在過去幾年，自動駕駛技術從科幻電影走入現實，尤其以無人計程車（Robotaxi）的商業應用為代表，正在悄悄改變人們對交通的想像。從 Waymo 在鳳凰城開放一般民眾叫車，到 Tesla 在奧斯汀啟動 Robotaxi 測試，美國街頭已出現沒有司機的車輛在移動。
這是一場技術革命，也是一場制度、倫理、商業模式的全面考驗。今天這篇文章，將帶你整理目前全球自動駕駛的發展現況，拆解技術路線、主要玩家與關鍵挑戰，並探討它如何從實驗邁向落地，一起看下去吧！
如果你只有一分鐘，可以帶走的 3 個重點
- 無人計程車真的上路了，但距離全面普及還有段路要走。
Waymo、Cruise 等公司已經在美國幾座城市推出了 Robotaxi 服務，真的讓一般民眾可以上車、免司機搭乘。但這些服務多半還是限定區域、速度受限，遇到特殊狀況仍需人為介入。換句話說，技術上有進展，但要達到「隨處可叫、隨叫隨到」還需要幾年時間與制度配合。 - 各家廠商選擇的技術路線大不同，誰對誰錯還說不準。
有的廠商像 Tesla 主張只靠攝影機與 AI 做視覺辨識，另一派像 Waymo 則重金佈建雷達、LiDAR 等感測器陣列。兩邊各有擁護者與挑戰，這就像是「全靠大腦」對上「感官全面升級」的戰爭，還沒有明確勝負。 - 誰能掌握自駕車後台的資料與決策，才是真正的競爭焦點。
Robotaxi 不只是車子跑在路上，更是一整套數據蒐集、判斷與決策的系統。從乘客偏好到道路資訊、從事故責任到隱私爭議，這些背後的治理邏輯將決定哪一家玩家能長期領先。開發者與政策制定者都得想清楚：我們願意把多少權力交給一台 AI 汽車？
Robotaxi 是什麼？為何現在成為焦點？
Robotaxi，顧名思義就是「機器人駕駛的計程車」，它結合了自動駕駛技術、共享交通平台與即時導航系統，目的是取代人類駕駛並提供全天候、低成本的移動服務。乍聽之下它就像 Uber，但車上沒有人。
但為什麼現在 Robotaxi 成為產業與媒體的焦點？ 原因有幾個：
- AI 模型（特別是感知與判斷系統）在近三年內突飛猛進，特別是在影像辨識、即時路況處理上的穩定度有大幅提升
- 其次，疫情後遠距工作與城市移動模式的改變，讓人們對「不用開車也能安全抵達」的需求升高
- 投資圈對於自動駕駛商業模式的焦慮與期待，也催化了更多企業將產品實測推上街頭。
根據 Emerging Tech Brew、WSJ、Reuters 等多篇報導，目前 Robotaxi 最活躍的商業實驗場域在美國，包括矽谷、鳳凰城、奧斯汀等地。其中 Waymo 已開放 24 小時服務，並已完成數十萬趟無人駕駛接送；Cruise 雖然因去年在舊金山的事故遭遇監管挑戰，但仍積極準備重啟測試。而 Tesla 雖尚未進入全自動 Robotaxi 營運，但其採取僅靠攝影機與神經網路（Vision-only）的技術策略，成功吸引市場與投資者的注意，並預告將於 2025 年底正式啟動 Robotaxi 服務。
除此之外，包括 Zoox、Motional、Aurora 等新創也各自進行不同形式的商轉與封閉測試。整體而言，雖然 Robotaxi 尚未全面普及，但從技術落地、政策協調到民眾使用習慣的變化，都已邁入不可逆的階段。未來幾年，這些先行者的表現，將決定 Robotaxi 是否能真正走入主流交通網絡。
各家廠商自駕技術的戰略分歧
當我們在講「自動駕駛」時，常以為所有車廠走的是同一條路。
但實際上，目前全球各大業者對於如何實現安全、可商用的無人駕駛，採取了截然不同的策略與技術架構。
- Tesla：視覺為主的極簡派
Tesla 是目前全球少數主張只靠攝影機與神經網路做自駕的廠商。Elon Musk 稱這種方式為 “Vision-only autonomy”，意指完全不使用 LiDAR 或雷達，只靠攝影機擷取影像，加上 AI 模型即時判斷環境狀況與決策。Tesla 認為這樣的方式更接近人類駕駛經驗，也更有可能擴展到全球多樣化場景。
這條路的好處是硬體成本低、部署靈活，但缺點則是對模型準確性與數據量的依賴極高，也在夜間、惡劣天候下容易失效。Tesla 正是透過不斷收集用戶的駕駛數據，來優化其 Full Self-Driving 模組（FSD）。
- Waymo、Cruise：感測器為核心的保守派
與 Tesla 相反，Waymo（Alphabet 子公司）與 Cruise 則主張「多感測器融合」是安全自駕的必要條件。這種策略包括使用 LiDAR、雷達與攝影機的組合，讓車輛在視野受限時仍能精準偵測周遭物體。
Waymo 尤其重視「冗餘感知系統」與精準地圖，Cruise 則強調城市街道的動態預測與即時調整能力。這條路技術複雜、成本高昂，但目前在商業落地與監管審查上更具說服力。
- 新創創造混合策略與模組化競爭
除了巨頭之外，包括 Zoox、Aurora、Motional 等新創公司，則嘗試建立模組化、可整合的系統架構。他們可能與車廠合作，提供一套 “autonomy stack”，讓其他 OEM 廠商能快速整合至自有車款中。
