2025: Rok, w którym samochody autonomiczne staną się powszechne?

Kiedy pojawią się samochody autonomiczne?

Jeśli chodzi o przełomowe technologie, których pojawienie się wydaje się kwestią chwili, niewiele z nich wydaje się mieć tak duży wpływ na gospodarkę i społeczeństwo jak autonomiczne lub autonomiczne pojazdy, z wyjątkiem, rzecz jasna, AGI (sztucznej inteligencji).

Wynika to z ogromnej liczby zawodów i zadań, które wymagają od ludzi kierowania pojazdami. Zaczyna się to od kierowców, takich jak taksówkarze, dostawcy usług dostawczych, kierowcy ciężarówek itp. Ale, co ważniejsze, większość populacji świata wykonuje tę pracę nieodpłatnie, często marnując godziny swojego dnia. codziennie, za kierownicą.

Oznacza to ogromną utratę produktywności, która obciąża gospodarkę, nasze codzienne życie i kulturę. Dlatego już w 2023 roku przewidywano, że robotaksówki wygenerują do czterech trylion dolarów przychodów.

Jednak stworzenie prawdziwie autonomicznych pojazdów jest trudne, a w pełni zautomatyzowany transport wciąż nie pojawił się na drogach. Jak blisko jesteśmy wdrożenia pojazdów autonomicznych na szeroką skalę?

Ogromny potencjał autonomicznej jazdy

Powrót w 2023, Raport ARK Invest „Big Ideas” prognozuje ogromne potencjalne przychody z robotaksówek, które do 9 r. mają sięgnąć nawet 2030 bilionów dolarów.

Źródło: ARK Invest „Wielkie Pomysły 2023”, strona 113

Za tym pomysłem kryje się kluczowy fakt ekonomiczny, zgodnie z którym robotaksówki mogą zredukować potrzebę posiadania samochodu, o ile przejazdy nimi będą na tyle tanie.

Może to stworzyć pętlę sprzężenia zwrotnego, w której niskie ceny biletów zwiększają popyt, co z kolei zwiększa wykorzystanie robotaksówek, amortyzując w dalszym stopniu koszty kapitałowe, obniżając ceny, co z kolei zwiększa popyt itd.

Zauważa, że jeśli dostawcy usług będą mogli obniżyć tę kwotę do 0.25 USD za milę, usługi autonomicznych taksówek staną się bardziej dostępne. „być bardziej opłacalnym niż 95% podróży na krótkich dystansach”.

Ekonomia autonomicznej jazdy staje się jeszcze bardziej oczywista, jeśli dotyczy ona transportu towarów, takich jak ciężarówki i statki. W tym przypadku kierowcy i załogi stanowią jedynie koszty, które należy usunąć ze struktury firmy, jeśli systemy autonomiczne będą wystarczająco niezawodne, aby ich zastąpić.

Źródło: Ark Inwestuj

Podsumowując, nie ma wątpliwości, że pojazdy autonomiczne przyniosłyby ogromne zyski, co również jest powodem, dla którego tak wiele firm technologicznych zainwestowało dziesiątki miliardów w rozwój tej technologii. Wydaje się jednak, że jest to trudna zagadka do rozwiązania.

Budowanie stosu technologii dla pojazdów autonomicznych

Technicy wsparcia

Zanim omówimy istotę pojazdów autonomicznych, czyli sztuczną inteligencję, która nimi kieruje, możemy pokrótce omówić, dlaczego ostatnia dekada sprawiła, że samochody autonomiczne, a także drony i inne przedmioty stały się ekonomicznie opłacalne.

Jednym z powodów jest gwałtowny spadek kosztów czujników i mocy obliczeniowej. Łatwo zapomnieć, że pierwszy iPhone pojawił się dopiero w 2007 roku, a telefon z dobrym aparatem i działający jak minikomputer był wówczas, niecałe 20 lat temu, rewolucją.

Od tego czasu optyka, czujniki, układy scalone i inne elementy elektroniczne stały się jeszcze tańsze, wydajniejsze i bardziej niezawodne.

