2025: Året hvor selvkørende biler bliver mainstream?

Hvornår vil selvkørende biler ankomme?

Når det gælder disruptive teknologier, der ser ud til at være lige om hjørnet, er der få, der virker så indflydelsesrige for økonomien og samfundet som autonome eller “selvkørende” biler, bortset fra naturligvis måske AGI (Artificial General Intelligence).

Dette skyldes det enorme antal job og opgaver, der kræver, at mennesker kører køretøjer. Det starter med kørselsjob som taxachauffører, leveringsservice, lastbilchauffører osv. Men mere grundlæggende udfører størstedelen af verdens befolkning denne opgave uden betaling, ofte spilder timer af deres dag, hver dag, bag rattet.

Dette udgør et enormt tab af produktivitet, som påvirker økonomien, vores daglige liv og kultur. Derfor blev robotaxiers indtægter i 2023 allerede anslået til at kunne generere op til fire billioner dollar i omsætning.

Udviklingen af ægte autonome køretøjer er dog vanskelig, og indtil videre er fuldautomatisk transport endnu ikke kommet på vejene. Hvor tæt er vi på en storskaladeployment af selvkørende køretøjer?

Selvkørende enormt potentiale

Tilbage i 2023 projicerede ARK Invest’s “Big Ideas”-rapport massive potentielle indtægter for robotaxiere, med indtægter så høje som $9T projiceret til 2030.

Kilde: ARK Invest ‘Big Ideas 2023’, side 113

Bag idéen ligger den grundlæggende økonomiske kendsgerning, at robotaxiere kan reducere behovet for at eje en bil, så længe ture er billige nok.

Dette kan skabe en positiv feedback‑loop, hvor billige priser øger efterspørgslen, hvilket øger udnyttelsen af robotaxiere, amortiserer kapitalomkostningerne yderligere, sænker priserne, hvilket igen øger efterspørgslen osv.

Det bemærkes, at hvis tjenesteudbydere kan sænke dette til $0,25 per mil, vil autonome taxitjenester “være mere omkostningseffektive end 95 % af kortdistancerejser.”

Økonomien i selvkørende er endnu mere ligetil, hvis den kan håndtere fragt som lastbiler og skibe. Her er førere og besætninger blot omkostninger, der kan fjernes fra forretningsstrukturen, hvis de autonome systemer er pålidelige nok til at erstatte dem.

Kilde: ARK Invest

Så samlet set er der ingen tvivl om, at selvkørende køretøjer vil være massive penge­maskiner, hvilket også er grunden til, at så mange teknologivirksomheder har pumpet titusinder af milliarder ind i udviklingen af denne teknologi. Men det ser ud til at være et svært puslespil at løse.

Opbygning af den selvkørende teknologistak

Understøttende teknologier

Før vi diskuterer kernen i autonome køretøjer, AI’en der styrer dem, kan vi kort nævne, hvorfor det sidste årti har gjort selvkørende biler, men også droner og andre enheder, økonomisk levedygtige.

En grund er de faldende omkostninger til sensorer og beregningskraft. Det er let at glemme, at den første iPhone først blev lanceret i 2007, og at en telefon med et godt kamera og funktion som en mini‑computer var en revolution for mindre end 20 år siden.

Siden da er optik, sensorer, chips og andre elektroniske komponenter kun blevet billigere, mere kraftfulde og mere pålidelige.

Stigningen i el‑biler siden den første Tesla Roadster i 2008 har også ændret, hvordan køretøjer fungerer. Den nye el‑bil kan levere en enorm mængde elektrisk kraft fra sit massive batteri og drivlinje, så strømforsyningen til de selvkørende chips og deres sensorer næsten er triviel.

El‑biler er også meget mere mekanisk pålidelige, kan køre langt længere afstande med mindre slid, og deres brændstof er generelt meget billigere per mil, hvilket gør dem til de perfekte “robotaxi‑biler”, der kan køre hele dagen for mange brugere. Til sammenligning ville selvkørende teknologi have meget dårligere økonomi, hvis den skulle baseres på ICE‑biler (intern forbrændingsmotor).

