英Wayveが$1.2B調達——Mercedes・Stellantis支援のAIファースト自動運転
英国ロンドン拠点の自動運転スタートアップ Wayve が、シリーズCラウンドで 12億ドル（約1,800億円） の資金調達を完了した。メルセデス・ベンツとステランティスという世界を代表する自動車メーカー2社が出資者に名を連ね、欧州の自動運転企業としては過去最大級の単一ラウンドとなった。
Wayveの特徴は、HDマップやLiDARに依存しない**「AIファースト」のエンドツーエンドアプローチにある。カメラ映像のみからニューラルネットワークが運転操作を直接出力するこの手法は、従来の自動運転開発の常識を覆すものだ。すでにUberと提携して東京でのロボタクシー運行**も発表済みであり、日本の読者にとっても見逃せないニュースだ。
Wayveとは何か
Wayveは2017年にケンブリッジ大学の研究者 Alex Kendall と Amar Shah によって設立された自動運転AIスタートアップだ。本社はロンドンにあり、「Embodied Intelligence（身体化知能）」をビジョンに掲げている。
従来の自動運転企業がセンサーフュージョン（カメラ+LiDAR+レーダー）と高精度地図（HDマップ）を組み合わせるルールベースのアプローチを採用してきたのに対し、Wayveは創業当初からディープラーニングのみで自動運転を実現するという大胆な方針を貫いてきた。
同社のコア技術は以下の3点に集約される。
| 技術要素 | 概要 | 従来手法との違い |
|---|---|---|
| エンドツーエンド学習 | カメラ入力から直接ステアリング・加減速を出力 | 個別モジュール（検出→計画→制御）の分離が不要 |
| Foundation Model | 大規模運転データで事前学習した基盤モデル | 都市ごとのルール記述が不要、未知の環境にも適応 |
| マップフリー | HDマップなしで走行可能 | 地図更新コスト（数十億円規模）を削減 |
この「AIファースト」戦略は、初期には懐疑的な目で見られた。しかし、大規模言語モデル（LLM）の成功が「十分なデータと計算資源があればニューラルネットワークは汎用的に学習できる」ことを証明したことで、Wayveのアプローチへの評価は一変した。
$1.2Bラウンドの全容
出資者と狙い
今回のシリーズCには、戦略的投資家とフィナンシャル投資家の両方が参加している。
| 出資者 | 種別 | 推定出資額 | 主な狙い |
|---|---|---|---|
| メルセデス・ベンツ | 戦略的 | 非公開（リード級） | 高級車へのAI自動運転統合 |
| ステランティス | 戦略的 | 非公開（リード級） | 14ブランド（Jeep, Peugeot等）への展開 |
| SoftBank Vision Fund | フィナンシャル | 非公開 | モビリティAIポートフォリオ強化 |
| Nvidia | 戦略的 | 非公開 | DRIVEプラットフォームとの連携 |
| Microsoft | 戦略的 | 非公開 | Azureクラウド上での学習基盤提供 |
メルセデスとステランティスが同時に出資した点は特に重要だ。両社は競合関係にあるが、それぞれが独自のAI自動運転技術を社内開発するよりも、Wayveの基盤技術にアクセスする方が効率的と判断したことになる。これはWayveの技術が「プラットフォーム」として複数のOEMに提供できるレベルに達していることの証左だ。
資金使途
調達した12億ドルは以下の用途に充てられる見込みだ。
- 計算基盤の拡充: NvidiaのGPUクラスタを大幅増強し、Foundation Modelの学習規模を10倍以上に拡大
- 実証都市の拡大: ロンドンに加え、東京、ドバイ、北米都市での実走行データ収集を加速
- 量産車向け開発: メルセデスとステランティスの量産車に搭載するための組み込みソフトウェア最適化
- 人材採用: AIリサーチャー、ロボティクスエンジニアを中心に現在の500名体制から倍増を計画
以下の図は、Wayveのエンドツーエンドアプローチと従来型の自動運転アーキテクチャの違いを示している。
この図のとおり、従来型は「カメラ・LiDAR → 物体検出 → HDマップ照合 → 経路計画 → 車両制御」の5段階を個別に開発する必要がある。一方、WayveはカメラからFoundation Modelが直接車両制御を出力するため、開発・保守のコストが大幅に削減される。
なぜHDマップ不要が革命的なのか
自動運転業界において、HDマップ（高精度3D地図）は長年「必須インフラ」とされてきた。WaymoやCruiseをはじめとする主要プレイヤーは、走行予定エリアの道路を数センチ単位でスキャンし、信号や車線の位置を事前にデータベース化してきた。
しかし、HDマップには根本的な問題がある。
コスト: 1都市あたり数千万ドルの作成コストがかかり、道路工事や新しい標識が設置されるたびに更新が必要。グローバル展開する場合、累計で数十億ドル規模のインフラ投資が必要になる。
スケーラビリティ: 米国のサンフランシスコやフェニックスなど限られた都市で作成されたHDマップは、他都市には使えない。都市ごとにゼロからマッピング作業が必要であり、世界中の都市をカバーするのは事実上不可能に近い。
脆弱性: 天候や時間帯で道路の見え方が変わると、マップとの照合精度が落ちる。工事中の迂回路など、マップにない状況では対応できない。
Wayveのマップフリーアプローチは、これらの問題を根本から解決する。ニューラルネットワークがカメラ映像から周囲の状況をリアルタイムに理解し、人間のドライバーと同じように「見て判断する」ことで、事前のマッピングなしに任意の道路を走行できる。
競合比較——Wayve vs 世界の自動運転企業
