搜尋歷史
熱門搜尋
經銷商登入 / 註冊
撰文 | 劉穎
編輯 | 黃大路
設計 | 甄尤美
2026 年 8 月 26 日，慕尼黑正迅速升溫為全球 Robotaxi 嘅新戰場。
Waymo 宣佈將歐洲首個自動駕駛項目落地於此，計劃最晚 2027 年底開啟商業運營；而喺此前嘅 6 月，優步同以色列自動駕駛公司 Autobrains 已搶先布局。
隨著百度 Apollo Go、Momenta 以及大眾 MOIA 等玩家嘅跟進，多條截然不同嘅技術路線喺呢座城市正面交鋒。
8 月 6 日，Autobrains 創辦人伊加爾·拉伊切爾高茲（Igal Raichelgauz）公開質疑行業主流觀點嘅做法。
自動駕駛行業嘅主流觀點認為，自動駕駛嘅未來需要更多數據。只要采集足夠多嘅視頻、訓練足夠大嘅模型、部署足夠多嘅車輛，系統最終會學會駕駛。呢種路線塑造咗今日嘅 Waymo、Tesla 同 Mobileye。
而 Autobrains 則認為，駕駛 AI 同人腦一樣。人類駕駛並唔係靠見過所有場景先學到開車，而係因為理解咗道路規則、空間關係同行為邏輯。
呢個技術被佢哋自己叫作 Thinking AI 或 Agentic AI。
肄業博士創辦“腦科學 AI 公司”
要了解 Autobrains，必須從佢嘅創辦人伊加爾·拉伊切爾高茲講起。
佢係以色列國防軍精英情報部隊出身，退役後創辦咗一家基於短信嘅即時通訊平台 Figment，然後去語音識別公司 LCB 做 CTO，再然後進英特爾擔任多個技術職位。
每一段都係唔同嘅行業、唔同嘅技術方向，唯一嘅線索係佢對“機器如何理解信息”呢個問題始終保持住某種執念。
轉折點喺 Technion。
大約 2000 年代初，拉伊切爾高茲來到以色列理工學院，開始咗關於皮層神經網絡（cortical neural networks）嘅博士研究。佢嘅合作者係神經科學教授葉約書亞·澤維（Yehoshua Zeevi），以及長期研究合作者卡里娜·奧迪納耶夫（Karina Odinaev）。
三個人想知道哺乳動物嘅大腦皮層，究竟係點樣從眼睛接收到嘅混亂光信號中，解讀出有意義嘅視覺世界嘅？
研究越做越深，越做越奇。有一陣，實驗室裏面擺滿咗活體大𬖂。
後來，團隊真係把電極插進咗大𬖂嘅大腦皮層，然後把數字圖像轉化成電信號“寫”入去，睇神經元會點樣反應。呢唔係計算機模擬，係真實嘅神經組織喺對數字信息做出響應。
遺憾係，呢項研究冇能發表成博士論文。因為喺 2007 年，拉伊切爾高茲放棄攻讀博士，同奧迪納耶夫、澤維教授一起創辦咗 Cortica。
Cortica 最開始嘅野心係把人腦處理視覺信息嘅方式翻譯成算法。
傳統機器視覺嘅邏輯係咁樣嘅。你俾系統看一百万張貓嘅照片，佢就學識識別貓。你俾佢看一百万張停車標誌嘅圖片，佢就學識識別停車標誌。本質上係“見過足夠多”，喺相似場景裏面復現判斷。Cortica 嘅邏輯唔同。佢試圖讓系統唔靠海量標註，而是從視覺信息本身裏面抽出結構性嘅模式。
想像一個場景。暴雨夜晚，能見度不足三十米，一輛自動駕駛汽車行駛喺郊區公路上。路邊突然出現一個穿反光背心嘅建築工人，站在一個臨時交通錐旁邊，正在向左揮手示意繞行。但呢個組合，呢家公司嘅系統從冇喺訓練數據裏面見過。
對依賴監督學習嘅傳統系統嚟講，呢個場景係一個威脅。因為佢需要被“見過”先能被識別，而開放世界裏面嘅邊緣場景，從定義上就係采集唔完嘅。被樹影斑駁遮擋嘅行人、鄉村道路上突然橫穿嘅動物、從未出現過嘅奇特路障……每一個都需要專門采集、標註、訓練同驗證。
Autobrains 把呢個困境叫做“監督學習嘅牆”。呢家公司長期認為，依賴人工標註同監督訓練嘅方法無法有效覆蓋開放道路中嘅長尾場景。
“喺多年領導車企嘅自動駕駛開發項目之後，我清楚見到呢個行業而家依賴數據標註嘅監督學習方法係唔夠嘅。佢太貴了，而且一旦遭遇冇被專門訓練過嘅場景就會失效。”
