Das kanadische KI-Unternehmen Waabi hat eine neue Finanzierungsrunde in Höhe von 200 Millionen US-Dollar abgeschlossen, um die Entwicklung und den Einsatz seiner selbstfahrenden Lkw zu beschleunigen. Die in Toronto ansässige Startup-Firma erhielt diese Serie-B-Finanzierung von Uber und Khosla Ventures aus dem Silicon Valley als Lead-Investoren, unterstützt von namhaften Unternehmen wie Nvidia, Porsche und Volvo.
Durch diese Finanzierungsrunde erhöht sich das in nur drei Jahren investierte Kapital auf 280 Millionen US-Dollar. Waabi rückt damit seinem Ziel näher, im Jahr 2025 vollautonome Lkw mit generativer KI in Texas einzusetzen.
Anmerkung: Bild von Waabi
Angesichts der erheblichen Rückschläge im Bereich der selbstfahrenden Lkw in den letzten Jahren, wie beispielsweise die Schließung von Embark und den Rückzug von TuSimple aus dem US-Markt, ist der Fortschritt von Waabi besonders bemerkenswert. Das Unternehmen führt seinen Erfolg auf seine „revolutionäre Methode zur Freisetzung generativer KI in der realen Welt“ zurück.
Mit einem Ende-zu-Ende-KI-System behauptet das Unternehmen, ähnlich wie Menschen logisch denken zu können und Probleme zu antizipieren, die selbst dem menschlichen Gehirn verborgen bleiben. Dieser Fokus auf KI unterscheidet sich deutlich von dem Ansatz vieler anderer Entwickler von selbstfahrenden Technologien, die oft potenzielle Problemszenarien im Voraus definieren, Fahrzeugflotten auf die Straße schicken und beobachten, wie sie auf diese Situationen reagieren.
Ähnlich verhält es sich mit dem in Großbritannien ansässigen Unternehmen Wayve, das im Jahr 2024 eine enorme Summe von 1 Milliarde US-Dollar erhalten hat, um Technologien für selbstfahrende Fahrzeuge zu entwickeln.
Laut Waabi bringt der Fokus auf KI einige entscheidende Vorteile. Erstens benötigt das System deutlich weniger Trainingsdaten und Rechenleistung. Waabi erklärt außerdem, dass seine Technologie vollständig erklärbar, verifizierbar und validierbar ist. In Kombination mit dem Closed-Loop-Simulator Waabi World reduziert dies den Bedarf an Straßentests und ermöglicht eine sichere und skalierbare Lösung, die den Entwicklungsprozess beschleunigt und kostengünstiger macht.