Samlet set er dagens biler allerede stort set en computer på hjul, med 300‑1.000 chips pr. bil, og nogle el‑biler har op til 3.000 chips pr. bil. De mangler blot “hjernen” til at køre sig selv.

Kilde: Polar Semi

Forståelse af veje

For de mest grundlæggende funktioner, som at identificere den vej, der skal tages fra punkt A til punkt B, er de fleste selvkørende AI’er perfekt i stand til at udføre opgaven i mere end et årti, især siden masseadoptionen af GPS og “Maps”-apps, der leverer de nødvendige data.

Den vanskelige del er, at bilen skal forstå, hvad der ændrer sig på vejen: vejrforhold, andre biler, fodgængere, cyklister, dyr osv.

Her har den generelle sag også vist sig relativt hurtig at løse, med systemer der tillader “assisteret kørsel” på motorveje, et meget mindre udfordrende miljø, allerede tilgængeligt i de fleste high‑end biler.

Men mere komplekse situationer, som byggepladser, bymidter, tilstedeværelse af fodgængere og trafikulykker, er sværere at håndtere.

Generelt rangeres selvkørende systemer langs et spektrum, fra simpel assistance til at holde hastigheden stabil og parkere, til det idealiserede perfekte selvkørende køretøj. Det sidste niveau, L5, eller fuld automatisering uden behov for fører, er stadig undvigende.

Kilde: MobileEye

Normalt skyldes manglende opnåelse af L5‑niveauet sjældne tilfælde, der forvirrer AI’en. For eksempel kan en computer have svært ved at forstå situationen i et flerdækkende parkeringshus:

“Køretøjet troede, at bilerne parkeret i parkeringsgaragen blokerede vejen. Det tænkte, ‘Bil stoppet, kør rundt om kantstenen.’

Når et system støder på noget, det ikke ved, hvad det skal gøre, stopper bilen i mange tilfælde blot.

David Fritz – Vice president of hybrid-physical and virtual systems at Siemens Digital Industries Software

Neuralnetværkshardware

Det meste af den seneste fremgang inden for AI er bygget på neuralnetværksteknologi, som vandt Nobelprisen i fysik i 2024. I modsætning til almindelig computing, som kræver et stift sæt kommandoer for hver situation, kan neuralnetværk tilpasse sig deres træningsbetingelser for at levere den rette respons.

Kilde: Nobel Prize

Dette gør dem iboende bedre til at håndtere “rodet” situationer, hvor input er meget variable, og data altid er noget forvirrende for en computer (“støjende”).

I lang tid er neuralnetværk blevet trænet og kørt på GPU’er, hvor grafikkort er omdannet til AI‑hardware. For nylig udvikles hardware dedikeret til AI og neuralnetværk.

Blandt anden AI‑hardware (som vi diskuterede i detaljer i en dedikeret rapport), er Neural Network Processors (NNP’er) særligt relevante for selvkørende AI. Også kaldet Neural Processing Units (NPU’er) eller neuromorfe chips, kan de fuldføre en operation med kun én beregning i stedet for flere tusinde med generel hardware.

På grund af denne energieffektivitet er NPU’er populære til såkaldt “edge computing”, hvor beregningerne udføres lokalt i stedet for i skyen.

Da selvkørende skal være pålidelige, meget hurtigt reaktive og ikke afhænge af en forbindelse, baserer de sig primært på edge‑computing, der kører et neuralnetværk lokalt, selvom træningen af AI’en blev udført i skyen på forhånd.

Valg af den rette teknologi

Geofencing vs fri kørsel

Hvorfor geofencing

Et stort valg i forhold til teknologi og forretningsstrategi for fremtidige selvkørende bilvirksomheder har været beslutningen om at bruge geofencing eller ej.

Geofencing er, når et selvkørende system specifikt er trænet til kun at fungere i et begrænset geografisk område, som sætter en virtuel grænse for, hvor det autonome kørselsystem kan operere.

Ideen er, at ved at begrænse området kan AI‑systemet lære disse specifikke veje så godt, at det kan stole på at køre sikkert på dem.

