Wayve拿了28亿美元，目标不是卖给某一家车企，而是让任何品牌、任何地点的车都能开。这个野心听起来像自动驾驶界的ChatGPT：不是给每个任务单独写一个模型，而是先训练一个“通用驾驶能力”，再用车本身的动态、当地的交通规则、甚至司机的偏好作为上下文去适配。
在传统智驾系统里，算法是“硬编码”的：地图、车道线、感知规则、控制律，像一张写死的说明书。Wayve走的是另一条路——把驾驶当成连续的token序列，传感器输入是上下文，方向盘和油门是输出。它的提示词不再是几句自然语言，而是车身参数、路面摩擦、他车行为、城市风格。每换一辆车、每换一个城市，相当于给模型换了一组context。
这种思路其实和LLM的instruction tuning很像：先在大量数据里学会通用物理，再通过少量样本对齐到具体场景。难点在于，驾驶没有互联网文本那么干净，长尾风险会真实撞上来。所以真正的壁垒不是模型大小，而是数据闭环、仿真到现实，还有安全约束怎么写进loss。
不知道大家怎么看？当汽车变成一个通用驾驶模型的“提示词”时，最该担心的还是算法能力，还是法规和责任归属？
