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

4.6 (5)

Granskat av Daniel Nikulshyn·Uppdaterad maj 2026

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

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
Kategori: Task automation
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.

Logga in för att lämna en recension.

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.

Frågor

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.