Wayve的联合创始人兼首席执行官Alex Kendall看到将他的自动驾驶车辆初创公司的技术推向市场的希望。也就是说，如果Wayve坚持其确保其自动驾驶软件运行成本低廉、硬件无关，并可应用于高级驾驶辅助系统，机器人出租车甚至机器人的策略。
在Nvidia的GTC会议上阐述的这一战略始于端到端的数据驱动学习方法。这意味着系统通过各种传感器（如摄像头）“看到”的内容会直接影响其驾驶方式（如决定刹车或向左转）。此外，这也意味着系统不需要依赖高清地图或基于规则的软件，像早期版本的自动驾驶技术那样。
这种方法已经吸引了投资者。自2017年成立以来，在过去两年里筹集了超过13亿美元的Wayve计划将其自动驾驶软件授权给汽车和车队合作伙伴，如Uber。
该公司尚未宣布任何汽车合作伙伴关系，但一位发言人告诉TechCrunch，Wayve正在与多个原始设备制造商进行“积极的讨论”，以将其软件集成到各种不同类型的车辆中。
其成本低廉的软件推介对于达成这些交易至关重要。
Kendall表示，将Wayve的先进驾驶辅助系统（ADAS）投入新生产车辆的原始设备制造商无需投资任何额外硬件，因为该技术可以与现有传感器配合工作，这些传感器通常包括环绕摄像头和一些雷达。
Wayve还是“硅不可知论者”，这意味着它可以在其OEM合作伙伴已经拥有的任何GPU上运行其软件，而不依赖特定厂家。然而，该初创公司目前的开发机群确实使用了Nvidia的Orin芯片系统。
“进入ADAS领域真的非常关键，因为这可以使您建立一个可持续的业务，以规模化建立分销渠道，并获得数据曝光，以便训练系统达到[Level] 4，” Kendall在周三的舞台上说。
（Level 4驾驶系统意味着它可以在某些条件下自主导航环境，而无需人为干预。）
Wayve计划首先在ADAS级别上商业化其系统。因此，该初创公司设计了AI驾驶员，可以在没有激光雷达支持的情况下工作——激光雷达利用激光测距法测量距离，生成高精度的三维地图，大多数开发Level 4技术的公司都认为这是必不可少的传感器。
Wayve的自主性方法类似于特斯拉的方法，特斯拉也正在致力于开发一种端到端的深度学习模型以提供动力，并不断改进其自动驾驶软件。与特斯拉一样，Wayve希望利用广泛推出的ADAS收集数据，以帮助其系统实现全自动化。 （特斯拉的“全自动驾驶”软件可以执行一些自动驾驶任务，但并非全自动。尽管该公司计划在今年夏天推出机器人出租车服务。）
从技术层面上看，Wayve和特斯拉方法之间的一个主要区别是，特斯拉只依赖摄像头，而Wayve乐于集成激光雷达以实现近期的全自主。
“长远来看，当您构建可靠性并且能够验证一定规模时，进一步将[传感器套件]缩小是有机会的。” Kendall说。“这取决于您期望的产品体验。您想让汽车在雾中行驶更快吗？那么也许您需要其他传感器[如激光雷达]。但如果您愿意让AI了解摄像头的限制，并因此保守和稳健？我们的AI可以学习到这一点。”
Kendall还预告了GAIA-2，Wayve最新的专为自动驾驶量身定制的生成世界模型，该模型在各种任务中训练其驾驶员处理大量真实世界和合成数据。该模型将视频、文本和其他操作一起处理，Kendall表示，这使Wayve的AI驾驶员在驾驶行为上更具适应性和人类化。
“让我感到兴奋的是人类化的驾驶行为，您看到的那种。” Kendall说。“当然，没有手工编码行为。我们不告诉汽车如何行动。没有基础设施或高分辨率地图，而是基于数据驱动的新兴行为，能够处理非常复杂和多样化的情景，包括在培训期间从未见过的情景。”
Wayve与自主卡车初创公司Waabi的哲学相似，后者也在追求端到端学习系统。两家公司都强调扩展数据驱动人工智能模型的规模化，可以概括不同的驾驶环境，并且两者都依赖生成AI模拟器来测试和训练他们的技术。
