Qualcomm-Wayve-End-to-End-AI-Driving-Snapdragon-Ride

Qualcomm + Wayve 合作：端到端 AI 驾驶系统量产路径

发布时间： 2026-04-09
标签： #Qualcomm #Wayve #SnapdragonRide #EndToEnd #ADAS
来源： Wayve Press Release (2026-03-10)

核心信号

2026 年 3 月 10 日，Qualcomm 与 Wayve 宣布技术合作：

Wayve AI Driver 作为端到端 AI 驾驶软件集成到 Snapdragon Ride 平台
支持 Hands-off ADAS → Eyes-off 自动驾驶 的渐进路线
预集成方案：SoC + Active Safety + AI Driver
面向 全球车厂，缩短开发周期

这标志着端到端 AI 驾驶从”研究概念”进入”量产部署”阶段。

一、合作背景

1. 行业趋势

ADAS/AD 市场演进：

阶段	时间	特点
规则驱动	2010-2018	手工特征、规则系统
模块化 AI	2018-2023	感知/规划/控制分离
端到端 AI	2023-2026+	数据驱动、一体化

端到端 AI 的优势：

优势	说明
数据驱动	从大规模真实数据学习
泛化能力强	跨区域、跨场景适应
开发效率高	避免模块间复杂接口
持续迭代	数据闭环、在线学习

2. 合作双方

Qualcomm Technologies：

维度	能力
硬件	Snapdragon Ride SoC 系列
软件	Active Safety 栈
安全认证	ASIL-D、功能安全
量产经验	全球多个车型已部署

Wayve：

维度	能力
核心产品	Wayve AI Driver
技术路线	端到端 AI、Embodied AI
数据规模	大规模真实路测数据
应用场景	ADAS、Robotaxi

二、方案架构

1. Snapdragon Ride 平台

核心特性：

特性	说明
高性能计算	高性能、能效优化
安全架构	冗余、实时监控、安全隔离
开放架构	支持多种软件栈
可扩展性	主流 → 高端车型

平台组成：

Snapdragon Ride Platform
├─ SoC 系列
│  ├─ Snapdragon Ride Elite（高端）
│  └─ Snapdragon Ride（主流）
├─ Active Safety Software
│  ├─ 感知模块
│  ├─ 规划模块
│  └─ 控制模块
└─ 安全认证
   ├─ ASIL-D
   ├─ 功能安全
   └─ 网络安全

2. Wayve AI Driver

核心能力：

能力	说明
端到端学习	从数据直接学习驾驶策略
区域适应	跨国家、跨道路类型
场景泛化	复杂城市、高速公路
持续改进	数据闭环、在线学习

技术特点：

Wayve AI Driver
├─ 输入
│  ├─ 多摄像头（环视）
│  ├─ LiDAR（可选）
│  └─ 雷达（可选）
├─ AI 模型
│  ├─ 视觉编码器
│  ├─ Transformer 规划器
│  └─ 控制输出
└─ 输出
   ├─ 转向
   ├─ 加速/制动
   └─ 决策信号

3. 集成架构

预集成方案：

┌──────────────────────────────────────────┐
│         Snapdragon Ride + Wayve         │
├──────────────────────────────────────────┤
│  ┌────────────────────────────────────┐  │
│  │      Wayve AI Driver              │  │
│  │  - 端到端 AI 驾驶策略              │  │
│  │  - 数据驱动学习                    │  │
│  └───────────────┬────────────────────┘  │
│                  │                        │
│  ┌───────────────▼────────────────────┐  │
│  │   Qualcomm Active Safety Stack     │  │
│  │  - 冗余监控                        │  │
│  │  - 安全隔离                        │  │
│  │  - 实时响应                        │  │
│  └───────────────┬────────────────────┘  │
│                  │                        │
│  ┌───────────────▼────────────────────┐  │
│  │      Snapdragon Ride SoC          │  │
│  │  - 高性能计算                      │  │
│  │  - AI 加速器                       │  │
│  │  - 安全岛                          │  │
│  └────────────────────────────────────┘  │
└──────────────────────────────────────────┘

三、应用场景

1. ADAS 到 AD 的渐进路线

阶段	功能	Wayve AI Driver 角色
Hands-off ADAS	L2+ 高速辅助	主要感知 + 规划
Eyes-off AD	L3 有条件自动驾驶	完整驾驶策略
L4 Robotaxi	全自动驾驶	端到端控制