Rozwój pojazdów elektrycznych od czasu premiery pierwszej Tesli Roadster w 2008 roku zmienił również sposób funkcjonowania pojazdów. Nowy samochód elektryczny może dostarczać ogromną ilość energii elektrycznej z potężnego akumulatora i układu napędowego, dzięki czemu zasilanie autonomicznych układów scalonych i czujników stało się niemalże banalnie proste.

Samochody elektryczne są również znacznie bardziej niezawodne mechanicznie, mogą pokonywać znacznie dłuższe dystanse przy mniejszym zużyciu, a ich paliwo jest ogólnie znacznie tańsze w przeliczeniu na milę, co czyni je idealną „robotaksówką” jeżdżącą przez cały dzień dla wielu użytkowników. Dla porównania, technologia autonomicznej jazdy byłaby znacznie mniej ekonomiczna, gdyby musiała polegać na samochodach z silnikami spalinowymi (ICE).

Ogólnie rzecz biorąc, dzisiejsze samochody to już praktycznie komputery na kołach, z 300-1,000 chipami na samochód, a niektóre pojazdy elektryczne mają ich nawet 3,000. Brakuje im tylko „mózgu”, który pozwoliłby im samodzielnie jeździć.

Źródło: Polar Semi

Zrozumieć drogi

W przypadku najbardziej podstawowych funkcji, takich jak identyfikacja drogi z punktu A do punktu B, większość autonomicznych systemów AI doskonale radzi sobie z tym zadaniem od ponad dekady, szczególnie od czasu masowego upowszechnienia się aplikacji GPS i „map”, które dostarczają niezbędnych danych.

Najtrudniejszą częścią jest zrozumienie przez samochód zmian zachodzących na drodze: warunków pogodowych, innych samochodów, pieszych, rowerzystów, zwierząt itp.

Również w tym przypadku ogólny problem rozwiązano stosunkowo szybko dzięki systemom umożliwiającym „jazdę wspomaganą” na autostradach, czyli w znacznie mniej wymagających warunkach, które są już dostępne w większości samochodów wyższej klasy.

Jednak w bardziej złożonych sytuacjach, takich jak tereny pod zabudowę, obszary śródmiejskie, obecność pieszych i wypadki drogowe, radzenie sobie z nimi jest trudniejsze.

Generalnie systemy autonomicznej jazdy klasyfikuje się na szerokim spektrum, od zwykłego wspomagania w utrzymywaniu stabilnej prędkości i parkowaniu, po idealny, idealny pojazd autonomiczny. Ostatni poziom, L5, czyli pełna automatyzacja niewymagająca kierowcy, wciąż pozostaje nieuchwytny.

Źródło: MobileEye

Zazwyczaj brak osiągnięcia poziomu autonomii L5 wynika z rzadkich przypadków, które dezorientują sztuczną inteligencję. Na przykład komputer może mieć trudności ze zrozumieniem sytuacji samochodu na parkingu wielopoziomowym:

„Pojazd myślał, że samochody zaparkowane w garażu blokują drogę. Pomyślał: »Samochód się zatrzymał, objedź krawężnik«.

Kiedy system natrafi na coś i nie wie, co z tym zrobić, w wielu przypadkach samochód po prostu przestaje się poruszać.

Dawid Fritz - Vprezes ds. systemów hybrydowo-fizycznych i wirtualnych w Siemens Digital Industries Software

Sprzęt sieci neuronowych

Większość ostatnich postępów w dziedzinie sztucznej inteligencji opiera się na technologia sieci neuronowych, która zdobyła Nagrodę Nobla w dziedzinie fizyki w 2024 r.W przeciwieństwie do zwykłych obliczeń, które wymagają sztywnego zestawu poleceń w każdej sytuacji, sieci neuronowe potrafią dostosować się do warunków szkolenia, aby zapewnić odpowiednią reakcję.

Źródło: Nagroda Nobla

Dzięki temu są one z natury lepsze w radzeniu sobie z sytuacjami „nieuporządkowanymi”, w których dane wejściowe są bardzo zmienne, a dane są zawsze w pewnym stopniu mylące dla komputera („zaszumione”).

