تواصل شركة Wayve البريطانية ترسيخ موقعها ضمن الشركات الناشئة الأكثر طموحاً في قطاع التنقل الذكي، عبر تطوير نظام قيادة ذاتية يقوم على التعلم المستمر من التجربة الفعلية على الطرق. الفكرة الأساسية هنا لا تقوم على أتمتة القيادة عبر قواعد جامدة أو خرائط شديدة التفصيل، بل على بناء نموذج قادر على فهم البيئة واتخاذ القرار كما يفعل السائق البشري في المواقف اليومية.
ويأتي هذا التوجه في لحظة تشهد فيها سوق المركبات ذاتية القيادة إعادة ترتيب واضحة للأولويات، مع تزايد الحاجة إلى حلول أقل كلفة وأسهل في التوسع وأكثر قدرة على العمل في بيئات متنوعة، من المدن الكبرى إلى الطرق الأقل تجهيزاً تقنياً.
مقاربة مختلفة عن الأنظمة التقليدية
تقوم فلسفة Wayve على تجاوز النموذج الذي يعتمد على برمجة السيارة لكل سيناريو محتمل مسبقاً. وبدلاً من ذلك، تعتمد الشركة على الذكاء الاصطناعي المدرب على كميات كبيرة من بيانات القيادة الحقيقية، بحيث يتعلم النظام من التفاعل مع الطرق والمركبات والمشاة والإشارات المرورية وسلوك السائقين الآخرين.
هذا الأسلوب يمنح النظام قدرة أكبر على التكيف مع الحالات غير المتوقعة، مثل تغيّر المسارات المفاجئ أو ازدحام الطرق أو اختلاف أنماط القيادة بين مدينة وأخرى. ووفق هذا التصور، تصبح المركبة أكثر مرونة وأقل اعتماداً على بيئة تشغيل محددة سلفاً.
الفرق الجوهري بين هذا النهج والأنظمة الأخرى يتمثل في أن السيارة لا تحتاج إلى خريطة فائقة الدقة لكل شارع حتى تعمل بكفاءة. هذا قد يفتح الباب أمام نشر أوسع للتقنية، لأن تجهيز المدن والطرق مسبقاً يمثل أحد أبرز التحديات التي أعاقت الانتشار التجاري الشامل للقيادة الذاتية.
الذكاء الاصطناعي في قلب المنظومة
يرتكز مشروع Wayve على نموذج موحد للذكاء الاصطناعي يتحسن مع تزايد البيانات التي يتلقاها. ومع كل جولة اختبار وكمية جديدة من المعلومات، يصبح النظام أكثر قدرة على توقع الحركة واتخاذ قرارات لحظية تستند إلى ما تراه الكاميرات وأجهزة الاستشعار المثبتة في السيارة.
وتراهن الشركة على أن هذا النمط من التعلم المستمر يمكن أن يقلل الحاجة إلى إعادة تهيئة البرمجيات لكل سوق أو منطقة جغرافية. وإذا نجحت هذه المقاربة على نطاق واسع، فقد تنخفض التكلفة التشغيلية المتعلقة بنشر خدمات القيادة الذاتية، وهو عامل بالغ الأهمية للشركات المصنعة للسيارات ومزودي حلول التنقل على حد سواء.
كما أن التركيز على التعلم من البيانات الواقعية يمنح النظام فرصة أفضل للتعامل مع المواقف الرمادية التي لا تنتمي إلى القواعد المرورية المعتادة. ففي الطرق العامة، لا تسير الأمور دائماً وفق سيناريوهات مثالية؛ بل تظهر مواقف معقدة تتطلب استجابة مرنة وسريعة.
اهتمام متزايد من صناعة السيارات
جذبت Wayve اهتمام عدد من شركات السيارات العالمية التي تبحث عن شريك تقني يزودها بمنصة قيادة ذاتية قابلة للتكامل مع طرازاتها المختلفة. وبدلاً من أن تتجه الشركة إلى تصنيع سياراتها بنفسها، تبدو متمسكة بنموذج الشراكة مع المصنعين، وهو ما يمنحها فرصة للانتشار دون الدخول في تحديات الإنتاج الصناعي المباشر.
وعزز هذا المسار حصول الشركة على دعم استثماري من أسماء كبيرة في عالم التكنولوجيا، من بينها SoftBank وNVIDIA وMicrosoft. ويعكس هذا النوع من التمويل ثقة متزايدة في أن مستقبل القيادة الذاتية قد يرتبط أكثر بالبرمجيات ونماذج الذكاء الاصطناعي منه بالأجهزة وحدها.
بالنسبة لشركات السيارات، تبدو القيمة في نموذج Wayve واضحة: بدل الاستثمار في حلول مغلقة ومكلفة لكل سوق على حدة، يمكن الاستفادة من منصة تتعلم باستمرار وتتكيف مع التغيرات، ما يختصر زمن التطوير ويعزز قابلية التوسع.
تحول في المنافسة داخل القطاع
قطاع القيادة الذاتية يشهد حالياً انتقالاً من التركيز على الخرائط التفصيلية وأجهزة الاستشعار المتقدمة فقط، إلى التركيز على النماذج الذكية القادرة على الفهم والتحليل واتخاذ القرار. هذا التحول يعيد تعريف المنافسة بين الشركات الناشئة واللاعبين الكبار، لأن التفوق لم يعد مرتبطاً بالعتاد وحده، بل بقدرة البرنامج على تفسير الواقع المروري بشكل أدق.
وتدفع هذه الموجة عدداً من الشركات إلى إعادة النظر في استراتيجياتها. فبدلاً من بناء نظام يحتاج إلى بنية تحتية خاصة في كل مدينة، أصبح الهدف تطوير منصة يمكنها العمل في بيئات متعددة مع تعديلات أقل، وهو ما يمنحها فرصة أسرع للوصول إلى السوق.
كما أن هذا التحول قد يؤثر في سلسلة القيمة داخل قطاع السيارات الذكية، إذ يرفع أهمية الشركات الناشئة التي تمتلك خبرة عميقة في الذكاء الاصطناعي والبيانات، ويمنحها دوراً مركزياً في تشكيل الجيل المقبل من حلول التنقل.
ما الذي يعنيه ذلك لمستقبل التنقل الذكي؟
إذا نجحت Wayve في تحويل نهجها إلى منتج تجاري واسع الاستخدام، فقد يشكل ذلك نموذجاً جديداً لكيفية بناء المركبات ذاتية القيادة. فالرهان هنا ليس على تشغيل السيارة داخل بيئة مثالية فقط، بل على تمكينها من التعلم والاستجابة في ظروف غير متوقعة، وهو ما يقترب أكثر من سلوك السائق الإنسان.
هذا النوع من التطوير قد يسرّع وصول القيادة الذاتية إلى أسواق جديدة لم تكن مناسبة سابقاً بسبب ضعف البنية التحتية أو ارتفاع كلفة التهيئة. كما قد يدفع القطاع كله إلى التركيز أكثر على البيانات والنماذج التكيفية بدلاً من الاعتماد المفرط على الخرائط المسبقة.
وبينما لا تزال الطريق طويلة أمام تحقيق انتشار شامل للقيادة الذاتية، فإن تجربة Wayve توضح أن الشركات الناشئة لا تزال قادرة على تغيير معادلة المنافسة عبر مقاربات تقنية مختلفة. وفي هذا السباق، يبدو أن القدرة على التعلم من الواقع قد تصبح أحد أهم الفوارق بين الأنظمة المستقبلية والجيل السابق من السيارات الذكية.