“At begrænse området til mere ‘private’ lokationer, eller endda fortove i stedet for veje, kan markant reducere typen af interaktioner, køretøjet vil have med andre objekter, såsom biler, lastbiler, cyklister og fodgængere.”

Robert Day – Director of automotive partnerships for Arm’s Automotive and IoT.

Ved at reducere antallet af tilfælde, AI’en skal håndtere, samt vejene og mulige ruter, reduceres beregningskravene betydeligt, hvilket også påvirker den nødvendige hardware.

 “De begrænsninger, som geofencing giver, har en dyb indvirkning på de kapaciteter, et autonomt køretøj kræver, hvilket påvirker den hardware, der skal drive de autonome systemer.”

Robert Day – Director of automotive partnerships for Arm’s Automotive and IoT.

Dette begrænser dog i høj grad mulighederne for udrulning af autonome køretøjer. Det betyder, at hver ny by kræver, at den selvkørende virksomhed skaber et tilpasset sæt træningsdata, typisk ved manuelt at køre biler i området i flere år før lancering.

Det gør tilgangen ret kostbar.

Det gør også, at selvkørende biler kun er attraktive for robotaxi‑virksomheder, mens individuelle personer sandsynligvis stadig vil have deres egne biler, da de vil ønske at køre uden for de geofence‑områder, som typisk er begrænset til bymidten eller kun én by.

Hvis branchen forbliver fanget i dette paradigme, vil de fleste gevinster, der forventes fra masseadoption af robotaxiere, simpelthen ikke ske.

Juridiske og forretningsmæssige implikationer af geofencing

Samtidig kan en direkte‑til‑fuld selvkørende tilgang uden nogen begrænsning være selvmodsigende.

Det kan forsinke udrulning af autonome tjenester, da det skal være perfekt overalt først, i stedet for at blive udrullet i en begrænset liste af byer først, hvor det allerede kunne nå millioner af brugere.

Et andet problem er regler og love omkring selvkørende systemer. Regulatorer har været tilbageholdende men villige til at acceptere den langsomme udrulning af geofence‑løsninger, især når sikkerheden i en given zone er demonstreret.

Men en global, ubegrænset autorisation af selvkørende biler vil kræve ikke kun lokal godkendelse, men nationale love og reguleringer, som endnu ikke er oprettet.

Da lovgivning ofte bevæger sig meget langsommere end teknologi, kan dette udgøre et alvorligt problem for ubegrænset udrulning af L5‑niveauet af autonomi, selvom alle tekniske problemer allerede er løst.

LIDAR vs kun kameraer

En anden debat i branchen er brugen af LIDAR (light detection and ranging, eller “laser radar”). LIDAR bruger laserstråler til at opdage nærliggende objekter og skaber en real‑time 3D‑model af omgivelserne.

Kilde: Autoweek

LIDAR‑systemer placeres typisk på toppen af de selvkørende biler, hvilket gør dem til en temmelig klodset tilføjelse.

En fordel ved LIDAR er, at den kan se mere end kameraer og udmærker sig i at vurdere afstande, hvilket gør den særligt nyttig til at undgå ulykker ved høje hastigheder. Den kan også fungere perfekt i mørke eller svagt lys.

Kilde: Forbes

Ofte bruges LIDAR i kombination med radar for at opdage objekter selv under vanskelige forhold, som tåge, for eksempel.

De fleste selvkørende teknologier er afhængige af LIDAR for at øge sikkerheden, med undtagelse af Tesla (TSLA ), men det medfører nogle ulemper.

Den første er omkostning. Da de fleste high‑end LIDAR‑systemer koster omkring $70.000‑$80.000, gør dette selvkørende biler ret dyre. Dette vil måske ikke være tilfældet for altid, da der er tegn på, at LIDAR er blevet meget billigere for nylig, især for lav‑end LIDAR‑systemer, hvilket måske gør dem mere kommercielt levedygtige.

“Det handler både om volumen og selve teknologien. Bilindustrien er afhængig af skala for at reducere omkostninger. Når anvendelsesvolumen stiger, falder omkostningerne.

En LiDAR‑enhed, for eksempel, kostede tidligere 30.000 yuan (ca. $4.100), men koster nu kun omkring 1.000 yuan (ca. $138) — et dramatisk fald.

