不依赖于高清地图数据，通过数据驱动的适应性机制，实现了对新地理区域的无缝扩展。

⑤在车辆通用性方面，AV2.0展现出了卓越的跨车型适应能力，无论是乘用车还是送货车，一种车型上的技术改进均可直接应用于其他车型，从而实现了技术的广泛应用和资源共享。

结尾：

对于自动驾驶领域的初创企业而言，在精益求精地完善技术的同时，如何进一步提升商业化运营能力，优化短期内的盈利表现，无疑是在资本紧缩的市场环境下，获取更多资金支持，确保企业稳健发展的核心要素。

部分资料参考：猎云精选：《刚刚，今年自动驾驶最大融资诞生！》，问芯：《英伟达参投自动驾驶初创10.5亿美元融资，具身智能加速落地》，战略投资家：《75亿！自动驾驶最大融资，软银、英伟达、微软共同出手》，元宇宙之心MetaverseHub：《自动驾驶赛道最大融资诞生》，智能车参考：《英国初创公司拿下75.8亿，软银英伟达微软都投了》

       原文标题 : AI芯天下丨热点丨自动驾驶最大融资诞生，微软与英伟达参投