Przez długi czas sieci neuronowe były trenowane i uruchamiane na procesorach graficznych (GPU), przekształcając komputerowe karty graficzne w sprzęt AI. Ostatnio opracowywany jest sprzęt dedykowany AI i sieciom neuronowym.

Wśród innych urządzeń AI (które omówiliśmy bardziej szczegółowo w specjalnym raporcieProcesory sieci neuronowych (NNP) są szczególnie istotne dla autonomicznej sztucznej inteligencji. Nazywane również jednostkami przetwarzania neuronowego (NPU) lub układami neuromorficznymi, mogą wykonać operację za pomocą jednego obliczenia, zamiast kilku tysięcy w przypadku sprzętu ogólnego przeznaczenia.

Ze względu na efektywność energetyczną jednostki NPU są popularne w tzw. „przetwarzaniu brzegowym”, w którym obliczenia wykonuje się na miejscu, a nie w chmurze.

Ponieważ pojazdy autonomiczne muszą być niezawodne, bardzo szybko reagować i nie wymagać połączenia, w dużej mierze opierają się na przetwarzaniu brzegowym, wykorzystując lokalnie sieć neuronową, nawet jeśli szkolenie sztucznej inteligencji odbyło się wcześniej w chmurze.

Wybór właściwej technologii

Geofencing kontra jazda bez ograniczeń

Dlaczego geofencing

Najważniejszym wyborem pod względem technologii i strategii biznesowej dla przyszłych firm produkujących samochody autonomiczne była decyzja o tym, czy stosować geofencing, czy nie.

Geofencing polega na specjalnym szkoleniu systemu autonomicznej jazdy tak, aby działał wyłącznie na ograniczonym obszarze geograficznym, ustalając wirtualną granicę, na której system autonomicznej jazdy może działać.

Pomysł polega na tym, że ograniczając obszar, system sztucznej inteligencji może się uczyć wystarczająco dobrze te w szczególności dróg, po których można bezpiecznie jeździć.

„Ograniczenie obszaru do bardziej „prywatnych” lokalizacji, a nawet chodników zamiast dróg, może znacząco ograniczyć interakcje pojazdu z innymi obiektami, takimi jak samochody, ciężarówki, rowerzyści i piesi”.

Robert Day – dyrektor ds. partnerstw motoryzacyjnych w Arm's Automotive and IoT.

Ograniczając liczbę przypadków, z którymi musi zmierzyć się sztuczna inteligencja, a także drogę i możliwe ścieżki, znacznie zmniejsza się konieczność wykonywania obliczeń, co również wpływa na wymagany sprzęt.

 „Ograniczenia narzucane przez geofencing mają ogromny wpływ na możliwości pojazdu autonomicznego, co z kolei ma wpływ na sprzęt niezbędny do zasilania systemów autonomicznych”.

Robert Day – dyrektor ds. partnerstw motoryzacyjnych w Arm's Automotive and IoT.

Jednak poważnie ogranicza to możliwości wdrożenia pojazdów autonomicznych. Oznacza to, że każde nowe miasto wymaga od firmy zajmującej się pojazdami autonomicznymi stworzenia niestandardowego zestawu danych szkoleniowych, zazwyczaj poprzez ręczne prowadzenie pojazdów w danym obszarze przez kilka lat przed wprowadzeniem ich na rynek.

Takie podejście jest dość kosztowne.

Sprawia to, że samochody autonomiczne są atrakcyjne wyłącznie dla firm oferujących roboty taksówki, a osoby prywatne prawdopodobnie nadal będą potrzebowały własnych samochodów, ponieważ będą chciały od czasu do czasu wyjeżdżać poza wyznaczone obszary, które zwykle ograniczają się do centrum miasta lub jednego miasta.

Jeśli branża będzie tkwić w tym paradygmacie, większość korzyści spodziewanych dzięki powszechnemu stosowaniu robotaksówek po prostu nie zostanie osiągnięta.

Konsekwencje prawne i biznesowe geofencingu

Jednocześnie decyzja o przejściu z jazdy całkowicie autonomicznej na jazdę bez żadnych ograniczeń może okazać się nieskuteczna.

