英國自動駕駛創企Wayve獲15億美元D輪融資：NVIDIA、Uber、賓士齊押注基礎模型革命

一、15億美元融資：英國AI版圖的里程碑

2026年2月25日，總部位於英國倫敦的自動駕駛初創企業Wayve宣佈完成15億美元D輪融資，估值一舉攀升至86億美元。這一融資規模不僅創下英國自動駕駛賽道的新紀錄，在全球範圍內亦屬頂級融資輪次之列。領投方包括成長型投資基金Eclipse Partners、歐洲老牌風險投資機構Balderton Capital，以及軟銀集團旗下的SoftBank Vision Fund 2——三家機構的組合，完美呈現了Wayve同時獲得矽谷資本、歐洲本土投資人及亞洲科技巨頭背書的獨特定位。

此輪融資的戰略意義，遠比數字本身更為深遠。在自動駕駛行業的寒冬期——多家曾被寄予厚望的初創企業相繼折戟，傳統整車廠紛紛削減自動駕駛研發預算——Wayve以86億美元估值完成超大規模融資，向市場傳遞了一個強烈信號：當行業大多數玩家在收縮之際，押注正確技術路線的企業仍然能夠在資本市場引發搶籌。這種逆勢而為的融資能力，本身就是對Wayve技術差異化的最佳背書。

從英國科技生態的視角來看，Wayve的崛起具有標誌性意義。在DeepMind、Arm之後，Wayve正在成為英國AI領域下一個具有全球影響力的技術旗艦。英國政府多年來大力扶持AI和自動駕駛研究的政策成果，正在Wayve身上得到具體體現。與此同時，這筆融資也為Wayve提供了充足的戰略縱深，足以支撐其在倫敦、歐洲及全球市場的規模化部署計劃，在未來2至3年內不必因資金壓力而分心。

二、基礎模型 vs. 高精地圖：自動駕駛的根本性分歧

要理解為何Wayve能夠吸引如此陣容鼎盛的戰略投資者，必須首先理解其技術路線與行業主流方案之間的根本差異。自動駕駛領域長期存在兩種截然不同的哲學路線：一是以Waymo為代表的「高精地圖加結構化環境」方法，二是以Wayve為代表的「端到端基礎模型」方法。這兩種路線的分歧，不只是技術選型的差異，更是對「自動駕駛如何實現規模化」這一根本問題的不同回答。

傳統的高精地圖方法依賴事先對特定地理區域進行精密測繪，建立包含車道線、交通標誌、路面結構等詳細信息的三維地圖。車輛在行駛時，不斷將實時傳感器數據與預建地圖進行精確匹配，以此實現定位和路徑規劃。這種方法在地圖覆蓋的範圍內確實能夠實現極高的安全性和可靠性——Waymo在舊金山和鳳凰城的商業化運營數據已經充分證明了這一點。然而，其核心瓶頸在於：建立並持續維護高精地圖的成本極為高昂，且無法快速移植到新城市和新場景。每進入一個新城市，都意味着重新投入大量測繪資源、重新收集本地化訓練數據、重新進行系統調校——這種「逐城市攻克」的擴張模式，在本質上制約了規模化的速度和成本效益。

Wayve的基礎模型方法從根本上顛覆了這一邏輯。與訓練大型語言模型的思路高度相似，Wayve將大量來自真實世界的駕駛視頻和傳感器數據輸入一個統一的神經網絡模型，讓模型自行學習駕駛行為的底層規律，而非依賴人類工程師手工編寫的規則或預建地圖。這個模型在訓練階段接觸了來自70多個國家的多樣化駕駛場景——從英國的環形交叉路口到日本的狹窄街道，從德國的高速公路到中東的沙塵道路——形成了對人類駕駛行為和交通環境近乎通用的理解能力。

這種通用性帶來了一個極其關鍵的能力：零樣本城市遷移。Wayve的車輛可以在從未見過的新城市中直接行駛，無需預先收集當地數據、無需更新地圖、無需重新調校模型——這一能力已在全球500多個城市得到驗證。對於自動駕駛的商業化落地而言，這意味着邊際擴展成本近乎為零：每進入一個新城市，Wayve不需要投入數月的測繪和調校時間，而只需將車輛直接投放運營。這種指數級的擴張效率，正是Wayve能夠提出「2026年擴展至10個以上全球市場」這一雄心計劃的技術底氣。