Li Chuanhai – Vice-president of Geely Auto Group

LIDAR er en temmelig kompleks teknologi med mange bevægelige dele (roterende mini‑spejle), hvilket er en af årsagerne til den høje pris, og kan gøre vedligeholdelse og pålidelighed til en udfordring.

Endelig vil enhver AI, der er trænet med LIDAR‑data, sandsynligvis for altid have brug for dem for at fungere godt, da dette krav vil blive indlejret dybt i neuralnetværket. Så enhver virksomhed, der vælger LIDAR til at træne deres selvkørende system, kan ende med at være fanget i denne teknologi fremover.

Hvor sikre skal selvkørende biler være?

Et centralt spørgsmål for både regulatorer og brugere er, hvor sikre en selvkørende bil skal være. I teorien, hvis selvkørende biler er 5‑gange sikrere end en menneskelig fører, bør de hurtigt blive vedtaget og velkomne som et fremskridt.

Men i praksis er folk meget tilbageholdende med at stole på en maskine, der kun er marginalt sikrere end de fejlbehæftede mennesker. Mennesker har også en tendens til at overvurdere deres køreevne.

Så selv når selvkørende systemer i årevis har været meget sikrere end menneskekørte biler (som illustreret af Tesla‑data i 2023), vedvarer opfattelsen af, at enhver ulykke er en “fejl” i AI’en.

Optagelsen af hver ulykke af bilens kameraer og reaktionerne fra mainstream‑ og sociale medier hjælper heller ikke.

Kilde: ARK Invest

Som resultat er det sandsynligt, at den meget høje tærskel på 10‑100‑gange sikrere end en menneskelig fører vil blive påkrævet for autorisation af fuldt ubegrænset L5‑niveau selvkørsel, så den kan slippes løs på alle veje.

Selvkørende virksomheder

Waymo

Når det kommer til faktiske robotaxi‑udrulninger, træder en klar leder frem: Google‑tilknyttede Waymo. I april 2025 rapporterede Waymo allerede 250.000 betalte robotaxi‑ture per uge i USA, primært i Austin, Phoenix og San Francisco Bay Area, med en million kørte mil månedligt.

Waymos succes stammer fra en tidlig start (virksomheden blev lanceret i 2010, med teknologi der går tilbage til 2005), og en meget forsigtig tilgang: deres robotaxiere er geofence‑baserede og er stærkt afhængige af high‑end LIDAR‑systemer, hvilket har vundet kapløbet om sikre autonome ture, selvom de indtil videre er begrænset til få områder.

Dette har hjulpet Waymo med at sikre værdifulde alliancer som et strategisk partnerskab med Toyota, verdens største bilproducent målt på solgte enheder (>10 millioner pr. år).

Toyota og Waymo sigter mod at kombinere deres respektive styrker for at udvikle en ny autonom køretøjsplatform. Parallelt vil virksomhederne undersøge, hvordan de kan udnytte Waymos autonome teknologi og Toyotas køretøjsekspertise til at forbedre næste generations personligt ejede køretøjer (POV’er).

Toyota er forpligtet til at realisere et samfund med nul trafikulykker og blive et mobilitetsfirma, der leverer mobilitet for alle.

Hiroki Nakajima – Executive Vice President of Toyota Motor Corporation (TM )

(Du kan læse mere om Toyota i deres dedikerede investeringsrapport)

Tesla

Den anden store konkurrent i kapløbet om selvkørende biler og robotaxiere er Tesla.

Virksomheden har haft en stor fordel i, at alle deres solgte køretøjer er udstyret med kameraer, som virksomheden forventer er tilstrækkelige til at træne deres AI, uden at kræve LIDAR eller endda radar.

Dette betyder, at Tesla får millioner af miles træningsdata “gratis”, leveret af Tesla‑ejere, der kører i virkelige forhold. I kontrast skal næsten alle andre selvkørende virksomheder betale førere for at køre på rigtige gader i hvert geofence‑område i flere år før lancering, hvilket kraftigt øger omkostningerne.