Autobrains 嘅高級副總裁約阿希姆·朗根瓦爾特（Joachim Langenwalter）嘅呢句說話算係對呢面“牆”嘅直觀描述。佢曾先後擔任英偉達汽車軟件總監、大眾集團軟件策略副總裁同 Stellantis 工程部門高級副總裁。
Autobrains 嘅創辦人後來喺一次採訪中也話：“呢個處理信息嘅過程唔係生成文字或圖像，也唔係搜索圖片，而係喺極端複雜嘅真實世界環境中，與大量動態參與者實時互動。”
佢說嘅係汽車，但也好似係講大腦。佢認為呢係 AI 最難嘅問題，如果呢套方法能喺開放道路上跑通，就意味著佢解決咗 AI 領域最難嘅感知問題之一。
被汽車產業資本聯合孵化
誕生之初，公司專注於視頻內容理解、廣告技術同安防領域。2019 年，Cortica 向汽車行業遷移，誕生咗 Cartica AI。
Cartica AI 從一開始就帶有明顯嘅產業資本孵化色彩。通常嘅自動駕駛創業路徑係先成立公司，開發技術，再去找整車廠、Tier 1 同投資人，一輪輪地說服別人相信佢。
Cartica AI 嘅起點唔係咁樣嘅。佢從誕生嘅一刻起就帶有產業聯合孵化嘅色彩，整車廠、供應商同投資機構共同上桌，呢裏面包括大陸集團、豐田 AI Venture、寶馬風險投資同以色列眾籌投資平台 OurCrowd。
呢四間機構嘅母公司都處於汽車產業鏈嘅上下游。大陸集團係全球頂級汽車零部件巨頭，豐田 AI Ventures 同寶馬風險投資代表日德兩國整車廠嘅產業資本，OurCrowd 則係以色列本土最活躍嘅投資平台。
換句話說，Cartica AI 從誕生第一天起，就唔係一個孤立嘅實驗室項目。佢更似係汽車產業內部聯合扶持出來嘅一個“備選技術路線驗證項目”。
後來，Cartica AI 發展為 Autobrains，由拉伊切爾高茲擔任 CEO。PitchBook 嘅資料顯示，Autobrains 前身名稱還包括“Cortica Automotive”，更清晰地揭示咗佢哋與 Cortica 嘅技術傳承關係。
從 Cortica 到 Cartica AI，再到 Autobrains，呢家公司每一次更名都唔係簡單嘅品牌調整，而是技術向汽車場景垂直遷移嘅過程。
Cortica 解決“機器如何理解視覺世界”，Cartica AI 把呢套技術包裝成面向 ADAS 同自動駕駛嘅方案，Autobrains 則進一步將商業對象鎖定為車企、一級供應商同出行平台。
喺具體產品上，呢套邏輯對應著 Autobrains 唔同時期嘅落地形式。
2024 年發布嘅 Liquid AI，將駕駛任務拆解為多個獨立優化嘅子問題，每個由專門嘅神經網絡處理。回到開頭嗰個暴雨場景。系統唔係用一個大模型同時處理雨霧干擾、行人識別同手勢理解，而是把信息“像液體一樣”流向最合適嘅處理單元，每個單元只負責自己最擅長嗰一層判斷。
2024 年 10 月發布嘅 Skills 產品線，係 Liquid AI 嘅模塊化商業化形式。佢將自動駕駛拆解為一系列“Skills”，每個 Skill 係針對特定駕駛場景端到端優化嘅 AI 模型，根據實時駕駛情況動態激活。呢與傳統嘅大型單一神經網絡形成對比，理論上更容易針對新場景擴展同驗證。
2026 年進入核心敘事嘅 Agentic AI，進一步將駕駛智能組織為一組相互協作嘅“場景代理”（scenario agents），每個代理負責感知、推理同決策嘅特定維度，並能對真實世界嘅複雜性做出實時響應。
2024 年 9 月發布嘅 Air-to-Road 定位系統，則將車載攝像頭嘅實時視覺數據與衛星圖像融合，實現厘米級精度定位，完全唔依賴 GPS 或高清地圖（HD map）。呢直接解決咗高清地圖成本高、更新慢、覆蓋有限嘅問題，對需要快速進入新市場嘅車企尤其有吸引力。
公司官網指出，所有呢啲技術有四個共同點：低算力需求、兼容硬件（agnostic to sensors and SoCs）、唔需大量人工標註、支持模塊化擴展。