2. Hands-off ADAS（近期）

功能范围：

功能	说明
高速巡航	自动速度控制
车道保持	自动转向
变道辅助	自动变道
拥堵跟随	Stop & Go

安全机制：

DMS 监控驾驶员注意力
Active Safety 冗余监控
驾驶员随时接管

3. Eyes-off AD（中期）

功能范围：

功能	说明
高速自动驾驶	无需持续监控
复杂场景处理	施工、拥堵
智能接管	请求驾驶员接管

技术要求：

ODD（运行设计域）定义
冗余系统
MRM（最小风险策略）

4. L4 Robotaxi（长期）

Wayve 已宣布的合作：

合作方	目标	时间线
Uber + Nissan	东京 Robotaxi 试点	2026 下半年

目标：

完全无人驾驶
商业化运营
大规模部署

四、对 IMS/DMS 的启示

1. DMS 在端到端 AI 中的角色

传统模块化架构：

1
2
3

摄像头 → 感知 → 规划 → 控制 → 执行
           ↑
         DMS 独立模块

端到端 AI 架构：

1
2
3

摄像头（含 DMS）→ AI Driver → 执行
            ↑
      DMS 数据作为输入之一

关键变化：

变化	说明
数据融合	DMS 数据与外部感知融合
上下文理解	驾驶员状态影响决策
个性化	学习个体驾驶风格

2. 驾驶员状态监控

Hands-off 阶段：

监控内容	目的
头部姿态	判断注意力方向
眼动追踪	判断视线方向
手部位置	判断是否可接管
疲劳检测	判断驾驶能力

Eyes-off 阶段：

监控内容	目的
接管准备度	判断接管能力
NDRT 类型	判断响应时间
情境感知	判断理解程度

3. 与 Wayve AI Driver 的协同

潜在协同场景：

场景	DMS 输入	AI Driver 响应
驾驶员分心	分心检测 →	提前警告/降低速度
接管准备不足	预测慢响应 →	延长接管时间
疲劳驾驶	疲劳检测 →	寻找安全停车点
个性化风格	学习偏好 →	调整驾驶策略

4. 数据闭环

数据需求：

数据类型	来源	用途
驾驶员状态	DMS	训练 AI Driver
驾驶行为	CAN 总线	学习个体风格
场景标注	外部感知	上下文关联
接管事件	日志	改进策略

闭环机制：

1	`采集 → 标注 → 训练 → 部署 → 反馈 → ...`

五、行业影响

1. 对车厂的影响

优势：

优势	说明
缩短开发周期	预集成方案减少集成工作
降低风险	成熟平台 + 安全认证
灵活选择	可选不同软件栈
可扩展	跨车型、跨平台复用

挑战：

挑战	说明
供应商依赖	核心技术依赖外部
差异化难度	同平台车型同质化
数据主权	数据归属与安全

2. 对 DMS 供应商的影响

机遇：

机遇	说明
集成需求	端到端系统需要 DMS 数据
功能扩展	从监控到预测
数据价值	驾驶员数据成为训练资源

挑战：

挑战	说明
深度集成	需要与 AI Driver 紧密配合
接口标准	需要统一数据格式
性能要求	需要满足端到端延迟

3. 竞品对比

方案	厂商	特点
Qualcomm + Wayve	美国端到端 AI	数据驱动、开放平台
NVIDIA Drive	美国全栈	高性能、闭源
Mobileye EyeQ	以色列感知	成熟、规则辅助
华为 ADS	中国全栈	自主可控
特斯拉 FSD	自研端到端	数据优势

六、技术路线图

1. 近期（2026-2027）

里程碑	目标
Hands-off ADAS	高速场景
车型量产	首批搭载车型
数据采集	大规模路测

2. 中期（2028-2030）

里程碑	目标
Eyes-off AD	L3 量产
ODD 扩展	城市场景
法规认证	全球主要市场

3. 远期（2030+）

里程碑	目标
L4 Robotaxi	商业化运营
全场景覆盖	任何地点、任何天气
无人驾驶	无驾驶员

七、结论

Qualcomm + Wayve 合作的核心价值：

端到端 AI 进入量产阶段
预集成方案降低开发门槛
Hands-off → Eyes-off 渐进路线
DMS 成为 AI Driver 关键输入

对 IMS/DMS 开发的建议：

关注端到端架构集成：DMS 数据如何与 AI Driver 协同
设计灵活接口：支持不同 AI Driver 方案
提升预测能力：从监控到预测驾驶员行为
数据闭环建设：积累驾驶员行为数据

参考资料

Wayve Press: Qualcomm and Wayve Collaboration (2026-03-10)
Reuters: Qualcomm, Wayve Partner on AI Self-Driving
Snapdragon Ride Platform Specifications
Wayve AI Driver Technical Whitepaper

本文已同步发布至 dapalm.com

Euro NCAP > DMS

#DMS #OMS #CPD #Euro NCAP 2026

Qualcomm-Wayve-End-to-End-AI-Driving-Snapdragon-Ride

https://dapalm.com/2026/04/09/2026-04-09-Qualcomm-Wayve-End-to-End-AI-Driving-Snapdragon-Ride/

作者

Mars

发布于

2026年4月9日

许可协议

Pose-Facial-Fatigue-Detection-Non-Contact-Multi-Modal 上一篇

RT-DETR-DA-Distracted-Driving-97.1-mAP-RealTime 下一篇