Wayve logo

WayveUK-baserad utvecklare av avslutande till antingen AI för självkörande fordon

4.6 (5)
Daniel NikulshynGranskat av Daniel Nikulshyn·Uppdaterad maj 2026

Översikt

Wayve är ett Londonbaserat företag som utvecklar självkörningsTeknologi med ett slut till slut- djupinlärningsanslutning. Istället för att bero på detaljerade HD-kartor och handkodat regelverk kommer dess system att lära sig att köra direkt från indata från kameror och verkliga världens körupplevelser, med mål att generalisera över städer och fordonstyper. Företaget utvecklar inbäddade AI-modeller, inklusive plattformen AV2.0 och grundmodeller som GAIA och LINGO, som kombinerar syn, språk och handling. Wayve samarbetar med biltillverkare och flottägare för att införa sitt körförmågor till konsument- och kommersiella fordon, med provgånger pågående i Storbritannien och längre bort. Riktat till fordonstillverkare, mobilitetsleverantörer och AI-forskare inriktar sig Wayve som skalbar ersättning till traditionella modulära AV-paket, sätter lärd beteendemönster och anpassbarhet över geoficerade distributeringar.

Nyckelfunktioner

  • End-to-end deep learning driftdel för fordon
  • GAIA generativ världmodell
  • LINGO visions-länder-aktivitetsmodell
  • Bilfri, kamerafrämst perception
  • Fleet lärför diverse körda data
  • Samarbete med tillverkare för integrering

Priser

Modell
Freemium
Betyg
4.6 / 5 (5)

Användningsfall

Bilfri körning för OEM

Tillverkare integrerar Wayves avslutande driftdel i konsumentfordon, vilket innebär självkörning utan beroende av HD-kartor eller handkodade regler.

Kommersiella flottan självkörning

Tjänstehuvud och flottanoperatörer inför Wayves AV2.0 plattform för att förmedla kameraförsta självkörande fordon till leveranskunder och resgästerfordon.

Medveten AI-forskning med GAIA och LINGO

AI-vetare använder Wayves GAIA generativa världsmodell och LINGO vision-länder-aktivitetsmodell för att främja arbetet inom medveten och multimodal AI.

Korsstadkörning generalisering

Använd fleet-ärt för diverse verkliga körda data för att utveckla körandeklokhet som generaliserar över nya städer och fordon.

Fördelar och nackdelar

Fördelar

  • Avslutande lärning minskar beroendet av HD-kartor
  • Designat för att generaliseras över städer och fordon
  • Stark forskning utgångsläget i medveten AI
  • Backad av stora biltillverkare och IT-investerare

Nackdelar

  • Inte ett tillgängligt produkter till generella kunder
  • Verksamheten i verkliga livsfältet begränsad i skala
  • Regulatoriskt medgivande varierar i region
  • Svart låda-modeller kan vara svårare att validera

Recensioner

4.6

Genomsnitt från 5 betyg.

5
3
4
2
3
0
2
0
1
0

Logga in för att lämna en recension.

Leila Hassan

Leila Hassan

Jan 18, 2026

Use it every day

Honestly didn't expect to like it this much. End-to-end deep learning driving stack is exactly what I needed, and designed to generalize across cities and vehicles. but I reach for it almost every day now and it just clicks.

Tomáš Novák

Tomáš Novák

Jan 3, 2026

Use it every day

Honestly didn't expect to like it this much. Fleet learning from diverse driving data is exactly what I needed, and backed by major automotive and tech investors. but I reach for it almost every day now and it just clicks.

MB

Marcus Bell

Dec 27, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is lINGO vision-language-action model — handled better than most — and strong research output in embodied AI. Worth the time if this is your use case.

DF

Diego Fernández

Jun 30, 2025

Compared a few options

Evaluated this against two competitors. Where it wins: partnerships with automakers for integration and backed by major automotive and tech investors. Where it lags: regulatory approval varies by region. On balance the feature set — especially gAIA generative world model — justifies the 4 stars for our use case.

Robert Ainsworth

Robert Ainsworth

Jun 23, 2025

Does the job

Pretty happy overall. Map-free, camera-first perception just works and designed to generalize across cities and vehicles. Not a product available to general consumers can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.

Frågor

Före att du partnerar med Wayve är det viktiga att överväga följande begränsningar.

Real-world implementering är begränsad i skala, med testning helt i Storbritannien och valda regioner, och regelverksbemyndiganden varierar efter marknad. End-to-end-modellerna kan också vara svårare att validera än modulära stackar på grund av deras svart bunt-natur.

Asked by Marcus Bell · Jan 31, 2026

Hur skiljer sig Wayves tillvägagångssätt från traditionella autonoma styrningsstackar?

Wayve använder en slut-till-slut djupinlärningsstack som lär sig köra direkt från kamerainmatning och reella världens data, undanträngande HD-kartering och handkodat reglerande. Den kartfria, kameraförsta designen är avsedd för att generalisera över olika städer och typer av fordon.

Asked by Margaret Whitfield · Jan 28, 2026

Vem är Wayve avsett för, samt kan enskilda konsumenter använda den?

Wayve är riktat mot bilmärken, mobilitets- och flotthus operatörer och AI-forskare. Det är inte ett produkt som säljs till allmänheten; istället samarbetar företaget med biltillverkare för att integrera dess körcyberintelligens i konsument- och kommersiala bilar.

Asked by Wei Chen · Oct 23, 2025

Vilka är de viktigaste fördelarna med Wayves slut-till-slut lärande?

Slut-till-slut lärande minskar beroendet av HD-kartor och för systemet att generalisera över städer och fordon, med starka forskningsresultat inom inbäddad AI.

Asked by Xiomara Delgado · Aug 20, 2025

Vem har tillgång till Wayves teknologi?

Wayves teknologi är riktad mot biltillverkare, mobilitetstjänsteleverantörer och AI- forskare, men tillgänglig för vanliga konsumenter inte.

Asked by Ravi Kapoor · Jul 26, 2025

Ställ en fråga

Alternativ till Uppgiftsautomatisering