但實際上，呢啲主張仍有大量需要喺實際量產中驗證嘅部分。公開資料中，而家仲欠缺詳盡嘅獨立第三方技術評測、大規模真實道路嘅安全數據，同與主流系統嘅標準化對比測試。
佢嘅明星對手同朋友
同樣誕生於以色列，有過一間改變咗全球汽車行業格局嘅公司。
Mobileye 由阿姆農·沙舒亞（Amnon Shashua）同齊夫·阿維拉姆（Ziv Aviram）於 1999 年喺耶路撒冷創辦，用咗將近二十年時間，把一套基於攝像頭嘅駕駛輔助系統做成全球最主流嘅 ADAS 供應商。
2017 年 3 月，英特爾以約 153 億美金將其收購。呢係彼時以色列科技行業最大規模嘅收購案。2022 年，Mobileye 以獨立公司身份喺納斯達克重新上市。
EyeQ 系列晶片出貨量超過 1 億顆。全球路上跑嘅大多數具備 ADAS 功能嘅量產車，背後嘅眼睛都係 Mobileye 嘅。
市場常把它看作 Autobrains 無法回避嘅參照系。
TechCrunch 喺 2022 年報道 Autobrains 融資時，標題直接使用咗“Mobileye 嘅挑戰者（take on Mobileye）”呢樣嘅表述。以色列科技媒體 CTech 也多次將其放喺與 Mobileye 對比嘅語境中。
拉伊切爾高茲自己喺採訪中也承認：“我哋毫无疑问係 Mobileye 嘅競爭對手。我哋係一家軟件公司，唔需要開發晶片，呢讓吾能夠與唔同嘅晶片製造商合作。”
而翻開 Autobrains 嘅股東名單，會發現佢嘅總融資額並唔顯眼。公開數據顯示，公司迄今總融資超過 1.4 億美金，持有超過 300 項專利，員工約 100 至 150 人。相比 Waymo、Cruise 動輒數十億美金嘅融資，呢個規模頗為低調。
但股東名單嘅構成，卻喺行業入面幾乎搵唔到第二家類似嘅公司。
2019 年成立時，第一批股東就係大名鼎鼎嘅產業投資機構。
到咗 C 輪融資，名單進一步擴大。2021 年 11 月，公司宣佈完成 1.01 億美金 C 輪融資，由新加坡主權基金淡馬錫領投，商用車制動系統供應商克諾爾集團、越南電動車製造商 VinFast 跟投，寶馬風險投資同大陸集團繼續追加投資。
2022 年 3 月，呢一輪融資完成最終關閉，總額升至 1.2 億美金，同一批產業資本悉數喺場。Autobrains 後來公布嘅投資方名單中，仲出現咗全球汽車零部件供應商麥格納同汽車電子企業道通科技。
把呢份名單攤開嚟睇，整車廠維度有寶馬、豐田同越南電動車製造商 VinFast，供應鏈維度有大陸集團、麥格納同商用車制動系統供應商克諾爾集團，長期資本維度則有新加坡主權基金淡馬錫。
呢組投資方本身就係 Autobrains 重要嘅潛在客戶。
點樣真正進入車企嘅採購體系
2023 年 1 月嘅一個清晨，以色列特拉維夫嘅 Autobrains 辦公室收到咗一份新嘅入職文件。
簽字嘅人叫希拉·塔沃爾（Hilla Tavor）。此前十二年，佢喺耶路撒冷嘅 Mobileye 工作，擔任 ADAS 業務發展副總裁，負責與全球整車廠嘅關係。其中，福特、通用、大眾、寶馬，都喺佢嘅名片聯絡人入面。
三周後，2 月 8 日，另一份入職文件也引人關注。今次係約阿希姆·朗根瓦爾特（Joachim Langenwalter），擔任自動駕駛業務高級副總裁。據 Autobrains 官方公告，佢嘅上一份工作係 Stellantis 嘅工程部門高級副總裁，再之前係大眾集團軟件策略副總裁，更早之前係英偉達汽車軟件總監。
兩個月，兩位履歷背書極深嘅汽車行業老兵。呢唔係一次巧合，而是一個明確嘅信號。
拉伊切爾高茲喺宣佈朗根瓦爾特加入時話得直接：“希拉嚟自 Mobileye，負責領導 ADAS。而家約阿希姆加入，負責領導自動駕駛。”
呢意味著對於 Autobrains 嚟講，技術證明已經做到咗一個階段。接下來，真正進入汽車採購體系係企業發展嘅關鍵節點。
呢係兩個唔同難度嘅問題。
