这家自动驾驶公司被重投75亿

马氪说汽车 2024-05-26 09:12:35

除了特斯拉入局 Robotaxi,Wayve 这家来自英国的自动驾驶独角兽,又再次为蠢蠢欲动的自动驾驶点了一把火。

前不久,Wayve 宣布获得了高达 10.5 亿美元(折合人民币 75 亿元)的 C 轮融资,由软银集团领投,新投资方英伟达和现有投资方微软跟投。

这是今年自动驾驶圈内最大的一笔,也是英国 AI 公司有史以来最大的单笔融资。上一次 10 亿美元级别的融资还要追溯到去年 9 月,主角是无人驾驶卡车初创公司 Stack AV,投资方同样是软银。

实际上,Wayve 几乎保持着一年一融资的节奏,目前累计融资达到了 13.28 亿美元(折合人民币 95.84 亿元)。

不仅融资动作频繁,还被多家巨头力挺,Wayve 的瞩目表现让整个自动驾驶行业都为之振奋。

某造车新势力的一位算法工程师就感慨,前段时间也听说了 Wayve 被投,市场正在回温,但自己已经经历了太多的「行业周期」,不确定是否这就是另一个春天的开始。

资金只是前提,作为一家押注端到端自动驾驶的企业,端到端量产仍长路漫漫。

一家公司能被重投 75 亿,就代表一定有一些水面下的技术能力。换个问法,Wayve,凭什么?

公开资料显示,Wayve 是一家在自动驾驶领域进行具身智能研究的头部企业,成立于 2017 年,总部位于英国伦敦,大概 300 人,创始人为亚历克斯·肯德尔(Alex Kendall)与艾玛尔·沙(Amar Shah 已离职),两人均为剑桥大学机器语言博士。

创始人肯德尔对 Wayve 的终极构想就是端到端自动驾驶,即建立一个具有智能的神经网络,能够大规模实现自动驾驶。无论用户身在何处,驾驶哪种车辆,都可以用能够负担得起的价格享受自动驾驶。

简单来说,Wayve 的终极目标就是实现类人驾驶。

肯德尔预计,本次融资可能是公司最后一次大规模融资。之所以这么肯定,是因为肯德尔认为端到端会为公司打通商业模式。

像其它中国自动驾驶公司一样,Wayve 定位自动驾驶解决方案供应商,打算通过为车企提供 L2+自动驾驶系统解决方案实现盈利。

01、端到端上路,盖茨试驾后转身投钱

Wayve 的自动驾驶表现如何,从比尔盖茨的试驾反馈中窥见一二。

在微软正式投资之前,2023 年 3 月,比尔盖茨坐在了 Wayve 开发的无人驾驶出租车副驾驶位,在伦敦市中心最繁忙的交通路段穿梭。

可以看到,Wayve 的试驾路段难度相比国内明显降低了,没有中国城市内的外卖车、没有复杂的异形路口,但英国市中心由于道路狭窄,所以还存在一定通行难度。

Wayve 上路表现还是有可圈可点之处:在自行车横穿,电动车并行,双向来车的狭窄车道中,依然驾驶自如。

甚至,在遇上自行车迎面快速驶来,前方来车突然在马路中间掉头的真实路况,汽车也能及时反应,调整方向盘立刻避让,并一直保持一个平稳的速度行驶,而不是突然急刹。

比尔盖茨对此评价是「That was fantastic!」,转身才有了微软对 Wayve 的投资。

比尔盖茨将 Wayve 的自动驾驶技术形容为类人驾驶,即 AI 像人类司机一样,会学习和思考,懂得依赖驾驶经验做出正确的决策。

此次试驾后,Wayve 在行业占领了头条新闻,微软也继续担任投资方角色,并吸引了软银与英伟达的一同加入。

在自动驾驶投资界,微软和软银似乎存在着一股「绑定关系」。此前,双方就一同出现在 Cruise、Waymo 的投资方列表中。

能被微软和软硬这对「自动驾驶投资双胞胎」看中,恰恰证明它们对于 Wayve 自动驾驶技术能力以及商业化能力的肯定。

而且,科技巨头企业的押注,绝不局限于资金投入,而是深度参与到 Wayve 自动驾驶系统的构建中。

影响自动驾驶技术核心三要素是算力、算法、数据。算力相当于大模型的智力,数据相当于大模型刷的题库,智力越高,刷的题越多,算法相当于刷题的方法论。

而微软和英伟达作为科技界的「宇宙大厂」能提供的主要是算力上的帮助。

一方面是车端算力:

Wayve 自动驾驶系统实在英伟达 DRIVE Orin 和 Thor 两类芯片上做研发。尤其是英伟达 Thor,算力 2,000 TFLOP,给了端到端自动驾驶更宽广的算力空间。

Thor 的首批使用权并不好拿,目前,国内仅有比亚迪、理想、元戎启行等少数企业成为 DRIVE Thor 的首批客户,Wayve 被英伟达投资,能率先用到 Thor,也是被投的隐形福利之一。

另一方面是云端算力:

微软 Azure 是全球第二大云服务供应商,市场份额 25%。背靠微软,Wayve 很轻松就能拿到训练大模型所需要的云端数据资源。

要知道,特斯拉为了训练模型,自费建设超算中心,目前特斯拉 Dojo 超级计算机上的花费已超过 10 亿美元。

02、完全依赖深度学习,Wayve AV 2.0 有多强?

全球没有一家任何一家公司像 Wayve 这样,一开始就打算做端到端自动驾驶。

从 2017 年成立开始,Wayve 对于自动驾驶的理解就一直是:

去高精地图,依靠简单传感器,实现任何车辆在任何环境中的自动驾驶。

也就是说,在自动驾驶行业还在研究如何给系统预埋高精地图、激光雷达要装多少颗之前,Wayve 已经明确了端到端大模型的解题思路,走了一条与特斯拉相同的路径。

Wayve 将自己的自动驾驶系统称为 AV 2.0。

它的优势可以总结为以下几点:

高效且大规模的自监督式学习;不依赖高精地图;灵活应对长尾问题;解决可解释性,建立人际信任;自由选择硬件配置、车型配置

肯德尔强调,Wayve AV 2.0 的强大性能在于其「不断学习」。从原始的、未标记的数据中学习驾驶技能,从而节省了大量成本,并提高了系统的泛化能力。

而性能与优势背后,是 Wayve 打造的三大核心模型作为支撑:GAIA-1 世界模型、LINGO 模型以及 Fleet Learning Loop 模型。

首先是 GAIA-1 世界模型,它的设计目标在于能够应对大量灵活、复杂的交通场景,解决长尾问题。

它能够通过输入简单的视频、文本及动作,模拟出逼真的真实场景,并对生成的驾驶场景进行细粒度的控制,然后做出自主性决策。

也就是说,GAIA-1 世界模型可以对大规模的未标记视频数据进行自我监督学习、消化、提升。

结果就是,自动驾驶系统能够自主应对各种路况,即便是鬼探头、断头路等紧急情形下,其也能正常应对,而不是简单地停下。

然后是 LINGO 模型。目前端到端智能驾驶的挑战在于缺乏可解释性,即系统像个黑盒子,你不理解它为什么会做出错误决策,也无法进行修复。

而 LINGO 模型攻克了这一难点,它使用视觉和语言作为输入,能够向用户清晰地解释出「它正在做什么」、「为什么这样做」,并依靠指令信息调整车辆行为,在增强车机交互性的同时,提高人机信任程度。

最后是 Fleet Learning Loop 模型,其关键词在于「持续学习」。

相当于这个模型,能够基于数据的收集、模型的训练、性能的评估进行自我更新与优化,这使得驾驶系统可以不依赖高精地图,就能扩展到新道路与新城市,并且支持传感器、车辆类型的兼容。

显然,围绕着端到端自动驾驶系统,Wayve 正在赋予自动驾驶更广阔的想象空间,并推动这一想象走向现实。

而这也是巨头们在经历自动驾驶投资寒潮之后,仍愿意持续押注的原因。

城市 NOA 的解题方法就是端到端自动驾驶。

过去传统自动驾驶是模块化传递信息,在这个过程中会出现信息减损,而且面对城市中更加复杂且无法穷尽的 Coner Case,编写代码就是无底洞。

端到端通过神经网络机制运转,相当于一端输入感知信息,另一端输出决策,其运行方式更类人,在复杂的城市 NOA 场景中,可以灵活应对不同场景,体验上也减少了传统自动驾驶的程式化,更加流畅。

另外,端到端还为打开 L5 全无人驾驶提供了可能性,过去由于无法穷尽场景的原因,自动驾驶在技术升维上存在很大的难度,但有了端到端这样的类人驾驶,为打开 L5 全无人自动驾驶提供了更多的可能性。

Wayve 正因为看中了这些优势,才会从一开始就押注端到端。

有业内人士表示,2017 年自己在硅谷时也接触过端到端这种思路,但第一反应是依靠神经网络这件事听着实在是太不靠谱了。

但现在他已经全面转向端到端派别,他相信端到端就是解决类人驾驶的唯一解。

在这件事情上,Wayve 至少有了时间上的先发优势。

03、自动驾驶的又一个春天?

