Waabi 募得 10 億美元並與 Uber 合作擴展至機器人計程車

Waabi 獲得 $1 Billion 歷史性融資，與 Uber 合作啟動機器人計程車（robotaxis）車隊

在自動駕駛車輛（AV）產業的一個決定性時刻，加拿大新創公司 Waabi 宣布達成高達 $10 億美元的融資里程碑，標誌著其從貨運卡車積極擴展到消費者叫車市場。該交易於 2026 年 1 月 28 日確認，結合了 $7.5 億美元的 C 輪股權融資與 Uber 提供的 $2.5 億美元策略性資本承諾。此合作使 Waabi 執行長 Raquel Urtasun 與她的前東家重聚，並為在 Uber 平台上部署超過 25,000 輛由 AI 驅動的機器人計程車（robotaxis）奠定了基礎。

這項宣告代表了加拿大科技史上最大規模的風險資本融資，驗證了 Waabi 的「以 AI 為先（AI-first）」自動化策略。當競爭對手花費近十年時間以實際里程訓練系統時，Waabi 利用先進的生成式 AI（Generative AI）模擬器加速開發，這一策略如今吸引了全球最有實力的投資者之一。

財務架構：解析這筆 $10 億融資

這筆 $10 億的資金注入被規劃用於支援即時的技術擴展與長期的商業部署。此融資分為兩個不同部分，既突顯投資人的信心，也強調策略性的商業結盟。

$7.5 億美元的 C 輪由 Khosla Ventures 與 G2 Venture Partners 共同領投，表明深度科技與永續性資本的強力支持。該輪還吸引了多元的全球投資者聯盟參與，包括：

策略性科技與汽車投資者： NVIDIA（透過其 NVentures 部門）、Volvo Group Venture Capital 以及 Porsche Automobil Holding SE。
機構巨頭： BlackRock、加拿大的 BDC Capital（Thrive Venture Fund）、Export Development Canada，以及阿布達比投資局（ADIA）。
回歸支持者： Radical Ventures 與 HarbourVest Partners。

除了股權融資外，Uber 已承諾提供基於里程碑的 $2.5 億美元資金。這筆資金直接與 Waabi 能力車輛的營運部署掛鉤，以鼓勵快速商業化。

策略性重聚：Uber 與 Waabi 攜手

此合作代表 Waabi 的一個重要策略轉向，該公司過去幾乎專注於「中程」物流與卡車領域。透過與 Uber 合作，Waabi 立即取得全球最大的叫車網絡，省去了自行建立面向消費者的應用或車隊營運基礎設施的需求。

對 Uber 而言，此交易則延續其混合型自動化策略的演進流程。自從 2020 年出售其 Advanced Technologies Group（ATG）— 一個由 Raquel Urtasun 曾領導的部門 — Uber 已轉為與領先的 AV 開發者合作，而非自行內部建置技術。

主要合作細節：

車隊規模： 承諾至少部署 25,000 輛機器人計程車。
平台獨家性： Waabi 的機器人計程車將專屬在 Uber 平台上提供叫車服務。
營運模式： 採用「Driver-as-a-Service（駕駛即服務）」模式，由 Waabi 提供 AI 駕駛，Uber 負責市場派遣。

「Waabi World」優勢：生成式 AI（Generative AI）作為催化劑

Waabi 能快速崛起並獲得高估值的核心，是其專有技術棧，這與早期自動駕駛先驅的重硬體方法有根本差異。核心為由生成式 AI 驅動的封閉迴路模擬器 Waabi World。

與依賴數百萬實際駕駛里程去遇到罕見「邊緣情境」（例如反常行人或複雜天候）之傳統 AV 開發不同，Waabi World 能在虛擬環境中產生這些場景。這讓公司車載 AI 系統 Waabi Driver 能從無限變化的駕駛情境中學習，而無需承擔實際測試的安全風險或高額成本。

此以軟體為中心的方法，使 Waabi 能以最小的再工程工作，將其駕駛棧從 Class 8 卡車（Class 8 trucks）調整到乘用車。該 AI 模型被設計為「端到端（end-to-end）」且具可解釋性，能在不同車輛平台間泛化駕駛邏輯，使進軍機器人計程車成為一項邏輯上的軟體更新，而非從頭重建。

擴張實體 AI：從卡車到計程車

進軍機器人計程車並不表示撤退於貨運卡車領域。相反地，Waabi 正將其技術定位為能操作任何車輛的通用「實體 AI（Physical AI）」。這筆資本注入將允許公司並行執行多條部署路線：在德州及其他貨運走廊擴大其自動駕駛卡車路線，同時準備其乘用車車隊於城市中部署。

此舉正值機器人計程車市場逐步成熟之際，美國的監管框架日益明確，且公眾接受度緩慢成長。透過利用 Uber 現有的用戶基礎，Waabi 消除了單一機器人計程車服務常面臨的客戶獲取門檻。

比較分析：Waabi 與傳統自動駕駛方法的差異

下表概述 Waabi 的生成式 AI 策略，如何與早期產業既有者所採用的「里程導向」開發模式形成對比。

Comparison of Autonomous Vehicle Development Strategies

Feature	Traditional AV Approach (e.g., Waymo, Cruise)	Waabi's AI-First Approach
Core Training Data	真實世界駕駛里程與人工標註	生成式 AI 模擬（Waabi World）
Scalability	線性（需要更多路上車輛來學習）	指數型（軟體生成場景）
Adaptability	在新城市/車輛需高額再工程成本	在地點與平台間高度泛化
Hardware Reliance	重型感測器套件（LiDAR/Radar/Camera）	感測器無關的軟體堆疊
Primary Cost Center	車隊營運與硬體維護	運算能力與 AI 模型訓練

產業影響與未來展望

在風險資本仍謹慎的環境下，Waabi 能取得此等規模的融資，彰顯投資人對資本效能高之 AI 解決方案的信心轉變。透過將 AI 駕駛與實體車隊營運解耦（經由與 Uber 的合作），Waabi 維持高利潤率的軟體商業模式，同時借力叫車服務的實體規模。

隨著 2026 年推進，業界將密切觀察 Waabi Driver 在乘用車上的整合情況。倘若成功，將能驗證「模擬器優先」的假說，並可能使競爭者為實體路測所花費的數十億美元顯得多餘。擁有 $10 億的新資本，Waabi 如今可說是在擾亂自動駕駛等級體系中，位置最佳的挑戰者之一。