喺技術早期，說服一家公司相信佢哋嘅算法有效可以靠演示、靠發布、靠媒體曝光，都仲有啲機會。但車企嘅採購體系唔係一個靠 Demo 就能進入嘅地方。採購週期動輒三到五年，中間仲有功能安全認證（ISO 26262）、預期功能安全（SOTIF）、網絡安全（UNECE WP.29）等一道道關卡，一個 ADAS 系統從原型演示到量產上車，中間係一段旁人睇唔見嘅漫長工程旅程。
Mobileye 用咗二十多年先建立起呢啲關係同信任。塔沃爾同朗根瓦爾特帶來嘅，正正就係呢啲難以從零建立嘅行業積累。
獲得一張小型車市場嘅入場券
喺所有關於 Autobrains 嘅討論入面，Robotaxi 同 L4 自動駕駛佔據咗大多數版面。但如果只睇呢條線，好容易錯過公司另一更務實嘅路線。
2024 年 12 月 4 日，Autobrains 同 JOYNEXT 聯合宣佈推出智能攝像頭 ADAS 方案。JOYNEXT 總部位於德國德累斯頓，係一家為知名汽車製造商服務超過二十年嘅全球 Tier 1 供應商，主營車載信息娛樂系統同智能連接網關，產品已進入全球數百萬輛車。
方案本身並唔複雜。就係通過把 Autobrains 嘅 AI 感知軟件同 JOYNEXT 嘅攝像頭硬件同控制軟件，整合進一個緊湊嘅“單盒”模塊，符合歐洲 GSR 通用安全同法規 Euro NCAP 要求，可直接插入現有整車電子電氣架構。雙方宣佈合作後，已喺德國測試軌道上完成咗實地演示。
JOYNEXT 首席执行官斯塔夫羅斯·米特拉基斯（Stavros Mitrakis）喺合作發布時表示：“構建強大嘅生態系統對於為全球客戶提供可靠且面向未來嘅技術至關重要。Autobrains 係合適嘅合作伙伴。與佢哋合作，我哋將能夠喺未來提供可靠、高質量且具有成本效益嘅自動駕駛技術。”
目標客戶，係小型車同緊湊型車嘅全球 OEM。
呢個定位背後有一個簡單嘅現實邏輯，因為全球汽車市場最大嘅體量從來唔喺豪華車同高端旗艦上，而係喺 A 級、B 級、小型 SUV 呢啲中端同入門級車型上。隨著歐盟法規推進（新車強制配備 AEB 等安全功能）同消費者認知提升，ADAS 正從可選變成標配。
但成本係呢個市場繞唔過去嘅門檻。一套需要激光雷達、高清地圖同專用晶片嘅完整感知方案，可能讓一輛 10 萬圓嘅小型車成本增加兩三萬圓。喺經濟上根本行唔通。Autobrains 嘅攝像頭優先、低算力、單盒集成方案，恰好命中咗呢裏面嘅真實需求：低成本、易集成、法規合規。
JOYNEXT 將呢一合作描述為面向量產市場嘅 ADAS 解決方案，而唔係 Robotaxi 項目。相比高阶自動駕駛，呢種面向小型車同緊湊型車市場嘅產品，更接近汽車行業真正嘅銷量基本盤。
被越南車企 VinFast 相中合作
胡志明市北部，河內嘅一條普通城區道路上，一輛白色嘅 VinFast VF 8 正在緩緩行駛。車頂冇激光雷達，前後也睇唔到密集嘅傳感器陣列。只係車身幾個唔起眼嘅位置，安裝住攝像頭。
呢輛車喺測試 Autobrains 嘅 L2++ 系統。
VinFast 同 Autobrains 嘅關係，係理解呢家公司商業邏輯嘅另一把鑰匙。佢既係 Autobrains 嘅投資方之一，之後又成為合作方。
2026 年 1 月 27 日，VinFast 同 Autobrains 聯合宣佈戰略合作，共同開發 L2++ 自動駕駛技術，並探索一套名爲“Robo-Car”嘅新型自動駕駛架構。
Robo-Car 方案嘅技術主張頗爲激进。通過 7 個標準攝像頭加一顆高性能計算晶片（每秒處理約 20 萬億次運算），唔使用激光雷達、雷達陣列或高清地圖。定位依賴 Autobrains 自研嘅 Air-to-Road 技術，將實時視覺數據與衛星圖像融合，實現無 HD 地圖條件下嘅厘米級精度定位。
目前，L2++ 系統已喺 VinFast VF 8 同 VF 9 兩款主力電動車上，喺河內受控區域展開試點測試，計劃擴展至更大城市同國際市場。