三、Uber的3億美元豪賭：倫敦機器人計程車的戰略賭注

在本輪融資的眾多投資者中，Uber的參與方式最為引人關注，也最具戰略含義。Uber承諾向Wayve投入3億美元，但這筆資金並非無條件注入，而是與一個具體的商業里程碑掛鈎：Wayve必須在2026年成功在倫敦部署商業化機器人計程車服務，Uber才會兌現這筆投資承諾。這種「里程碑驅動」的投資結構，在風險投資領域並不罕見，但對於3億美元的大額投資而言，條件設置本身就傳遞了豐富的信息。

首先，Uber選擇倫敦作為觸發條件的城市，絕非偶然。倫敦是全球出行市場競爭最為激烈的城市之一，也是Uber歐洲業務的核心市場。更重要的是，倫敦的交通環境以複雜著稱——混亂的歷史街道布局、左手行駛規則、密集的行人和騎行者、各種非標準化的道路交叉情況——能夠在倫敦成功運營機器人計程車，幾乎等同於向全球展示了一個技術上的「壓力測試」合格證書。對Uber而言，Wayve的倫敦部署既是對技術可靠性的終極驗證，也是Uber在歐洲建立自動駕駛出行服務網絡的第一塊拼圖。

其次，從Uber的整體戰略來看，這筆投資是其「平台化」戰略的延伸。Uber長期以來並不直接開發自動駕駛技術——出售其早期自動駕駛業務ATG予Aurora後，Uber轉而採取與多家自動駕駛公司合作的平台模式，讓自動駕駛車輛接入Uber的網絡提供服務。此前Uber已與Waymo在美國市場達成類似合作。如今對Wayve的條件性投資，顯示Uber正在歐洲複製同樣的布局——通過資本紐帶與最具潛力的本地自動駕駛技術公司深度綁定，從而在不自建技術的情況下分享自動駕駛出行市場的增長紅利。

對Wayve而言，Uber的3億美元承諾同樣是一把「雙刃劍」。成功部署意味着巨額資金到位，以及與全球最大出行平台的深度合作關係；但失敗——或者說未能在2026年達成倫敦部署目標——則意味着不僅損失這筆資金，更會對其商業信譽和後續融資能力造成打擊。這種壓力，或許恰恰是Wayve加速技術驗證和商業化進程的最強外部動力。

四、投資者陣容解碼：為何NVIDIA、微軟都要入股Wayve

本輪融資的投資者名單，幾乎覆蓋了整個自動駕駛生態系統的關鍵節點——算力供應商、軟件平台、出行服務商和整車廠商——每一個參與者的加入都有其獨特的戰略邏輯，值得逐一拆解。

NVIDIA的參與或許是最不令人意外、卻又最具象徵意義的一筆投資。Wayve的基礎模型訓練依賴海量GPU算力，而其車載推理系統同樣高度依賴NVIDIA的DRIVE系列車載計算平台。對NVIDIA而言，投資Wayve是一種「確保大客戶」的策略——當Wayve的技術在全球10個以上市場落地、車隊規模從數十輛擴張至數千輛時，每一輛車都是NVIDIA算力芯片的終端市場。更廣義地說，NVIDIA正在積極構建一個以其芯片為核心的自動駕駛生態系統，對Wayve的投資是這一生態佈局的有機組成部分。

微軟的參與則更多體現了其雲端AI平台的戰略意圖。Wayve的大規模訓練和推理工作負載是Azure雲平台的潛在大客戶，而微軟在企業AI服務方面與Wayve的合作空間同樣廣闊——從車隊管理系統到安全監控平台，Azure的企業服務能力可以為Wayve的商業化運營提供基礎設施支撐。投資Wayve，既是微軟在自動駕駛賽道佈局的一步棋，也是鞏固一個重要企業雲客戶關係的商業手段。

Mercedes-Benz、日產、Stellantis這三家整車廠的參與，揭示了傳統汽車行業對自動駕駛技術路線的重新思考。長期以來，主流整車廠傾向於自建自動駕駛團隊，或者通過收購獨立技術公司來掌握技術主導權。但隨着自研路線的成本和難度不斷超出預期，越來越多的整車廠開始採取「戰略投資加技術授權」的合作模式。Wayve的AI Driver技術承諾從2027年起為消費者車輛提供L2+免手駕駛能力，這對於急需在高端車型上提供差異化駕駛輔助功能的傳統整車廠而言，是一個極具吸引力的技術採購選項。三家整車廠的聯合入股，實際上是用資本換取優先技術合作地位的戰略佈局。

