WayveUnternehmen aus dem Vereinigten Königreich, das Ende-zu-Ende-KI für autonome Fahrzeuge entwickelt

4.6 (5)

Geprüft von Daniel Nikulshyn·Aktualisiert Mai 2026

Autonomous Driving Deep Learning Embodied AI Foundation Models Computer Vision Automotive Research

Übersicht

Wayve ist ein in London ansässiges Unternehmen, das autonome Fahrtechnologie mit einem End-to-End-Deep-Learning-Ansatz entwickelt. Anstatt sich auf detaillierte HD-Karten und manuell kodierte Regeln zu stützen, lernt sein System direkt aus Kamerabildern und Daten aus dem realen Straßenverkehr zu fahren, mit dem Ziel, sich über Städte und Fahrzeugtypen hinweg zu verallgemeinern. Das Unternehmen entwickelt verkörperte KI-Modelle, darunter seine AV2.0-Plattform und grundlegende Modelle wie GAIA und LINGO, die Vision, Sprache und Aktion kombinieren. Wayve arbeitet mit Automobilherstellern und Fuhrparkbetreibern zusammen, um seine Fahrintelligenz in Verbraucher- und Nutzfahrzeuge zu bringen. Tests sind derzeit im Vereinigten Königreich und darüber hinaus im Gange. Wayve richtet sich an Automobilhersteller, Mobilitätsanbieter und KI-Forscher und positioniert sich als skalierbare Alternative zu traditionellen, modularen AV-Stacks. Dabei priorisiert es erlerntes Verhalten und Anpassungsfähigkeit gegenüber geofencen Deployments.

Hauptfunktionen

Eindeutige tiefe Lernfahrzeugstapel
GAIA-Generative-Weltmodell
LINGO-Vision-Sprach-Handlungs-Modell
Kartenfreie, Kamera-anfängliche Wahrnehmung
Flotte lernen aus vielfältigen Fahrdaten
Partnerschaften mit Automobilherstellern für die Integration

Preise

Modell: Freemium
Kategorie: Task automation
Bewertung: 4.6 / 5 (5)

Anwendungsfälle

Kartenfreie selbstfahrende Fahrzeuge für OEMs

Automobilhersteller integrieren das Ende-zu-Ende-Fahrzeugstack von Wayve in konsumierten Fahrzeugen, um Autonomie ohne Abhängigkeit von HD-Karten oder handcodierten Regeln zu ermöglichen.

Autonomes Handwerk mit kommerziellem Fahrzeugflotten

Mobilitätsanbieter und Fahrzeugflottenbetreiber setzen Wayves AV2.0-Plattformen in Szene, um autonome Fahrzeugfähigkeiten für Liefer- und Taxiwagen unter Kameraanfänglicher Fahrzeugwahrnehmung zu bringen.

Embodied-KI-Forschung mit GAIA und LINGO

KI-Forscher nutzen das GAIA-Generative-Weltmodell und das LINGO-Vision-Sprach-Handlungmodell von Wayve, um in der Arbeit über Embodierte und multimodale KI voranzuschreiten.

Quervergleichende Anwendung von Autonomie über verschiedene Städte hinweg.

Verwenden einer Vielzahl aus realen echten Fähigkeiten aus der Vielfältigkeit um Anwendungen in neuen Städte und Fahrzeug zu machen.

Pro & Contra

Pro

Eindeutiges Lernen reduziert die Abhängigkeit von HD-Karten
Konzipiert, um in verschiedenen Städten und Fahrzeugen allgemeingültig zu sein
Starke Forschungsleistung in der körpernahen KI
Von großen Automobil- und Technologieinvestoren unterstützt
Eindeutige Lernmodelle können in der Praxis jedoch schwerer zu validieren sein

Contra

Kein Produkt, das für Endverbraucher verfügbar ist
Realeinsatz ist immer noch in begrenztem Umfang
Regulatorische Zulassung variiert je nach Region
Black-Box-Modelle können schwieriger zu validieren sein

Bewertungen

4.6

Durchschnitt aus 5 Bewertungen.

Melde dich an, um eine Bewertung abzugeben.

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

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.

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.

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

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.

Fragen & Antworten

Who is Wayve intended for, and can individual consumers use it?

Wayve targets automotive OEMs, mobility and fleet operators, and AI researchers. It is not a product sold to general consumers; instead, the company partners with automakers to integrate its driving intelligence into consumer and commercial vehicles.

How does Wayve's approach differ from traditional autonomous driving stacks?

Wayve uses an end-to-end deep learning stack that learns to drive directly from camera input and real-world data, avoiding HD maps and hand-coded rules. This map-free, camera-first design is intended to generalize across different cities and vehicle types.

What are the main limitations to consider before partnering with Wayve?

Real-world deployment remains limited in scale, with testing primarily in the UK and select regions, and regulatory approval varies by market. Its end-to-end models can also be harder to validate than modular stacks due to their black-box nature.