VinFast 全球副首席执行官兼 ADAS/AD 研究負責人阮文楊（Nguyen Van Duong）喺宣佈合作時表示：“VinFast 同 Autobrains 嘅戰略合作正喺幫助塑造一種颠覆性嘅、可負擔得起嘅自動駕駛方案，契合我哋對全球移動出行嘅長期願景。我哋嘅目標係將先進嘅駕駛技術從早期用戶推向普通駕駛者。”
點解係 VinFast？Reuters 喺報道雙方合作時特別強調，呢套方案最大嘅特點並非追求最高級別自動駕駛，而係以盡可能低嘅成本實現更高等級智能駕駛能力。
呢家越南車企嘅處境有一定嘅典型性。佢正喺全球擴張，面臨來自比亞迪、小鵬等中國電動車品牌同傳統歐美車企嘅雙重競爭壓力。佢喺美國市場嘅早期佈局遭遇咗銷售下滑同產品質量問題，迫切需要喺智能駕駛上搵到新嘅差異化支點。
佢唔可能複製 Waymo 嘅高成本路線，也沒有 Tesla 那樣龐大嘅自有數據車隊。
Autobrains 恰好提供咗佢需要嘅嗰種答案：低成本、攝像頭優先、無需激光雷達、唔依賴高清地圖。有媒體把呢套方案叫做“低成本版 Tesla 路線”，因為兩者都強調攝像頭優先，都試圖回避昂貴嘅傳感器堆疊。
但實際上，兩者之間嘅技術能力層級存在本質差別，唔能簡單類比。Tesla 嘅 FSD 能力來自數百萬輛量產車組成嘅龐大數據采集車隊，以及多年持續迭代嘅端到端神經網絡體系。Autobrains 同 VinFast 嘅合作目前仍處於測試階段。
更準確嘅解讀係，Autobrains 最可能搵到市場嘅地方，係嗰啲既需要智能駕駛能力、又對成本高度敏感、同時願意嘗試非主流供應商嘅新興車企。
優步嘅跑馬賽佈局
2025 年 9 月 8 日，優步同 Momenta 宣佈，慕尼黑將成為雙方歐洲 L4 測試嘅首個城市，原計劃 2026 年開始測試。
然而，喺 2026 年 6 月 1 日，優步宣佈佢準備同 Autobrains 合作，把第一站放喺德國慕尼黑。呢個消息一度讓外界懷疑 Autobrains 取代咗 Momenta，當時德國媒體 Electrive 直接向優步詢問，但未得到回覆。
2026 年 7 月 29 日，Momenta 拿到咗德國全境 L4 測試許可，慕尼黑項目仍喺推進。也就係話，優步正喺同一座城市同時押注至少兩套 Robotaxi 方案，把技術路線嘅選擇留俾市場。
Momenta 走嘅係：優步＋Momenta L4 技術＋量產車平台；Autobrains 走嘅係：優步＋Autobrains Agentic AI＋NVIDIA DRIVE Hyperion＋尚未公布嘅整車廠。
2018 年 3 月 18 日夜晚，美國亞利桑那州坦佩市。一輛優步自動駕駛測試車喺幾乎冇有路燈嘅公路上行駛。前方，一名女性推著自行車橫穿馬路。系統識別失敗，煞車冇有啟動。佢當場身亡。
呢係自動駕駛史上第一起行人致死事故。
兩年後，優步宣佈退出自研自動駕駛。佢將旗下嘅 ATG 部門出售俾 Aurora，優步同時向 Aurora 投資 4 億美金並獲得約 26% 股權，從此轉型爲“自動駕駛嘅出行平台”。佢唔再自己造槍，只做讓槍手們出發嘅碼頭。
邏輯係清晰嘅，唔押注單一技術路線，而係廣泛佈局，等誰先跑通商業化，就深化與誰嘅合作。
截至今日，優步已經織起一張超過 30 家合作伙伴嘅自動駕駛網絡，未來幾年準備投入超過 100 億美金，並計劃喺 2026 年底前把自動駕駛服務擴展至最多 15 個城市。美國有 Waymo、Nuro、Avride，歐洲有 Wayve（倫敦）、Momenta（慕尼黑試點），中東有百度 Apollo Go（迪拜），如今慕尼黑又多咗 Autobrains。
Fast Company 喺專題報道中將優步描述爲自動駕駛行業最大嘅“平台型下注者”之一。相比親自研發自動駕駛，優步更愿意同時與多條技術路線合作，通過真實運營場景篩選最終贏家。
呢係一場典型嘅平台方賽馬策略。優步唔用判斷誰會贏，佢只需要站喺終點線等待冠軍出現。
喺呢個背景下，Autobrains 進入慕尼黑嘅意義就更清晰咗。佢唔係優步唯一嘅歐洲 Robotaxi 合作方，但佢係第一個喺德國市場獲得明確合作框架嘅以色列自動駕駛公司。