Może to opóźnić wdrożenie usług autonomicznych, ponieważ najpierw muszą one zostać udoskonalone wszędzie, a nie wdrożone w pierwszej kolejności w ograniczonej liczbie miast, gdzie mogłyby dotrzeć do milionów użytkowników.

Kolejnym problemem są przepisy i regulacje dotyczące systemów autonomicznej jazdy. Organy regulacyjne niechętnie, ale chętnie akceptują powolne wdrażanie rozwiązań geofencingowych, zwłaszcza gdy bezpieczeństwo w danej strefie zostało udowodnione.

Jednak globalne, nieograniczone zezwolenie na pojazdy autonomiczne będzie wymagało nie tylko lokalnej zgody, ale także przepisów i regulacji na szczeblu krajowym, które dopiero mają powstać.

Ponieważ prawo często rozwija się znacznie wolniej niż technologia, może to stanowić poważny problem dla nieograniczonego wdrażania poziomu autonomii L5, nawet jeśli wszystkie kwestie techniczne zostały już rozwiązane.

LIDAR kontra kamery – tylko

Kolejną debatą w branży jest wykorzystanie LIDAR-u (technologii detekcji i pomiaru odległości światłem, czyli „radaru laserowego”). LIDAR wykorzystuje wiązki laserowe do wykrywania pobliskich obiektów, tworząc w czasie rzeczywistym trójwymiarowy model ich otoczenia.

Źródło: Autoweek

Systemy LIDAR są zwykle umieszczane na dachach samochodów autonomicznych, co sprawia, że stanowią one dość duże uzupełnienie ich wyposażenia.

Zaletą LIDAR-u jest to, że widzi on więcej niż kamery i doskonale ocenia odległość, co czyni go szczególnie przydatnym w unikaniu wypadków przy dużych prędkościach. Doskonale sprawdza się również w ciemności i przy słabym oświetleniu.

Źródło: Forbes

LIDAR jest często używany w połączeniu z radarem do wykrywania obiektów nawet w trudnych warunkach, na przykład we mgle.

Większość technologii pojazdów autonomicznych opiera się na technologii LIDAR w celu zwiększenia bezpieczeństwa, z wyjątkiem Tesli (TSLA -1.5%), ale ma też pewne wady.

Pierwszym z nich jest koszt. Ponieważ większość zaawansowanych systemów LIDAR kosztuje około 70,000 80,000–XNUMX XNUMX dolarów, samochody autonomiczne są dość drogie. To może nie być prawdą wiecznie. ponieważ istnieją oznaki, że LIDAR stał się ostatnio znacznie tańszy, zwłaszcza w przypadku LIDAR-ów niskiej klasy, co może sprawić, że staną się one bardziej opłacalne komercyjnie.

Chodzi zarówno o ilość, jak i o samą technologię. Branża motoryzacyjna opiera się na skali, aby obniżyć koszty. Wraz ze wzrostem liczby zastosowań, koszty spadają.

Przykładowo urządzenie LiDAR kosztowało kiedyś 30,000 4,100 juanów (około 1,000 dolarów), ale teraz kosztuje tylko około 138 XNUMX juanów (około XNUMX dolarów) — to drastyczny spadek.

Li Chuanhai – wiceprezes Geely Auto Group

LIDAR to dość skomplikowana technologia z wieloma ruchomymi częściami (obrotowymi miniaturowymi lustrami), co jest jedną z przyczyn wysokich kosztów, a ponadto może sprawiać problemy w zakresie konserwacji i niezawodności.

Wreszcie, każda sztuczna inteligencja trenowana z wykorzystaniem danych LIDAR prawdopodobnie zawsze będzie wymagała ich sprawnego działania, ponieważ wymóg ten będzie głęboko zakorzeniony w sieci neuronowej. Zatem każda firma, która zdecyduje się na wykorzystanie LIDAR do trenowania swojego systemu autonomicznej jazdy, może po prostu utknąć z tym systemem w przyszłości.