五、零樣本的意義：500個城市驗證的規模化革命

在Wayve所有技術主張中，「在500多個城市實現零樣本（Zero-shot）部署」是最具顛覆性、也最需要深入理解的一個。所謂零樣本，是指模型在推理階段面對從未在訓練集中出現過的場景時，仍然能夠做出合理的決策——這一概念源自自然語言處理領域，指語言模型無需針對特定任務進行微調就能完成新任務。Wayve將這一能力成功遷移到了自動駕駛領域。

從技術層面理解，Wayve的零樣本能力依賴於其基礎模型對「駕駛行為通用規律」的深度學習。當一個人類司機前往從未去過的城市駕車，他並不需要預先研讀當地的詳細地圖或進行專項練習——他依靠多年積累的通用駕駛技能、對交通規則的理解、以及對道路環境的實時感知來做出決策。Wayve的基礎模型所做的，正是在硅基系統上複現這種「遷移學習」能力：通過在70多個國家的多樣化環境中進行大規模預訓練，模型習得了足以應對絕大多數未知場景的通用駕駛智能。

這一技術能力的商業意義是革命性的。對比一下傳統路線的擴展成本：Waymo進入一個新城市，通常需要6至18個月的準備工作，包括高精地圖測繪更新、安全員培訓、模擬測試、監管溝通等。每個新城市的邊際進入成本，按業內估算可能高達數千萬至數億美元。而Wayve聲稱其零樣本能力使新城市的技術部署成本大幅降低——理論上，一輛在倫敦訓練好的Wayve車輛，可以開到香港、開羅或聖保羅的街道上，無需重新建圖或重新調校，直接開始安全行駛。

當然，這種聲明仍需要在更多市場的實際商業運營中接受嚴苛驗證。零樣本能力在技術演示環境下與在全天候、全場景的商業化部署中之間，仍然存在相當的差距。但即便打一個相當大的折扣，Wayve的技術路線所呈現出的規模化效率，相較於傳統的高精地圖方案，在理論上具有數量級的優勢——這正是其能夠獲得如此廣泛的戰略投資認可的根本原因。

六、Wayve vs. Waymo vs. Tesla：三種路線的大分歧

在解讀Wayve融資的同時，將其與同期發展動態相互對照，能夠更清晰地呈現自動駕駛行業的整體格局。就在Wayve完成融資的前後數日，坊間亦有關於Waymo估值突破160億美元的報導——兩家技術路線南轅北轍的自動駕駛公司幾乎同時獲得市場的高度估值認可，這本身就是一個耐人尋味的信號。

Waymo代表的是「工程可靠性優先」的路線：通過多年在特定城市的深耕積累，建立起近乎無可挑剔的安全記錄。其在舊金山和鳳凰城的商業化Robotaxi服務，已積累了數百萬英里的無人駕駛里程，事故率遠低於人類駕駛員。然而，Waymo的成功也印證了高精地圖方法的擴展瓶頸——Google在Waymo上已累計投入逾160億美元，而商業化覆蓋城市數量仍然有限。Waymo CEO曾公開表示，公司的目標是「做好一個城市，再做下一個」——這種謹慎哲學確保了質量，卻也意味着規模化的路徑漫長而昂貴。

Wayve的CEO Alex Kendall對此有一個鮮明的回應：「自動駕駛的規模化，不能單靠逐城市部署機器人計程車來實現。」這句話點出了一個根本性的戰略分歧。Waymo式的城市精耕細作在商業模式上有其自洽的邏輯，但它預設了Robotaxi是自動駕駛唯一重要的商業落地場景。Wayve的邏輯則截然不同：通過基礎模型技術，同時佈局機器人計程車（B端）和消費者車輛AI駕駛輔助（C端），以更廣泛的商業應用場景來攤薄技術研發成本，並通過數據飛輪效應持續提升模型能力。

Tesla的FSD（Full Self-Driving）則代表了第三條路線——端到端神經網絡結合海量車隊數據的大規模訓練。在某種程度上，Tesla和Wayve的技術理念最為接近，都強調通用模型而非高精地圖。但Tesla目前的FSD仍定位在L2+輔助駕駛層面，真正無人監督的Robotaxi服務（Tesla Robotaxi）的時間表一再延遲。與此同時，Tesla擁有數百萬輛在路上行駛的車輛持續回傳數據，其數據飛輪優勢是Wayve暫時無法企及的。

三種路線的並行演進，預示着自動駕駛行業不會收斂到單一的技術答案。在可預見的未來，高精地圖方法可能繼續主導對安全性要求最高的封閉場景（如港口、機場、固定線路巴士），而基礎模型方法則在開放道路的快速規模化部署中展現更大優勢。這種技術生態的多元化，對於整個行業的健康發展而言，或許是最有利的格局。

