自动驾驶 AI 公司 Wayve 获 12 亿美元 D 轮融资

英国自动驾驶 AI 公司 Wayve 完成 12 亿美元 D 轮融资，估值达 86 亿美元。本轮由 Eclipse、Balderton 和 SoftBank Vision Fund 2 领投，Mercedes-Benz、Nissan、Stellantis 等车企和 Uber 跟投，NVIDIA 和 Microsoft 也参与投资。

Wayve 与传统自动驾驶公司的最大区别在于其「端到端学习」方法——不依赖高精地图和手工编写规则，而是让 AI 直接从驾驶数据中学习驾驶策略。这使其系统能更快适应新城市和新场景。

融资将用于加速 AI Driver 平台在全球消费车辆和网约车车队中的商业部署。OEM 车企直接领投显示了行业对 AI 驱动自动驾驶方案的高度认可。

Wayve 成立于 2017 年，总部位于英国伦敦，是目前欧洲估值最高的自动驾驶 AI 公司之一。本轮 12 亿美元 D 轮融资完成后，Wayve 的总融资额达到约 28 亿美元，估值跃升至 45 亿美元，创下欧洲自动驾驶领域的融资纪录。

融资详情与投资阵容

本轮融资由 SoftBank Vision Fund 2、Eclipse 和 Balderton Capital 联合领投，微软（Microsoft）和英伟达（NVIDIA）跟投。值得关注的是，奔驰（Mercedes-Benz）、日产（Nissan）和 Stellantis 三家汽车制造商既是本轮投资方，也是 Wayve 的商业客户，而 Uber 则计划将 Wayve 技术用于网约车自动驾驶场景。

OEM 车企直接作为战略投资人参与融资，在自动驾驶行业并不多见。这一安排不仅为 Wayve 提供了充足的资金，还带来了真实的量产落地渠道，是典型的「资本+商业」双重验证信号。

为什么这轮融资备受瞩目？

自 2022 年科技寒冬以来，全球自动驾驶赛道融资大幅收缩，多家头部公司裁员或关闭。在此背景下，Wayve 能够完成超过 10 亿美元的单轮融资，说明市场对其技术路线和商业化前景具有相当高的信心。

技术路线：端到端深度学习

Wayve 的核心竞争力在于其独特的技术路线——「端到端深度学习」（End-to-End Deep Learning）。

与传统方案的对比

传统自动驾驶方案（如 Waymo、百度 Apollo）普遍依赖：

  • **高精度地图（HD Maps）**：需要对每个运营城市进行精细建图，成本高、更新慢
  • **多传感器融合**：激光雷达（LiDAR）+ 摄像头 + 毫米波雷达，硬件成本居高不下
  • **模块化感知-规划-控制架构**：各模块单独优化，但模块间信息损失严重

Wayve 的 AI Driver 系统则采用完全不同的思路：直接从海量真实驾驶视频数据中学习，将感知、决策和控制整合为一个统一的神经网络模型。摄像头是主要传感器，无需昂贵的激光雷达。

LINGO 模型：让 AI 学会「说话」

Wayve 还开发了 LINGO 多模态模型，允许车辆用自然语言描述和推理当前驾驶场景，例如「前方行人正在横穿马路，我需要减速让行」。这种可解释性设计不仅有助于调试和安全验证，也让监管机构更容易理解 AI 的决策逻辑。

端到端方案的核心优势

快速扩展性：无需为每个新城市制作高精地图，模型在一个地区学习的泛化能力可以迁移到其他地区。

数据飞轮效应：接入更多 OEM 车企意味着更多驾驶数据，更多数据意味着更强的模型，形成正向循环。

成本优势：纯视觉方案的硬件成本远低于激光雷达方案，有利于大规模量产。

商业模式：软件平台而非整车

Wayve 明确定位为「AI 驾驶软件平台供应商」，不造车，不运营出行服务。这与 Mobileye、英伟达 Drive 等芯片/软件厂商类似，但 Wayve 的差异在于其端到端 AI 的适应性——同一套模型可以快速适配不同车企的传感器配置和车型特性。

客户生态

  • **奔驰**：将 Wayve AI 用于高级辅助驾驶（ADAS）和未来 L3/L4 场景
  • **日产**：探索 Wayve 技术在日本及全球市场的落地
  • **Stellantis**：旗下品牌众多（Jeep、Fiat、Peugeot 等），商业潜力巨大
  • **Uber**：计划将 Wayve 用于 Robotaxi 网约车场景，预计在英国市场率先试点

这种「一个平台，多个 OEM」的商业模式一旦跑通，规模化效应将非常显著。

行业背景：自动驾驶技术路线的重要转向

从规则驱动到数据驱动

过去十年，自动驾驶行业经历了「规则驱动」到「机器学习」再到「大模型端到端」的技术演进。特斯拉的 FSD（Full Self-Driving）系统是端到端深度学习方案在消费级市场的代表，而 Wayve 则是将这一路线推向 B2B OEM 市场的先行者。

多模态 AI 的溢出效应

自动驾驶 AI 与通用多模态大模型（如 GPT-4o、Gemini）的底层技术日益趋同——都需要处理视觉、语言和决策的统一理解。这意味着通用 AI 领域的研究进展（视觉语言模型、Transformer 架构优化）可以直接赋能自动驾驶，技术迁移成本持续降低。

Edge AI 挑战

车载 AI 推理必须在低功耗、强实时性的嵌入式硬件上完成，这对模型压缩、量化和硬件适配提出了极高要求。英伟达在本轮跟投 Wayve，也说明双方在车载 AI 芯片与软件的协同开发上有深入合作。

竞争格局与前景展望

全球自动驾驶赛道目前形成了「美国（Waymo、Tesla、Cruise）、中国（文远知行、小马智行、百度）、欧洲（Wayve、Mobileye）」三足鼎立的格局。Wayve 的端到端 AI + 轻资产 OEM 合作模式，可能成为欧美自动驾驶商业化落地的主流路径之一。

此次融资将主要用于扩大工程团队、增加训练数据规模、以及加速在欧洲和美国市场的商业化部署。Wayve 预计 2025-2026 年将在英国推出首批商业化 Robotaxi 服务。