伦敦的自动驾驶初创企业Wayve，正借助其先进的AI机器学习框架，力图改变行业现状，还吸引了大量资本的垂青。这家仅有七年历史的公司，已成功从英伟达、梅赛德斯-奔驰和日产等科技与汽车巨头的口中，募集到28亿美元的资金。
今年6月的时候，Wayve对外宣布，它的系统已经被部署在了Stellantis旗下的Jeep品牌的机器人出租车上，并且能够接入Uber的叫车服务。这一系列举措，代表着它的技术商业化步伐正在加快。
“端到端”技术路线：像人类一样驾驶，这是Wayve的核心竞争力所在。它采用的“端到端机器学习”技术，与传统的自动驾驶方案有所不同。常规的自动驾驶方案，需要依赖高精地图和预设的代码规则，而Wayve的模型则是模拟人类的判断力，直接将传感器的输入转化为实时的驾驶决策。这种技术路线，跟特斯拉近年来的转变有着相似之处。尽管，特斯拉主要采用纯视觉摄像头方案，但Wayve的系统设计却旨在兼容多种传感器和AI芯片。这样一来，这项技术就展现出更强的通用性，几乎可以授权给任何无人驾驶汽车的开发者。
Wayve的创始人兼首席执行官Alex Kendall说：“我们的目标，是要让所有品牌、所有车辆，在世界上的任何一个地方都能实现完全自动驾驶。”这位33岁的新西兰剑桥大学博士，在2017年创立这家公司的时候，端到端AI还只是一个小众的实验领域。而现在，随着Alphabet旗下的Waymo迅速扩张，整个行业对于无人驾驶的兴趣又被重新激发，端到端学习已经成为众多开发者的技术选择之一。
“黑盒”难题与安全博弈，尽管端到端方法效率很高，但以AI为中心的技术也带来了新的安全挑战。由于其决策过程具有“黑盒”特性，车辆在特定场景下的具体判断逻辑，就难以被解释清楚。相比之下，传统的基于规则的系统，其决策原因就更容易被追溯。Wayve的人工智能副总裁Vijay Badrinarayanan指出，预编程的系统，在面对罕见的突发场景时，往往显得比较脆弱，而人类驾驶员却能通过保守的适应性行为来保持安全。Wayve的引擎，通过生成动态安全地图来识别路径，试图解决这一难题。然而，业界对于这一点，还是有些许的疑虑。Waymo虽然也引入了端到端AI，但还是坚持认为基于规则和地图的传统方法，是确保大规模安全的必要补充。日产的技术主管Eiichi Akashi坦言，尽管Wayve的系统处于“最先进”的水平，但其内部运作机制还难以被窥探，团队正在密切评估其安全性，以便配合日产计划在2028年3月结束的财年内，推出名为Elgrand的无人通勤面包车。
规模化扩张与行业展望，Kendall坚信，由于不需要进行繁琐的道路测绘和本地化代码编写，Wayve能够迅速拓展到新的市场。目前，该系统已经在全球数百个城市完成了测试，公司在东京、斯图加特和温哥华都设立了主要业务中心。英国华威大学的教授Siddartha Khastgir认为，端到端模型的开发和商业化部署速度，确实优于传统方法，但这并不意味着它在安全性上就超越了其他技术。卡内基梅隆大学的自主技术专家Phil Koopman则更为谨慎，他指出处理异常交通状况的路径不止一条，而在美国实现无人驾驶系统的安全部署，可能至少还需要十年时间，以及新的技术创新。
【星途科讯 图文丨小林 首发于ZAKER科技，转载请注明出处】