Jak bezpieczne muszą być samochody autonomiczne?

Kluczowym pytaniem zarówno dla regulatorów, jak i użytkowników jest to, jak bezpieczny powinien być samochód autonomiczny. Teoretycznie, jeśli samochody autonomiczne są 5 razy bezpieczniejsze niż kierowcy, powinny zostać szybko wdrożone i uznane za postęp.

Jednak w praktyce ludzie bardzo niechętnie ufają maszynom, które są tylko nieznacznie bezpieczniejsze niż podatni na błędy ludzie. Ludzie mają też tendencję do przeceniania swoich możliwości w kierowaniu pojazdami.

Więc nawet jeśli systemy autonomicznej jazdy są od lat o wiele bezpieczniejsze od samochodów prowadzonych przez ludzi (co pokazują już dane Tesli z 2023 r.), nadal pokutuje przekonanie, że każda katastrofa to „porażka” sztucznej inteligencji.

Nie pomaga również fakt, że każda kolizja została nagrana przez kamery zamontowane w samochodach, ani reakcje mediów głównego nurtu i społecznościowych.

Źródło: Ark Inwestuj

W rezultacie jest prawdopodobne, że poprzeczka będzie musiała zostać postawiona bardzo wysoko, aby umożliwić w pełni nieograniczoną jazdę autonomiczną na poziomie L10 na wszystkich drogach.

Firmy zajmujące się samochodami autonomicznymi

Waymo

Jeśli chodzi o faktycznie wdrożone roboty taksówki, wyłania się wyraźny lider: powiązany z Google WaymoW kwietniu 2025 roku Waymo było już w USA odnotowuje się 250,000 XNUMX płatnych przejazdów robotaksówką tygodniowo, głównie w Austin, Phoenix i obszarze Zatoki San Francisco, z milionem przejechanych mil miesięcznie.

Sukces Waymo wynika z wczesnego startu (firma rozpoczęła działalność w 2010 r., a jej technologia powstała w 2005 r.) i bardzo ostrożnego podejścia: jej robotaksówki są objęte geofencingiem i w dużej mierze opierają się na zaawansowanych systemach LIDAR, co wygrywa wyścig o bezpieczną jazdę autonomiczną, nawet jeśli jak dotąd ogranicza się do kilku obszarów.

Pomogło to Waymo w nawiązaniu cennych sojuszy, takich jak strategiczne partnerstwo z Toyotą, największy producent samochodów na świecie pod względem liczby sprzedanych egzemplarzy (>10 milionów rocznie).

Toyota i Waymo zamierzają połączyć swoje mocne strony, aby opracować nową platformę pojazdów autonomicznych. Jednocześnie firmy będą badać, jak wykorzystać technologię autonomiczną Waymo i doświadczenie Toyoty w dziedzinie pojazdów, aby udoskonalić pojazdy osobiste (POV) nowej generacji.

Toyota stawia sobie za cel stworzenie społeczeństwa, w którym nie będzie wypadków drogowych, a także stanie się firmą oferującą usługi w zakresie mobilności wszystkim użytkownikom.

hiroki nakajima - Wiceprezes wykonawczy Toyota Motor Corporation

(Możesz przeczytać więcej o Toyocie w jej specjalnym raporcie inwestycyjnym)

Tesla

Drugim poważnym konkurentem w wyścigu samochodów autonomicznych i robotaksówek jest Tesla.

Firma zyskała znaczącą przewagę dzięki temu, że wszystkie sprzedawane przez nią pojazdy są wyposażone w kamery, które – jak oczekuje firma – wystarczą do wyszkolenia jej sztucznej inteligencji bez konieczności korzystania z LIDAR-u lub nawet radary.

Oznacza to, że Tesla otrzymuje „za darmo” dane treningowe dotyczące milionów mil, dostarczane przez nabywców Tesli jeżdżących w rzeczywistych warunkach. Dla porównania, niemal wszystkie inne firmy produkujące autonomiczne pojazdy muszą płacić kierowcom za jazdę prawdziwymi ulicami przez lata w każdym wydzielonym obszarze, co znacznie zwiększa koszty.

