英国のAIスタートアップWayve（ウェイブ）と米Uber Technologies（ウーバー・テクノロジーズ）は2026年9月3日、ロンドン市内全域で自動運転車による商用配車サービスを正式に開始した。高精度3次元地図に依存しないエンドツーエンドAIの商用化と配車プラットフォームの水平分業モデルは、2026年後半に東京進出を控える日本のモビリティ産業にとって直視すべき開発・事業戦略の転換点となる。
ロンドンで始動したWayve×Uberの商用運行と市場データ
初期15台から始まる欧州最難関エリアでの実証商用化
UberとWayveがロンドンで開始した自動運転配車サービスは、英国内で初となる一般利用者向けの商用運行である。対象エリアは各空港を除くロンドン市内全域に設定された。利用者がUberアプリで「UberX」「Uber Electric」「Uber Comfort」を配車依頼すると、追加料金なしでWayveの自動運転車両とマッチングされる。
初期の配備車両には、Wayveの自律走行システム「Wayve AI Driver」とセンサー群を架装した電気自動車（EV）「フォード・マスタング・マッハE（Ford Mustang Mach-E）」が採用された。車内には64言語に対応したUber設計のインタラクティブ画面が設置され、乗客はルート確認や乗車開始の操作を直感的に行える。マッチングが成立した乗客は、車両到着前に通常の手動運転車両へ変更する権利も保持している。
| 項目 | ロンドン展開の仕様 | 詳細データ・補足 |
|---|---|---|
| 運行開始日 | 2026年9月3日 | 英国初の自動運転商用配車サービス |
| 初期稼働台数 | 15台（認可枠20台未満） | ロンドン市内のPHV約10万台に対する初期比率 |
| ベース車両 | フォード・マスタング・マッハE | EVベース、64言語対応車内UI搭載 |
| 事前希望登録者数 | 14万人超 | Uberアプリ「Trip Preferences」でのオプトイン数 |
| 認可枠組み | TfL個人ハイヤー（PHV）免許 | セーフティドライバー同乗による監視 |
現地メディアの報道によると、ロンドン交通局（TfL: Transport for London）から初期認可を受けた車両規模は15台と、ロンドン市内に10万台以上存在する個人ハイヤー（PHV）全体に対して極めて限定的な規模にとどまる。しかし、Uberアプリ内の設定項目「乗車に関する要望（Trip Preferences）」において、自動運転車への乗車を事前に承諾したロンドンの登録ユーザー数はすでに14万人を突破している。供給台数に対して需要側の受容性は極めて高い水準に達している。
法的スキームと既存法制度の活用
今回の運行開始において特筆すべきは、完全無人運転を規定する新法を待たずに商用展開を実現した点である。英国では2024年5月に「自動運転車法2024（Automated Vehicles Act 2024）」が国王裁可を受けたが、包括的なセカンダリー法制の完全施行は2027年後半を予定している。運転免許・車両基準庁（DVSA）等による完全無人運行の個別認可は2026年内の実現が困難とみられている。
そこでWayveとUberは、既存のTfLによる個人ハイヤー（PHV）免許の枠組みを活用した。特別な訓練を受けたセーフティドライバーが運転席に常時同乗し、即時介入できる体制を敷くことで、現行法制の枠内で迅速な商業ローンチを取り付ける道を選択した。
英国運輸省の試算では、自動運転技術は2035年までに最大3万8,000件の雇用創出と420億ポンド規模の市場創出をもたらすとされている。一方で現地のドライバー労働組合からは、将来的な雇用の代替に対する懸念の声も上がっている。Uber自律型モビリティ部門グローバル責任者のサーフラズ・マレディア氏は、現時点で人間の運転コストを下回るロボタクシーは存在しないと指摘し、人間のドライバーと自動運転車が長期にわたり共存するプラットフォーム方針を強調した。
