Wayve’s Gen3 自动驾驶系统将使用 Nvidia Drive AGX Thor 在复杂条件下实现 Level-4 驾驶

刚刚发生了什么变化以及其重要性

公告摘要

Wayve 宣布其 Gen3 自动驾驶栈集成了 NVIDIA 的 DRIVE AGX Thor，且 NVIDIA 已提议对 Wayve 的下一轮融资进行 5 亿美元的战略投资。综合来看，这些举措正式确立了双方的技术和财务合作伙伴关系，旨在加速 Wayve 在复杂城市和恶劣天气条件下实现 Level‑4 (L4) 自动驾驶能力的进程。

重要原因：Wayve 为自动驾驶带来了一种端到端、学习优先的方法——即训练模型将感知、预测和规划作为一个集成策略来处理——而 NVIDIA 则提供了一个生产级车载计算平台，能够运行这些大型模型。这种结合减少了部署过程中的硬件和软件碎片化，标志着向可扩展、真实世界 L4 试点迈出了务实的一步。

核心要点：将 Wayve 的 AI-first 技术栈与 Thor 的车载计算平台相结合，为从研究模型向以安全为导向、具备上路能力的系统转型开辟了更清晰的路径。

功能解析：Gen3 如何在 NVIDIA DRIVE AGX Thor 上运行

端到端学习及其在实践中的意义

Wayve 的 Gen3 围绕端到端学习范式构建，其中同一个学习框架涵盖了感知（汽车周围的情况）、预测（其他道路使用者的行为）和规划（车辆应如何移动）。这种方法不是将许多手动设计的模块链接在一起，而是将驾驶行为视为从数据中学习到的策略。Wayve 的 Gen3 发布重点介绍了该设计以及以摄像头为主的传感器方案。。

这种以模型为中心的方法需要大型神经网络和高传感器采样率，以便在密集的城市场景中安全运行。这就是强大的车载计算平台变得至关重要的原因。

传感器融合、在线学习和车队优化

Gen3 强调以摄像头为主的多传感器融合，但其架构在必要时仍会整合雷达、激光雷达或其他模态。至关重要的是，Wayve 计划进行持续的在线学习和车队数据收集，以便在车队遇到新的边缘案例时，不断优化系统的驾驶策略。Wayve 的公告解释了对车队遥测和策略更新的重视.

这种运营方法需要：

• 高带宽 I/O，支持多个摄像头和传感器以高帧率向模型输入数据。

• 低延迟推理，确保从感知到动作的循环满足实时安全需求。

• 安全的 OTA（空中下载）通道和验证流水线，用于推送更新的策略。

为什么 DRIVE AGX Thor 是逻辑上的绝佳匹配

NVIDIA 的 DRIVE AGX Thor 被定位为专为汽车打造的计算平台，能够整合传感器处理、模型推理和安全监控。通过在 Thor 上运行 Wayve 的模型，Wayve 减少了因混合不同计算栈和定制加速器而产生的碎片化。这种整合简化了认证路径，缩短了集成时间，并为繁重的神经工作负载提供了可预测的性能。

核心结论：Gen3 的学习优先架构需要 Thor 级别的计算能力，才能在复杂 L4 级操作所需的规模和延迟裕度下运行。

洞察：将单一软件方法与单一经过验证的硬件基准进行战略配对，可以显著减少大多数 OEM 面临的集成工作。

规格与性能详情：Nvidia DRIVE AGX Thor 为 Gen3 带来了什么

计算马力与传感器 I/O 综述

NVIDIA 将 DRIVE AGX Thor 定位为一种能够提供数据中心级 GPU 和加速器性能的汽车外形规格。该平台旨在处理数万亿次浮点运算（Teraflops）的 AI 计算，并在满足汽车级温度和可靠性要求的前提下，支持数十路高带宽摄像头和传感器输入。NVIDIA 的产品概览将 Thor 描述为现代 AV 堆栈的主要车载计算平台。

对于 Wayve 而言，这至关重要，因为他们的研究和部署模型在参数量上经常增长，并且需要更高的图像速率来检测拥挤城市环境中的细微线索。Thor 的原始吞吐量支持：

• 用于感知和规划的更大型神经网络架构。

• 更高的摄像头帧率和多摄像头融合，且不会掉帧。

• 推理过程中并行的安全监控和冗余检查。

安全架构、验证和认证支持

自动驾驶需要严格的功能安全和网络安全实践。NVIDIA 已在其自动驾驶安全报告中记录了其安全方法，该报告概述了功能安全、系统设计原则和验证实践。与此同时，DRIVE Hyperion 参考平台和安全里程碑旨在帮助 OEM 厂商推进汽车认证。NVIDIA 已公布 Hyperion 在自动驾驶开发方面的安全和网络安全里程碑。