Źródło: Ark Inwestuj

Jednakże Tesla wypuściła całkowicie autonomiczną jazdę (FSD) wiecznie „wkrótce” i następnie opóźnione ogłoszenie o kilka lat (z oczekiwań dotyczących dostępności autonomicznych samochodów w 2018 r.), co prowadzi do kilka ostrych uwag dotyczących stawiania nierealistycznych oczekiwań.

Jednakże może to się w końcu zmienić, Teksas przyznaje Tesli Robotaxi pozwolenie na prowadzenie usługi przewozu osób w sierpniu 2025 r., po testach w Austin od czerwca 2025 r. Na razie pracownik Tesli nadal przebywa na pokładzie jako osoba monitorująca bezpieczeństwo.

Jak zwykle, Tesla budzi kontrowersje. Niektórzy uważają zgodę Teksasu za pierwszy krok w kierunku wdrożenia FSD na szeroką skalę, a system monitorowania bezpieczeństwa ludzi za kwestię tymczasową, podczas gdy inni uważają, że Tesla nigdy nie wypuści w pełni autonomicznej robotaksówki.

Prawda prawdopodobnie leży gdzieś pośrodku.

Teoretycznie, skoro ludzie potrafią prowadzić samochód wyłącznie za pomocą oczu, sztuczna inteligencja też może, więc korzystanie wyłącznie z kamer nie powinno być problemem na zawsze. Jednocześnie ta ambitna strategia, która może okazać się słuszna w dłuższej perspektywie, wyraźnie utrudniła krótkoterminowe wdrożenie Tesli, niezależnie od tego, jak bardzo Elon Musk jest do tego pozytywnie nastawiony.

(Możesz przeczytać więcej o Tesli w jej specjalnym raporcie inwestycyjnym)

Baidu

Baidu, wiodąca chińska wyszukiwarka internetowa, podąża śladami Google Apollo Go, własne samochody autonomiczne.

W kilku chińskich miastach firma Baidu przeszła na całkowicie autonomiczne pojazdy, zwalniając kierowców odpowiedzialnych za zapewnienie bezpieczeństwa.

Baidu zawarło umowę z Uberem w lipcu 2025 r. aby udostępnić swoje autonomiczne samochody światu poza USA i Chinami.

Obie firmy poinformowały, że w wyniku wieloletniego partnerstwa „tysiące” autonomicznych pojazdów Apollo Go firmy Baidu na całym świecie będą korzystać z usług Ubera.

Baidu zrealizowało już 899,000 2024 przejazdów w drugim kwartale 2025 roku. W 20 roku strefy pilotażowe zostaną rozszerzone na XNUMX miast.

W 2024, Baidu udostępniło kod źródłowy swojej technologii autonomicznej jazdy, potwierdzając tendencję chińskiej technologii AI w kierunku oprogramowania typu open source, co ilustruje podobny ruch przez ogólną sensację AI DeepSeek.

Na rynku amerykańskim Baidu raczej nie odniesie większych sukcesów w kontekście napięć handlowych i obaw o dane użytkowników, ale za granicą może być poważnym konkurentem dla Waymo i Tesli, zwłaszcza przy wsparciu Ubera.

Zoox

Firma Zoox, spółka zależna Amazon, jest łatwa do rozpoznania ze względu na swój wyjątkowy design, ponieważ jej roboty taksówki są pojazdami specjalistycznymi, różniącymi się od standardowych funkcji zwykłego samochodu.

Źródło: TechCrunch

Firma po prostu zapewnił sobie zwolnienie z Rozszerzony program zwolnienia z opłat za pojazdy automatyczne Narodowej Administracji Bezpieczeństwa Ruchu Drogowego, co pozwala firmie zademonstrować jej specjalnie zbudowaną robotaksówkę na drogach publicznych. To ważny krok, ponieważ robotaksówki Zoox nie posiadają podstawowych funkcji standardowych samochodów, takich jak kierownica i pedały.