関連記事: Wayve自動運転の技術的特異点と実用化時期｜12億ドル調達で加速するAV2.0のロードマップ
HDマップ不要の「AV 2.0」と水平分業アーキテクチャの技術基盤
ルールベースからマルチモーダル基盤モデルへの移行
Wayveが標榜する「AV 2.0」アーキテクチャは、米Alphabet（アルファベット）傘下のWaymo（ウェイモ）などに代表される従来の「AV 1.0」と根本的に思想が異なる。AV 1.0が事前に centimetre 精度でスキャンした高精度3次元地図（HDマップ）と、手書きのif-thenルールによるモジュール構造に依存してきたのに対し、Wayveはセンサー入力から車両制御までをディープニューラルネットワークで統合処理するエンドツーエンド（E2E）およびEmbodied AI（身体性を持つAI）を採用している。
【AV 1.0 アーキテクチャ】
[HDマップ + 各種センサー] ──> [知覚モジュール] ──> [予測モジュール] ──> [経路計画] ──> [車両制御]
※各モジュール間の手書きルールや事前定義エラーが蓄積しやすい
【AV 2.0 アーキテクチャ（Wayve）】
[車載センサー群（カメラ・レーダー等）] ──> [大規模マルチモーダル基盤モデル] ──> [直接制御（操舵・加減速）]
※HDマップ不要、未学習の都市環境でも視覚と言語の文脈からゼロショット走行が可能
ロンドンの道路網は2,000年の歴史を持ち、極めて複雑かつ狭隘な交差点が連続する。Wayveのロボタクシー事業責任者ケイティ・フィッシャー氏によると、ロンドンは米サンフランシスコと比較して道路工事が20倍、歩行者や自転車などの交通弱者が10倍多く存在する。事前にルールを書き尽くす従来型アプローチでは対応が困難な環境である。
Wayveは視覚言語モデル（VLM）を統合した「LINGO」や生成AI型世界モデル「GAIA」を活用し、未知の障害物や工事区間に対しても「文脈」を理解して走行判断を行う。事前地図の作成・維持コストをゼロに抑えることで、未走行の都市であっても即座に走行可能な「ゼロショット適応能力」を実現している。
自動運転エコシステムの3大陣営比較
現在、世界の自動運転市場はアーキテクチャとアセット保有方針によって3つの陣営に分かれている。
| 分類 | 代表プレイヤー | 車載アーキテクチャ | 展開アプローチ |
|---|---|---|---|
| ジオフェンス型垂直統合（AV 1.0） | Waymo | HDマップ＋LiDAR＋多重センサー（一部E2E統合） | 自社フリート保有＋特定都市集中型展開 |
| ビジョンオンリー垂直統合 | Tesla | カメラ画像＋完全内製E2Eニューラルネット | 自社EVプラットフォーム＋個人所有車活用 |
| 水平分業型基盤モデル（AV 2.0） | Wayve × Uber | HDマップ不要基盤モデル＋NVIDIA製SoC | 既存OEM車両＋Uber配車OSによる都市展開 |
Waymoは実証地域を慎重に拡大しながら確固たる安全実績を築いてきた。これに対しWayveとUberの連合は、アセットライトな水平分業モデルを志向する。
Uberは自社での自動運転ハードウェア開発から完全に撤退し、配車OS・需要予測アルゴリズム・マッチング機能に特化している。車両供給はフォードや日産自動車などの既存OEMが担い、自動運転頭脳はWayveが提供する。この3層の水平分業により、莫大なフリート維持費を抱えることなく、世界12都市への同時並行展開を可能にしている。
関連記事: ウェイモの強化版E2E自動運転とは？モジュラー型でテスラに対抗する仕組みとレベル4の課題
関連記事: Waymoの完全自動運転走行距離が3億5000万kmに、重傷死亡の衝突事故を94％削減
2026年後半の東京上陸に向けた構造的障壁と実装条件
東京展開の構成要素とシステム基盤
UberとWayveはロンドンでの実用化を皮切りに、2026年後半には東京市場への自動運転車両投入を計画している。東京展開における技術スタックは、ロンドン仕様からさらに進化させた構成が採用される。