以下の図は、主要な自動運転スタートアップの資金調達規模を比較したものだ。
Wayveの$1.2Bは、Waymoの$5.6B（Alphabet子会社として追加出資を含む）には及ばないものの、欧州拠点の自動運転企業としては圧倒的な規模だ。また、Cruiseが安全上の問題で事業を大幅縮小したことを考えると、AIファーストのアプローチをとるWayveに資金が集まる構図が鮮明になっている。
| 企業 | 本社 | 技術アプローチ | LiDAR | HDマップ | 商用化状況 |
|---|---|---|---|---|---|
| Wayve | ロンドン | エンドツーエンドAI | 不使用 | 不要 | Uber東京で実証中 |
| Waymo | マウンテンビュー | センサーフュージョン | 使用 | 必要 | 米国20都市で商用運行 |
| Aurora | ピッツバーグ | センサーフュージョン | 使用 | 必要 | トラック向け商用化 |
| Pony.ai | 北京/フリーモント | センサーフュージョン | 使用 | 必要 | 中国4都市で商用運行 |
| Tesla FSD | パロアルト | ビジョンのみ | 不使用 | 不要 | 監視付きで提供中 |
WayveとTeslaはともに「カメラのみ・マップ不要」という点で共通するが、Teslaが自社車両の販売を前提としているのに対し、Wayveはプラットフォームとして複数のOEMに技術を提供するビジネスモデルを採用している。これはメルセデスやステランティスにとって「自社の車両にWayveのAIを搭載できる」ことを意味し、OEMからの出資を引きつけた最大の理由だ。
Uber×Wayve——東京ロボタクシーの衝撃
Wayveは2025年後半にUberとの提携を発表し、東京でのロボタクシー運行を計画していることを明かした。日本は道路環境が複雑で、自動運転の実証が最も難しい都市の一つとされてきたが、WayveはこれをあえてAIファーストアプローチの「証明の場」として選んだ。
東京が選ばれた理由として以下が考えられる。
- 複雑な道路環境: 狭い路地、複雑な交差点、歩行者・自転車の多さがAIの汎用性を証明するには最適
- 高齢化社会のニーズ: 運転免許返納問題やバス運転手不足など、自動運転への社会的需要が高い
- 規制環境の進展: 日本政府は2025年にレベル4自動運転の法整備を進めており、実証実験を受け入れる土壌がある
- Uberの日本市場拡大: Uberはタクシー配車で日本市場に参入済みであり、既存インフラを活用できる
日本への影響と展望
Wayveの$1.2B調達と東京進出は、日本の自動車産業とモビリティ市場に複数の影響を及ぼす。
自動車メーカーへの示唆
トヨタ、ホンダ、日産といった日本の自動車メーカーは、自動運転技術の多くを社内開発またはティアワンサプライヤーとの協業で進めてきた。しかし、メルセデスとステランティスがWayveに出資したことは、OEMが自前主義を捨て、AIスタートアップの技術をプラットフォームとして採用する流れが加速していることを示している。
日本のOEMも、WayveやMobileyeのようなAIプラットフォーム企業との提携を検討する必要に迫られるだろう。特にHDマップの作成・維持コストに悩む中堅メーカーにとって、マップフリーアプローチは魅力的な選択肢になり得る。
モビリティサービスへの影響
東京でのUber×Wayveロボタクシーが実現すれば、日本のモビリティサービス市場は大きく変わる。タクシー業界は慢性的なドライバー不足に悩んでおり、特に地方都市では公共交通の維持すら困難になりつつある。AIファーストの自動運転が実用化されれば、これらの課題に対する有力な解決策となる。
ただし、日本固有の課題も存在する。道路上の微妙な暗黙のルール（譲り合い、歩行者優先の文化的慣習など）をAIがどこまで学習できるか、またタクシー業界の既存事業者との調整など、技術以外のハードルも少なくない。
半導体・クラウド産業との連動
WayveがNvidiaのGPUとMicrosoftのAzureを基盤技術として採用していることは、自動運転AI開発がGPUクラウドに依存する構造を改めて浮き彫りにしている。日本の半導体産業にとっては、自動運転向け推論チップ（車載用エッジAI）の需要拡大がビジネスチャンスになるだろう。ルネサスエレクトロニクスやソシオネクストといった企業が、Wayveのようなプラットフォーム企業とどう連携するかが注目される。
まとめ——今後のアクションステップ
英Wayveの$1.2B調達は、自動運転業界のパラダイムが「センサーとマップの物量勝負」から「AIモデルの学習能力勝負」に移行していることを象徴するニュースだ。メルセデスとステランティスの出資は、OEMがこの転換を認めた証拠であり、業界全体に波及する可能性がある。
日本のエンジニアやビジネスパーソンが今すぐ取るべきアクションは以下のとおりだ。
- Wayveの技術論文を読む: 同社はarXivに複数の論文を公開している。エンドツーエンド自動運転の最新研究動向を把握しておくことで、今後の業界トレンドを先読みできる
- 東京ロボタクシーの動向をウォッチする: Uber×Wayveの東京実証は日本の自動運転規制にも影響を与える可能性が高い。国土交通省や経済産業省の発表を定期的にチェックしよう
- マップフリー自動運転の技術を検証する: HDマップへの投資判断を見直す好機だ。特にスタートアップや中堅企業にとって、WayveのようなAIファーストアプローチは開発コストを大幅に削減する可能性がある
WayveのFoundation Modelが世界中の道路で人間レベルの運転を実現する日はまだ先かもしれない。しかし、$1.2Bという巨額の資金とMercedes・Stellantisの量産車パイプラインを手にした今、その日が来るスピードは確実に加速した。