W czerwcu 2025 roku Zoox uruchomił pierwszą linię produkcyjną swoich pojazdów, mający na celu produkcję ponad 10,000 XNUMX robotaksówek rocznie. Nastąpiło to po testach przeprowadzonych w kilku miastach USA, a następnie rozszerzonych na: Las Vegas, obszar Zatoki San Francisco, Seattle, Austin, Miami, Los Angeles i Atlantę.

Firma Zoox planuje obecnie wprowadzenie komercyjnych przejazdów robotaxi w Las Vegas, San Francisco, a następnie w ciągu najbliższych kilku lat także w Austin i Miami.

(Możesz przeczytać więcej o Amazonie w jego specjalnym raporcie inwestycyjnym)

Jedziemy

WeRide to firma założona w Dolinie Krzemowej w 2017 roku z siedzibą główną w Chinach. Firma przeprowadziła wiele testów na całym świecie, w szczególności w Zjednoczonych Emiratach Arabskich. obszar, na którym obecnie się rozwija dzięki partnerstwu z Uberem. To jest również obecnie wdraża w Pekinie całodobową taksówkę robotową.

Aby rozwiązać potencjalne problemy z widocznością w nocy, robotaxi WeRide wyposażono w ponad 20 czujników, w tym precyzyjne, dynamiczne kamery i lidary rozmieszczone w całym pojeździe.

W połączeniu z algorytmem łączącym wiele czujników i platformą obliczeniową o wysokiej wydajności system osiąga 360-stopniowe pokrycie bez martwych punktów w zasięgu wykrywania do 200 m.

Meble

Mobileye jest spółką z siedzibą w Izraelu, przejętą przez firmę Intel w 2017 r. i ponownie wprowadzoną na giełdę w 2022 r.

Mimo obiecujących technologii w firmie mogą narastać problemy, w lipcu 2025 r. pojawiła się informacja, że Intel planuje zwolnienia i sprzedaż 8% swoich udziałów w spółce.

Możliwe, że odzwierciedla to bardziej ogólne problemy w firmie Intel, firma zwalnia również pracowników z innych działów.

Może to jednak nadal stanowić problem dla Mobileye, gdyż zmniejszyłoby to kwotę funduszy i wsparcia, jakich firma może oczekiwać od spółki macierzystej, co postawiłoby ją w niekorzystnej sytuacji w porównaniu na przykład z Waymo lub Zoox.

(Możesz przeczytać więcej o firmie Intel w jej specjalnym raporcie inwestycyjnym)

Innowacje Aurory

Firma skupia się bardziej na pojazdach ciężarowych autonomicznych, kładąc nacisk na jazdę autostradami, która stanowi zdecydowaną większość odległości pokonywanych przez ciężarówki.

W maju 2025 roku Aurora odbyła swój pierwszy przejazd całkowicie bezzałogowy, po przejechaniu trzech milionów mil i przewiezieniu ponad 10,000 XNUMX ładunków dla klientów.

Firmę założył Chris Urmson, jeden z pierwszych liderów projektu Google’a dotyczącego samochodów autonomicznych, obecnie znanego pod marką Waymo.

„Płynę autostradą z prędkością 65 mil na godzinę, nie za kierownicą, ale na tylnym siedzeniu, obserwując krajobrazy, podczas gdy ciężarówka pełna ciastek jest napędzana technologią, którą pomogłem stworzyć”

Aurora planuje rozszerzyć swoją usługę transportu autonomicznego na El Paso w Teksasie i Phoenix w Arizonie do końca 2025 roku.

Ci, którzy się poddali

Podczas gdy firmy odnoszące sukcesy sprawiają teraz wrażenie, że wygranie wyścigu pojazdów autonomicznych to tylko kwestia wytrwałości, warto przypomnieć o projektach, które upadły po drodze:

• General Motors zrezygnował z Cruise w grudniu 2024 r..
• Apple zrezygnowało ze swoich planów wprowadzenia pojazdów autonomicznych w kwietniu 2024 r.
• Uber sprzedał swój segment samochodów autonomicznych Aurora Technologies w 2020 roku.

Autonomiczny pojazd bez samochodu

Wiele firm pracuje nad pojazdami autonomicznymi, ale skupiają się na systemach innych niż samochody.