「自動駕駛的規模化，不能單靠逐城市部署機器人計程車來實現。我們的基礎模型方法意味着：我們能夠以傳統方法無法比擬的速度和成本效益，將真正通用的自動駕駛技術帶到全球每一個角落。」——Alex Kendall，Wayve聯合創始人兼首席執行官

七、2026至2027年部署路線圖：從倫敦到全球消費者車輛

有了15億美元的資金支撐，Wayve的商業化路線圖在2026至2027年間將進入關鍵的執行階段。從公開披露的信息來看，Wayve的商業化策略分為兩個相互強化的軌道並行推進。

第一軌道是機器人計程車（Robotaxi）服務的商業化部署。2026年最重要的里程碑是倫敦——這不僅是Uber 3億美元承諾的觸發條件，更是Wayve向全球資本市場展示商業化可行性的關鍵舞台。倫敦部署成功後，Wayve計劃在2026年內將服務擴展至10個以上的全球市場。考慮到其零樣本技術能力，這一擴展計劃在技術層面是可行的，但監管審批的複雜性和時間成本在不同司法管轄區之間差異懸殊，可能成為更大的障礙。

第二軌道是消費者車輛的AI駕駛功能（AI Driver）商業化。Wayve計劃從2027年起，向整車廠合作夥伴提供支援L2+免手駕駛的AI Driver系統。這一時間節點的選擇頗具戰略考量——2027年恰好是Tesla下一代自動駕駛系統和多家整車廠L3/L4量產方案的關鍵節點，Wayve選擇在這一時間窗口推出消費者AI駕駛產品，顯示其對賽道競爭節奏有清醒的判斷。

值得關注的是，消費者車輛AI Driver業務對Wayve的長期商業模式具有戰略性意義。每一輛搭載Wayve AI Driver的消費者車輛，都是一個持續收集真實世界駕駛數據的移動傳感器節點。隨着裝載量從數百輛增加到數萬輛，數據積累將呈指數級增長，持續為基礎模型的迭代改進提供燃料。這種「Robotaxi積累運營數據、消費者車輛擴大數據規模」的雙輪驅動模式，是Wayve構建長期數據飛輪的核心邏輯，也是其相對於單純Robotaxi路線競爭者的差異化優勢。

八、香港視角：基礎模型自動駕駛對本地交通的啟示

對於香港讀者而言，Wayve融資事件絕非遙遠的英國科技新聞。香港作為全球人口密度最高的城市之一，擁有極為複雜的城市交通環境——窄街陡坡、混合式交通（電車、巴士、小巴、的士、行人同場共存）、高密度行人流量——這種複雜性恰恰是高精地圖方法最難以應對、也是基礎模型方法最需要驗證的場景。

從自動駕駛商業化落地的時間線來看，香港或許是一個比想象中更早迎來自動駕駛服務的城市。香港特區政府近年來積極推動智慧城市發展，自動駕駛相關的監管框架也在逐步完善。若Wayve能夠在歐洲多個城市成功建立商業化運營記錄，其進軍亞洲市場的首選城市之一，香港的條件並不亞於新加坡或東京——後者已有多家自動駕駛企業完成初步商業部署。

從投資者視角看，Wayve融資為香港的科技投資者提供了幾個值得深入思考的信號。第一，「平台化」的自動駕駛技術提供商（如Wayve）正在成為與Robotaxi運營商、整車廠同等重要的投資標的類別。第二，NVIDIA對Wayve的投資再次印證了「AI基礎設施投資」與「AI應用落地」之間的協同邏輯——對NVIDIA而言，每一個成功的AI應用生態（無論是大語言模型還是自動駕駛）的壯大，都是對其芯片需求的結構性支撐。第三，SoftBank Vision Fund 2的參與顯示，日本資本對自動駕駛賽道的關注度正在從日本本土（本田、豐田、日產在日本市場的自動駕駛佈局）延伸至全球最具技術突破潛力的初創企業。

對香港的普通市民而言，Wayve所代表的技術路線成熟後，最直接的影響可能體現在幾個層面：一是自動駕駛的士和小巴服務可能在2028年至2030年代初以試點形式進入香港；二是香港幾家本地車隊營運商可能在未來幾年開始評估AI駕駛技術的採購選項；三是搭載L2+以上自動駕駛功能的消費者車型將在香港市場的高端車型中快速普及——而Mercedes-Benz和Nissan作為Wayve的投資者，其在港銷售的車型或將成為首批搭載Wayve AI Driver技術的消費者車輛。