对于 Wayve，Thor 和 Hyperion 提供：

• 支持 ISO-26262 风格工作流的面向安全的硬件特性和工件。

• 经过验证的网络安全基线，以应对由连接和 OTA 更新引入的攻击面。

• 旨在减少汽车功能安全案例增量工作量的工程工具和参考设计。

Thor 级性能的实证依据

学术和技术评估表明，与低端边缘计算相比，DRIVE 级平台显著提高了感知堆栈的实时吞吐量并降低了延迟。例如，针对 DRIVE 平台和同类基于 GPU 的汽车系统的评估研究表明，推理率得到了提高，并且能够在不牺牲实时截止时间的情况下运行更大的模型。一篇研究 DRIVE 级硬件性能权衡的预印本论文强调了更高的计算余量如何支持复杂的融合和规划工作负载，而这些工作负载在受限的 SoC 上将难以运行。一项将 DRIVE 平台与较小计算单元进行比较的研究已作为预印本发布。

具体而言，这意味着在 Thor 上运行的 Gen3 可以：

• 在多个摄像头上保持更高的帧率，提高拥挤场景中的时间分辨率。

• 执行更大的预测/规划模型，从而更好地捕捉道路使用者之间的交互。

• 支持并行安全监控器和异常检测器，而不会耗尽主驾驶策略的资源。

核心结论：Thor 的计算和安全工具链可直接转化为大型神经策略的更多余量，以及在现实驾驶中更快、更可靠的推理。

部署、开发者访问与资金：Gen3 on Thor 何时上路

投资与战略合作伙伴关系

NVIDIA 已正式提议向 Wayve 的下一轮融资进行 500 亿美元的战略投资。这被定性为战略合作，而不仅仅是供应商关系：该资金旨在加速 Gen3 在 DRIVE AGX Thor 上的集成、验证和商业化。随着 Wayve 从原型验证转向试点服务，这笔资金将支持工程规模的扩大和扩展的外场测试。

开发者工具、套件和验证平台

对于构建 AV 软件的团队，NVIDIA 提供了旨在模拟车载环境的开发者套件和参考平台。Drive AGX Thor 开发者套件的市场定位是明确加速自动驾驶汽车开发，以及DRIVE Hyperion 提供传感器参考设计和用于系统验证的安全构件. Wayve 将在工程和测试车队阶段使用这些平台，利用与第三方开发者和 OEM 合作伙伴相同的工具链。

拥有一致的开发路径可以减少从模拟到车辆的摩擦：

• 模拟和数据流水线可以针对确切的目标硬件进行校准。

• 用于模型优化（量化、剪枝）的工具链可映射到真实的 Thor 性能。

• 来自 Hyperion 的安全文档可以在认证卷宗中重复使用或进行改编。

时间表和推广信号

Wayve 的公开声明将 Gen3 定位于分阶段推广：工程车队、范围日益扩大的试点运营，以及最终取决于安全验证和监管批准的商业化爬坡。确切的商业发布日期将取决于各司法管辖区的认证进度和实地测试。合作伙伴关系和投资加速了这些活动，但它们并不能绕过监管流程或安全里程碑。

洞察：资金和经过验证的硬件基准缩短了通往试点的路径，但认证和监管仍然是实现完全无人驾驶服务的主要制约因素。

将搭载 Thor 的 Gen3 与之前的 Wayve 系统及竞争对手平台进行比较

Gen3 与早期 Wayve 世代的区别

早期的 Wayve 原型和试点部署通常使用混合或内部计算堆栈，不同测试车辆的车辆平台各不相同。Wayve 的 Gen3 发布说明了向以 Thor 为中心的硬件基准的转变。在 DRIVE AGX Thor 上进行标准化为 Wayve 提供了跨部署的一致计算余量和可预测的延迟，这转化为：