毫末智行 CEO 顾维灏将自动驾驶的历程分为三个阶段。

第一个阶段,从 2004 年至 2014 年,依靠激光雷达感知,基于人工规则认知,是硬件驱动的时代;

第二个阶段,从 2014 年至 2021 年,依靠传感器单独输出结果感知,同样基于人工规则认知,以小模型少数据为主要模式,是软件驱动的时代;

第三个阶段,2021 年之后,到了多模态传感器联合感知,基于可解释的场景化驾驶常识认知,以大模型大数据为主要模式的数据驱动时代。

从硬件、软件到数据驱动,伴随着技术迭代,自动驾驶迎来新的趋势——端到端大模型。

春江水暖鸭先知,从今年 3 月份开始,自动驾驶领域的投融资在全球范围内多了起来。

除了 Wayve 获得巨头垂青之外,国内自动驾驶企业也在融资、上市进程上加快脚步。

4 月份,继 2 月获得超亿元 B1 轮融资后,毫末智行宣布再获 3 亿元的 B2 轮融资,用于自动驾驶研发投入。目前其估值已超 10 亿美元。

同样是 4 月,小马智行释放出赴美 IPO 的信号,目前已在上市备案阶段。

一位自动驾驶供应商的业内人士向我们表示,Wayve 和特斯拉的动作,让业内感觉回暖了。

投融资的前提与基本盘是技术,在这一层面上,国内自动驾驶厂商与 Wayve 都非常有默契地选择了端到端自动驾驶方案。

以元戎启行为代表的国内自动驾驶厂商,在端到端驾驶方案上保持了循序渐进的节奏。先是打造端到端模型,然后形成多传感器融合感知,从规则驱动到数据驱动。

2019 年,元戎启行发布多传感器融合感知算法;

2023 年 3 月,发布了不搭载高精地图的智能驾驶解决方案 DeepRoute-Driver 3.0;4 月,推出了高阶智驾平台 DeepRoute IO,并将方案投入量产,数款合作车型将于今年 10 月份陆续推向市场。

以小鹏为代表的车企同样奔跑在端到端自动驾驶第一梯队。

小鹏的技术路径为先引入大模型,然后逐代升级,进阶为完整的端到端系统。

就在前几天的 AI DAY 上,何小鹏继续强调小鹏 ALL IN AI,在发布会上小鹏的 AI 天玑系统也比较亮眼,这就是一个典型的端到端系统。

AI 天玑系统由神经网络 XNet、规控大模型 XPlanner、大语言模型 XBrain 三部分构成,可以实现端到端大模型 2 天迭代一次。

作为车企更要考虑到终端的效果,小鹏做过一个研究,使用端到端的系统,车辆前后顿挫减少 50%、违停卡死减少 40%、安全接管减少 60%。

数据就摆在面前,端到端已经成为了车企决战城市 NOA 的下一个杀手锏。

Wayve 作为坚持端到端的智驾供应商得到巨头投资,只是一个开春的信号,对于国内市场而言,一场浩浩荡荡的端到端上车浪潮即将开幕。

目前,小鹏天玑系统已全量覆盖小鹏 X9、G6 、G9 、P7i,小鹏也非常自信地打出口号——继特斯拉之后,小鹏是全球唯二,国内首个上端到端自动驾驶的车企。

今年下半年,陆续还会有更多智驾供应商开发的端到端自动驾驶系统在国内量产上车。

需要注意的是,端到端也存在一些「局部端到端+规则算法」导致的「真假端到端」。

也就是说,实现全端到端需要时间,随着时间推移,端到端去伪存真将会在量产上车时得到验证。

不过可以确信,西半球与东半球正在共同「合谋」,以端到端为名,开启自动驾驶资本及技术爆发又一春。

0 阅读:10