這類策略比較接近「作業系統平台化」，意圖成為未來 Robotaxi 產業中的 Android 或 Windows。誰能建立一個擴張性強又好維護的自駕平台，誰就能控制生態系核心節點。
技術路線不同，反映的是企業對風險、成本、規模化時間表的不同押注。雖然現階段沒有明確的贏家，但這場「感知 vs. 判斷 vs. 整合」的三方對決，正是 Robotaxi 接下來五年最關鍵的主戰場。
Tesla 的策略與爭議：為何每次發布都備受矚目？
相較於其他公司強調安全與監管測試，Tesla 的策略可說是最具爭議，也最能吸引關注的一條路。Elon Musk 長年主張，實現自駕的關鍵不在於堆疊感測器，而在於訓練出一個「夠聰明的大腦」。這就是他們選擇 vision-only 策略的背景：用一套單純的攝影機＋神經網路組合，靠大量真實駕駛數據與 Dojo 超級電腦進行模型訓練。
但這條路也因此問題不斷。從 FSD Beta 爭議、撞車意外，到監管單位的審查，Tesla 經常被批評為「太早把未完成的技術推向市場」。即使如此，每當 Musk 宣布即將發布 Robotaxi、新版 FSD，總能吸引大量討論與股價反應。這一方面反映出投資人對 Tesla 自駕潛力的信任，另一方面也顯示出「自駕車市場仍缺乏標準答案」的現況。
Tesla 的做法可以說是一種「技術先行、規則再說」的風格，試圖透過規模與品牌影響力壓迫監管機關加速制定新規則。這種策略高風險、高回報，也讓 Tesla 成為整個 Robotaxi 生態中最具話題性與挑戰性的角色。
信任與法規：Robotaxi 最大的隱形路障
雖然 Robotaxi 技術已逐步商轉，但最大的問題其實不在科技，而在「人們是否願意相信」？畢竟讓一台沒司機的車載著自己或家人上路，仍然挑戰著人類對風險與控制感的本能。
使用者的接受度是目前 Robotaxi 擴張速度的最大瓶頸。根據 J.D. Power 2024 年底發布的報告，超過 60% 的美國受訪者表示「不太可能」搭乘無人計程車，原因包含信任不足、資訊不透明、無法即時應變等。即使像 Waymo 已完成數十萬次無事故運行，民眾仍然難以放下心理防線。
與此同時，法規也是另一層複雜關卡。目前 Robotaxi 合法上路的州仍有限，即使如加州、德州已有先例，但每州交通部門對數據提交、事故責任認定、運營範圍限制皆有不同要求，讓跨州擴展成為高度行政挑戰。此外，保險制度與乘客權益保護框架也尚未成熟，增加企業運營風險。
從這點看，自駕車的挑戰其實和新藥上市有點像：技術成熟是一回事，獲得社會信任與制度認可又是另一回事。Robotaxi 要邁向全面普及，必須通過的不只是技術測試，更是大規模的社會壓力測試。
自動駕駛的未來在哪裡？基礎建設與平台思維是下一步
若要讓 Robotaxi 從城市邊緣進入日常交通核心，接下來的關鍵不只在技術，而在整體生態系統是否到位。這包括道路設計是否適合自駕車通行、車輛是否能與交通號誌系統整合、停靠點與乘車流程是否夠直覺。
以 Phoenix 與 Austin 為例，地方政府已開始設置專屬上下車區域、提供 V2X（vehicle-to-everything）通訊介面，協助自駕車與城市基礎建設即時連線。而 Google、Amazon 等科技公司也嘗試將自家地圖與雲端基礎設施對接至 Robotaxi，讓城市管理者能追蹤車輛動態、調配資源。
另一個重要面向是平台開放與生態系整合。未來 Robotaxi 若想像 Uber 一樣成為日常應用，就需要與訂票平台、支付系統、營運調度系統等串接。也就是說，自駕車不能只是一輛聰明的車，它必須是一套「交通平台」的一部分。
這也意味著下一階段的競爭，將不再只是模型準不準，而是誰能打造出一個對開發者友善、對政府透明、對用戶直覺的開放生態。這不只是工程挑戰，更是組織設計、商業合作與政策談判的綜合競技場。
結語：關於移動方式，我們想要怎樣的未來？
當 Robotaxi 成為現實，我們面臨的問題不只是「能不能坐上車」，而是「誰在控制這些車」？ 技術可能會由私部門主導，但規則應由社會共同做出決策，包含資料治理、事故責任分配、城市交通的公平性等。
對創業者而言，這是一個充滿機會的新賽道。從感測模組到數據治理、從乘客服務到車隊調度，每一層都是可以切入的創業機會。對政府與規劃單位而言，如何讓新技術成為公共利益而非監管漏洞，是未來十年的重要議題。
Robotaxi 不是自駕的終點，而是未來人類移動方式的轉捩點。在這場轉變中，我們每一個人不只是乘客，也是在重新定義交通與科技關係的決策者！
相關報導
5 分鐘學美股》輝達NVIDIA是做什麼的？靠顯卡怎麼成為世界第一?
相關文章
解密輝達 NVIDIA： 6個重點帶你搞懂 AI 之王股價翻漲 240% 的秘密 （上）
台灣第一隻 AI 獨角獸: 市值 13.8 億美元的 Appier 沛星到底在做什麼？
解密 Notion 創業故事: 一個 No code 的小創意，如何顛覆全球600億生產力市場？
系統設計元件介紹 Building Block – 系統設計 05
Back-of-the-envelope 封底計算 – 系統設計 04
