WayveEt britisk utviklerselskap av end-to-end-artifisell intelligens for selvstedende kjøring

4.6 (5)

Anmeldt av Daniel Nikulshyn·Oppdatert mai 2026

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

Oversikt

Wayve er et firma med hovedkvarter i London, som bygger selvkjørende teknologi med en slut-t- slut end-to-end-deep-learningansettning. Istedenfor å avheng av detaljerte HD-kart og håndkodede regler, lærer systemet å kjøre direkte fra kamerainput og virkelig verdenskjøringdata, med mål om å generere seg over byer og typar av køretøy. Selskapet utvikler inkorporert kunstig intelligens-modeller, inkludert sitt AV2.0-platform og grunnmodeller som GAIA og LINGO, som kobler sammen visjon, språk oghandling. Wayve partnerer med bilprodusenter og flåteoperatører for å bringe sin kjøring-intelligent til forbruker- og kommersielle kjøretøy, med tester i gang i Storbritannia og utover. Målet er for bilprodusenter (OEMs), mobilitet tilbydere og forskere innen AI, hvor Wayve posisjonerer seg som en skalaerbare alternative til tradisjonelle, modulære AV-staks, hvor lært oppførsel og tilpasning er prioritert fremfor geoforkede deploymenter.

Nøkkelfunksjoner

End-to-end-dybbelæringskjøringsskjematiske
GAIA generativt verdensmodell
LINGO visjonsspråk-handlingsmodell
Innmappet, kamera-basert perception
Fleets lærer fra diverse kjøredata
Samarbeid med bilprodusenter for integrasjon

Priser

Modell: Freemium
Kategori: Task automation
Vurdering: 4.6 / 5 (5)

Brukstilfeller

Innmappet selvkjøring for OEM-er

Bilprodusenter integrerer Wayves end-to-end-kjøringsskjematiske inn i konsumentkjøretøy, og muliggjør selvstyre uten avhengighet av HD-kart eller håndkodet regelvirkninger.

Kommersiell flåte selvstyre

Mo-ebilitetsleverandører og flåteoperatører deploymes Wayves AV2.0-plattform for å bringe kamera-basert selvstyre til leveransefører og ride-hailer kjøretøy.

Ansatt AI-forskning med GAIA & LINGO

AI-forskerer benytter seg av Wayves GAIA generative verdensmodell og LINGO visjonsspråk-handlingsmodell for å avanse arbeid innen ansatt og multimodal AI.

Kryss-storby kjøring generalisering

Bruk flåtelæring fra diverse real-world kjøredata for å utvikle kjøreelektronikk som generaliserer over nye byer og køretøyplattformer.

Fordeler og ulemper

Fordeler

End-to-end-læring reduserer avhengighet av HD-kort
Dessignt til å generaliserer over byer og kjøretøy
Sterk forskningsutstyr i tilknytning til AI
Støttet av større bil- og teknologieinvestorer

Ulemper

Ikke et produkt tilgjengelig for almenhetskonsummer
Verksomhetsmessig innføring fortsatt begrenset i skala
Tilpasningen av reguleringer varierer med region
Svarte påskapte modeller kan være vanskeligere å verifisere

Anmeldelser

4.6

Gjennomsnitt fra 5 vurderinger.

Logg inn for å legge igjen en anmeldelse.

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.

Spørsmål

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.