• 更容易在车队车辆中复现实验结果。

• 更少的单车集成开销和更少的定制软件路径。

• 能够扩展前几代产品可能无法维持的更大模型。

Gen3 + Thor 如何与竞争对手的 Level-4 方案抗衡

追求 L4 自动驾驶的对手来自两个阵营：采用像 Thor 这样高性能、开箱即用计算平台的团队，以及尝试定制 SoC 或低功耗架构的团队。使用 Thor 使 Wayve 与那些已经标准化 NVIDIA DRIVE 平台或类似强大计算堆栈的竞争对手处于更接近的水平——这是追求 robotaxi 和地理围栏商业服务的 OEM 厂商中日益普遍的做法。对其他行业动态的报道显示，OEM 和集成商与 NVIDIA 及系统集成商合作以达到 L4 就绪状态的趋势类似EngTechnica 报道了使用高性能平台的相关 L4 部署，以及 像 Magna 与 NVIDIA 的合作这类行业伙伴关系，预示着更广泛的市场整合。

Thor 的性能优势在处理以下工作负载时最为明显：

• 高帧率下的多摄像头融合。

• 用于复杂交互预测的大型模型。

• 并行冗余和安全监控。

市场态势与竞争影响

拟议的 NVIDIA 投资以及 Thor 的采用，表明行业正向经过验证的高性能车载计算倾斜，并将其作为 L4 研发的默认选择。这给其他替代方案（如小型 SoC 供应商、定制自研芯片和碎片化技术栈）带来了压力，迫使它们必须证明自己具备相当的性能、安全交付物和开发生态系统。

核心结论：Thor 上的 Gen3 并不保证市场胜利，但它减少了一个主要的集成风险来源——硬件变异性，同时使 Wayve 与成熟的汽车计算生态系统保持一致。

实际应用与开发者影响：在 Thor 上利用 Wayve Gen3 构建和测试 Level-4

从模拟到 OTA 部署的开发者工作流

使用 Thor 和 Wayve 技术栈的开发者可以使用端到端的流水线，该流水线始于模拟，进入用于硬件在环（hardware-in-the-loop）的开发者套件，最后完成经过验证的车辆部署。NVIDIA 的 Drive AGX Thor 开发者套件博客解释了加速开发的工具，而 DRIVE Hyperion 提供了车辆集成中使用的传感器和安全参考设计。Wayve 的策略更新工作流和车队数据收集完成了持续改进的闭环。

实际的开发者优势包括：

• 更快的迭代速度，因为模拟性能与车辆性能的映射更加紧密。

• 复用 Hyperion 和 Thor 工具链提供的安全伪像和测试套件。

• 通过 Thor 的标准化优化路径简化模型部署。

大规模外场测试、遥测和持续学习

Wayve 的方法依赖于车队数据来发现极端情况并优化策略。Thor 的算力余量支持更丰富的遥测和更高频率的本地处理，这有助于：

• 对感兴趣的事件进行车载总结，以便后续重新训练。

• 本地预验证流水线，减少必须上行传输的原始数据量。

• 更高保真度的遥测数据，例如多摄像头时间戳和用于根因分析的中间模型状态。

这种运行模式加快了罕见故障模式的发现，并允许团队在更好的背景信息下优先进行重新训练或有针对性的规则更改。

对 OEM 和集成商的影响

OEM 和一级供应商从 Thor+Wayve 参考方案中获得两个实际收益： 1. 经过验证的硬件/软件基准，可降低集成成本并缩短试点时间。 2. 访问可在认证过程中复用的安全文档和工具链（Hyperion + Thor）。

对于集成商而言，成熟的计算平台与行为驱动的自动驾驶技术栈相结合，为 L4 级试点提供了一条更快捷的路径，并减少了系统集成阶段的未知因素。

洞察：对于许多合作伙伴来说，真正的价值不仅在于原始算力，还在于减少了由定制化集成带来的“不可预知的未知因素”。

常见问题解答 — Wayve Gen3、NVIDIA DRIVE AGX Thor 与 Level‑4

问题 1：Wayve Gen3 是否开箱即获得官方 Level‑4 认证？

不 —— Gen3 的目标是具备 Level‑4 能力，但公开部署仍取决于车辆认证、当地法规以及已完成的功能安全验证。自动驾驶系统能力与运营部署是两个不同的里程碑：前者是技术目标，后者则需要监管批准和记录在案的安全案例，这通常需要大量的验证工作。

问题 2：NVIDIA 拟议的 5 亿美元投资对 Wayve 意味着什么？

它提供了战略资本并深化了技术合作，使 Wayve 能够比仅靠小规模融资更快地扩展 Gen3 在 Thor 上的集成、测试和商业化。NVIDIA 将这项投资定性为加速该路线图的战略举措.