- 採用車両: 日産自動車の電気自動車「日産リーフ（LEAF）」
- 車載コンピューティング: NVIDIAの次世代自動運転プラットフォーム「NVIDIA DRIVE Hyperion」
- 運行パートナー: 国内タクシー大手の日の丸交通らとの協業体制
Wayveが2026年2月に実施したシリーズDラウンド（調達額12億ドル・評価額86億ドル）には、ソフトバンク・ビジョン・ファンド2やUber、Microsoft（マイクロソフト）のほか、NVIDIA（エヌビディア）および日産自動車が直接資本参画している。ハードウェアとAIソフトウェア、半導体チップのサプライチェーンが東京進出に向けて強固に結びついている。
関連記事: ウーバーのロボタクシー東京進出はいつから？日の丸交通提携の仕組みと2026年実用化の課題
日本市場で直面する3つの定量的ボトルネック
東京での実証および商用化を成功させるには、ロンドン以上の過密環境と日本の法制度に対応するための定量的KPIを達成しなければならない。
【東京実装に向けた3つの主要KPI】
1. 車載エッジ推論の熱・電力収支
- 消費電力制約: 商業採算ライン 1:10以上
- 最小リスク停止（MRM）発動時の路肩退避成功率
3. ユニットエコノミクス（CPMM: 1マイルあたり運行コスト）
- 目標値: 人間ドライバー運行比で20〜30%削減
- 資本償却費＋遠隔監視人件費の圧縮が必須
第一の課題は、車載エッジ推論における消費電力と計算遅延の抑制である。E2E基盤モデルは高精度な推論が可能な反面、車載GPUに対する演算負荷が極めて大きい。EVの航続距離を損なわず、かつ走行安全を担保するためには、ミリ秒単位（100ms以内）で制御ループを完結させるモデル蒸留技術が不可欠となる。
第二の課題は、日本の道路交通法および改正道路運送車両法が規定する「特定自動運行」の要件である。セーフティドライバーを外した完全無人走行（レベル4）を目指す場合、遠隔監視を行う「特定自動運行主任者」の設置と、通信途絶時における最小リスク停止（MRM: Minimal Risk Maneuver）の確実な実行が義務付けられる。1人の監視者が同時に複数台を管理する「1:Nレシオ」において、最低でも1:10以上の比率を達成しなければ商業的な採算は合わない。
第三の課題は、過密都市特有の混在交通と電波環境である。東京の都心部では高層ビル群によるGNSS遮断や複雑な地下道、自転車や電動キックボードの急な飛び出しが頻発する。HDマップを持たないWayveのAIが、これらの局所的なエッジケースをゼロショットでどこまで安全に処理できるかが問われる。
関連記事: 自動運転エンジニアの年収ピークはいつ？E2E移行で激変する開発ロードマップと将来性
まとめ
WayveとUberによるロンドンでの商用配車開始は、高精度地図に依存しないエンドツーエンドAIが公道商用フリートとして稼働可能であることを示した。この動きは、自動運転開発における「地図作成コスト」の参入障壁を解体し、プラットフォーム・車両・AIモデルが分離する水平分業エコシステムの実用化を裏付けている。
国内の自動車OEM、Tier1サプライヤー、モビリティサービス事業者は、自前主義による垂直統合モデルの限界を再検証し、自社が担うべきレイヤーの再定義を進める必要がある。
- 自社開発スタックにおけるE2E基盤モデルの検証とモデル評価手法の確立
- NVIDIA DRIVE等の共通コンピューティング基盤を前提とした車載アーキテクチャの標準化
- 2026年後半の東京商用展開を見据えた法規制・遠隔監視体制（1:N運用）の制度設計への参画
技術スタックとビジネスモデルの双方が劇的に変化する中、既存の開発ロードマップを見直す判断が今まさに求められている。
出典: PR TIMES
出典: The Guardian
出典: Wayve Press
出典: Uber Investor Relations