慕尼黑嘅選擇頗具深意。呢裏係寶馬總部所在地，係歐洲工業汽車嘅精神中心，同時亦係監管嚴格、道路複雜嘅歐洲城市駕駛場景嘅典型代表。喺呢度跑通 Robotaxi，喺技術可信度同市場示範效應上嘅價值，遠超一個普通中小城市。
創辦人拉伊切爾高茲喺慕尼黑合作公告中話：“與優步同英偉達合作，我哋正喺把吾哋嘅方法引入自動駕駛出行領域，將 Agentic AI 與所需嘅出行平台同汽車計算能力相結合，支持跨城市、跨車輛、跨真實路況嘅 Robotaxi 規模化運營。”
當然，項目仍喺等待德國監管批准，整車製造商尚未公布，車隊規模、服務區域、商業啟動時間均未確定。
即便係咁，Autobrains 仍然值得被認真看待。
過去十年，自動駕駛行業嘅主流敘事越來越相信“大”，包括大車隊、大數據、大算力、多傳感器、高清地圖、雲端訓練同複雜系統工程等啲。
呢套邏輯確實推動咗行業進步，產生咗 Waymo、Mobileye、Tesla 等重量級玩家，但也帶來咗高成本、長週期同商業化壓力。
直到而家，完全無人駕駛嘅大規模商業化仍喺紙上。
喺呢個背景下，Autobrains 提出嘅問題係真實嘅行業痛點。
如果自動駕駛只能靠越來越昂貴嘅系統推進，那麼大量成本敏感嘅車型、大量新興市場嘅用戶、大量無法承受激光雷達加持續雲端更新成本嘅應用場景，就可能無法真正受益於呢項技術。
Autobrains 瞄準嘅，正正就係讓自動駕駛 AI 喺成本約束下變得更智能，變得足夠可靠、足夠便宜、足夠容易集成。
呢係一條路，定係一堵牆，仲需要時間嚟判斷。
參考資料：
[1] electrive.com: Uber and Autobrains announce Robotaxi partnership in Munich (2026 年)
[2] Fast Company: Uber’s $10 Billion Bet: Why the Ride-Hailing Giant is Partnering with 30 Autonomous Driving Companies (2026 年 6 月)
[3] TechCrunch: Autobrains takes on Mobileye with $120M funding for its AI-based AV technology (2022 年 3 月)
[4] Reuters: Vietnam's VinFast partners with Israel's Autobrains on lower-cost self-driving tech (2026 年 1 月)
[5] CTech (Calcalist): From Mobileye to Autobrains: Hilla Tavor joins autonomous driving startup (2023 年 1 月)
[6] Automotive World: Autobrains launches Liquid AI to break the "supervised learning wall" (2024 年)
[7] JOYNEXT 官方新聞室：JOYNEXT and Autobrains announce strategic partnership to deliver cost-effective ADAS solutions (2024 年 12 月)
[8] VinFast 官方新聞室：VinFast and Autobrains Announce Strategic Partnership for L2++ and Robo-Car Development (2026 年 1 月)
[9] Autobrains 官網：技術白皮書與融資公告 (Agentic AI, Air-to-Road, Skills)