Q3: Thor 的计算配置文件如何转化为道路性能？

Thor 的高 AI 吞吐量和多传感器 I/O 降低了推理延迟，支持更大的网络，并为感知流水线提供更高的帧率——从而提高了在密集城市场景中的响应能力。NVIDIA 的产品资料描述了 Thor 在汽车形态下提供数据中心级性能的作用，且学术评估显示 DRIVE 级平台的吞吐量有显著提升参见 DRIVE 平台的性能研究.

Q4: 第三方开发者可以访问 Wayve 使用的相同 Thor 工具链吗？

是的 —— NVIDIA 向自动驾驶开发者提供 Drive AGX Thor 开发套件以及 DRIVE Hyperion 平台和工具链, 且这些工具链与 Wayve 在工程和验证中所使用的工具类别相匹配。

Q5：这对 OEM 和一级供应商有何影响？

OEM 获得了经过验证的高性能计算基准，以及在行为和自动驾驶堆栈方面的战略软件合作伙伴 (Wayve)，这减轻了集成负担，并可能缩短 L4 试点的上市时间。行业内的公开合作伙伴关系展示了这些协作如何加速开发，例如，Magna 与 NVIDIA 的行业动态就说明了 OEM 的发展路径。

Q6：目前还存在哪些主要的安全性与监管障碍？

符合汽车标准的性能安全证明、网络安全合规性、无人驾驶运营的当地监管批准，以及针对稀有边缘案例的稳健真实世界验证，仍然是主要的准入限制项。NVIDIA 的 Hyperion 里程碑和安全报告解释了预期的交付物和测试类型，这些是迈向监管批准的步骤，但不能替代监管批准。

Q7：使用 Thor 和 Wayve 的 L4 系统市场机会有多大？

行业兴趣和投资模式表明，近期存在巨大的商业机会，特别是对于 Robotaxi 和地理围栏商业服务，经过验证的计算与软件组合可以加速试点部署。拟议中的 NVIDIA 投资和日益增加的 OEM 合作信号，标志着市场势头的增长以及为规模化试点提供资金的准备就绪。行业市场总结和合作伙伴公告反映了这种不断增长的需求。

Gen3 on Thor 合作伙伴关系对未来之路的意义

近期对试验和试点的预期

在接下来的几个月和几年里，预计 Wayve 将利用 NVIDIA 的投资和 Thor 的开发工具，加速实地测试和分阶段试点。近期最切实的改变将是 Wayve 测试车队一致性的提高，以及试点部署中更标准化的硬件/软件参考。这些变化应能减少从单一演示车转向数十辆车时的集成意外。

面向开发者、集成商和 OEM

对于开发者和集成商而言，Wayve 与 NVIDIA 的结合创造了更清晰的选择：使用 Thor 和 Hyperion 来降低集成成本，采用 Wayve 的学习堆栈来处理行为，并利用现有的安全工件来支持认证工作。这对于那些更倾向于专注于高级系统集成，而不是从头开始发明定制计算或工具链的组织来说，尤其具有价值。

长期行业影响和待解决的问题

如果 Wayve 成功在大规模范围内验证 Gen3，该合作伙伴关系可能会催化 L4 自动驾驶领域围绕 NVIDIA DRIVE 平台进行更广泛的整合。这将提高商业自动驾驶部署对计算能力和安全工件的要求，迫使较小的芯片供应商要么走专业化路线，要么组建自己的联盟。

然而，重大不确定性依然存在。监管时间表、城市环境中罕见边缘案例带来的挑战，以及大规模部署的经济性（传感器和车辆成本、保险、地方许可）都尚未解决。在集中于单一计算供应商（速度、生态系统）与保持多样化芯片策略（成本控制、竞争）之间存在权衡。

在实践中，这一合作伙伴关系是务实的一步：它消除了一个主要的风险源——硬件碎片化，同时也承认通往商业化 L4 服务的道路仍需经过认证、安全案例和实际经验的考验。对于关注该领域的公司和开发者而言，其启示是：要为更高的计算需求做准备，投资于适配量产硬件的工具链，并将安全产出物和验证流水线视为战略资产。

归根结底，Gen3+Thor 的故事与其说是单一供应商的胜利，不如说是为量产 L4 系统设定了更清晰的预期：更大的神经策略、更丰富的传感器遥测，以及在经过验证的汽车级计算平台上运行的集成安全流水线。在接下来的几年里，随着 Wayve 和 NVIDIA 共同迭代，以及监管机构和 OEM 的参与，我们将看到这一公式是否能在大商业规模上实现安全、可扩展的无人驾驶服务。