Na przykład małe roboty dostawcze, technicznie rzecz biorąc pojazdy autonomiczne, są na tyle małe, że mogą uniknąć regulacji dotyczących samochodów. Na razie liderami w dziedzinie robotów mobilnych są Estonian Starship Technologies, uruchomiony przez współzałożycieli Skype'a i chińskiego giganta e-commerce Alibaba ; oba mają niewielką i nieszkodliwą konstrukcję, podobną do droidów z Gwiezdnych Wojen.

Źródło: Starship

Ze względu na względy regulacyjne i ogromny wpływ wszelkich wypadków z udziałem pojazdów ciężarowych autonomiczne ciężarówki nadal polegają na ingerencji człowieka, a firmy takie jak Kodiak, Gatik, kucyk.ai podążając śladem Aurora Innovation.

Innym pomysłem jest wykorzystanie dronów do dostarczania małych i lekkich przedmiotów. Jak dotąd, lider jest wyraźnie… Zipline, śledzony przez Skrzydło oraz Meituan (3690.HK). To może być prawdziwa rewolucja, ale wiąże się z nią jeszcze więcej przeszkód regulacyjnych niż w przypadku autonomicznych samochodów dostawczych, więc jej wdrożenie na dużą skalę może potrwać dłużej.

Źródło: Ark Inwestuj

Podsumowanie

Po latach powolnego rozwoju, mimo „nieuchronnej” wizji całkowicie autonomicznych samochodów, na którą liczyli Elon Musk i inni liderzy w tej dziedzinie, rok 2025 stanowi wyraźny punkt przyspieszenia dla technologii autonomicznej jazdy.

Wiele miast, które wcześnie podjęły ryzyko, wprowadziło teraz na swoich ulicach roboty taksówki, co obniżyło ceny przewozów pasażerskich.

Jak dotąd wydaje się, że USA i Chiny przodują na świecie zarówno pod względem liczby firm będących liderami w tej dziedzinie, jak i pod względem bardziej elastycznych przepisów. Pozytywne sprzężenie zwrotne między innowacjami a przyjaznymi ramami regulacyjnymi może stanowić wartościowy przykład dla ekonomistów w przyszłości.

Na razie wizja ograniczonych, objętych geoogrodzeniem i powoli wdrażanych robotaksówek z pełnym zestawem kamer, LIDAR-em, radarami i innymi czujnikami wydaje się być zwycięską kombinacją, która pozwala całkowicie wyeliminować potrzebę obecności kierowców.

Przyniosło to ogromne korzyści Waymo, które obrało ostrożne podejście, podczas gdy Zoox i wiele innych firm deptało mu po piętach i szybko nadrabiało zaległości.

Tymczasem Tesla wciąż realizuje swoje marzenia o powszechnej technologii „w pełni autonomicznej jazdy”, która mogłaby poruszać się po każdej drodze, bazując wyłącznie na kamerach, najlepiej za pomocą prostej aktualizacji oprogramowania we wszystkich istniejących samochodach Tesli. To ryzykowne, ale jednocześnie interesujące rozwiązanie, które wydaje się jedynym, które ma szansę na nieograniczoną autonomiczną jazdę w najbliższym czasie.

Technologia geofencingu prawdopodobnie będzie wdrażana globalnie bardzo powoli, krok po kroku, i będzie ograniczona do konkurowania z tradycyjnymi usługami taksówkarskimi w dużych miastach. To pozbawia nas możliwości zdobycia wielu bilionów dolarów z potencjalnej nagrody za „prawdziwe” roboty taksówki, które mogłyby zastąpić posiadanie samochodu ultra-tanie, całodobowe, wszechobecne przejazdy samochodami elektrycznymi.

Wierna swojej kulturze korporacyjnej Tesla może okazać się ostatecznym zwycięzcą, stworzyć zupełnie nowy, ogromny rynek i po raz kolejny zrewolucjonizować pojęcie samochodu, ale tylko wtedy, gdy uda jej się rozwiązać pozornie nie do pokonania wyzwanie techniczne.