Kilde: ARK Invest

Dog har udgivelsen af Full Self‑Driving (FSD) fra Tesla været en vedvarende “snart”‑og‑derefter‑forsinket” meddelelse i flere år (fra forventninger om autonome biler i 2018), hvilket har ført til noget hård kritik for at sætte urealistiske forventninger.

Dette kan dog endelig være ved at ændre sig, med Texas, der i august 2025 gav Tesla Robotaxi en tilladelse til at køre en ride‑hailing‑tjeneste, efter en testkørsel i Austin siden juni 2025. Indtil videre er en Tesla‑medarbejder stadig ombord som sikkerhedsovervåger.

Så Tesla er, som altid, kontroversiel, hvor nogle ser Texas‑godkendelsen som det første skridt mod en storskaladeployment af FSD, og den menneskelige sikkerhedsovervåger som et midlertidigt problem, mens andre mener, at Tesla aldrig vil frigive ægte autonome robotaxiere.

Sandheden ligger sandsynligvis et sted midt imellem.

I teorien, hvis mennesker kan bruge kun deres øjne til at køre en bil, kan en AI også gøre det, så kun kameraer bør ikke være et problem på lang sigt. Samtidig har denne ambitiøse strategi, som måske er korrekt på lang sigt, tydeligt hæmmet Teslas kort‑sigtede udrulning, uanset hvor positiv Elon Musk ønsker at være omkring den.

(Du kan læse mere om Tesla i deres dedikerede investeringsrapport)

Baidu

Baidu, Kinas førende søgemaskine, følger i fodsporene på Google med Apollo Go, deres egne selvkørende biler.

Baidu har overgået til fuldt driverløse operationer i flere kinesiske byer, og har fjernet sikkerhedsførere fra deres køretøjer.

Baidu indgik en aftale med Uber i juli 2025 for at bringe deres driverløse biler ud i verden uden for USA og Kina.

De to virksomheder sagde, at det flerårige partnerskab vil se ‘tusinder’ af Baidus Apollo Go autonome køretøjer på Uber globalt.

Baidu leverede allerede 899.000 ture i andet kvartal af 2024. I 2025 vil pilotzonerne udvides til 20 byer.

I 2024 åbnede Baidu deres autonome køretøjsteknologi, hvilket bekræfter en tendens i kinesisk AI‑teknologi mod open source, som illustreret af en lignende bevægelse fra den generelle AI‑sensasjon DeepSeek.

For det amerikanske marked er det usandsynligt, at Baidu vil gøre store fremskridt i lyset af handelskonflikter og bekymringer om brugernes data, men de kan være en seriøs konkurrent til Waymo og Tesla i udlandet, især med støtte fra Uber.

Zoox

Zoox, et datterselskab af Amazon (AMZN ), er let at genkende på grund af deres unikke design, hvor de bygger deres robotaxi som dedikerede køretøjer, adskilt fra de normale bilfunktioner.

Kilde: TechCrunch

Virksomheden har netop opnået en undtagelse fra National Highway Traffic Safety Administration’s udvidede Automated Vehicle Exemption Program, hvilket tillader dem at demonstrere deres specialbyggede robotaxi på offentlige veje. Dette er et vigtigt skridt, da Zoox‑robotaxi mangler væsentlige funktioner i normale biler, såsom rat og pedaler.

Zoox lancerede i juni 2025 deres første produktionslinje for deres køretøjer, med mål om at producere mere end 10.000 robotaxi årligt. Dette følger testene udført i flere amerikanske byer og udvidelsen til flere: Las Vegas, San Francisco Bay Area, Seattle, Austin, Miami, Los Angeles og Atlanta.

Zoox planlægger nu at rulle kommercielle robotaxi‑tilbud ud i Las Vegas, San Francisco og derefter i Austin og Miami i de kommende år.

(Du kan læse mere om Amazon i deres dedikerede investeringsrapport)

WeRide

WeRide er en virksomhed grundlagt i Silicon Valley i 2017 og har hovedkontor i Kina. Virksomheden har foretaget mange tests verden over, især i UAE, et område, hvor den nu udvider takket være et partnerskab med Uber.  Den er også nu i gang med en 24/7 robotaxi i Beijing.

For at løse potentielle synlighedsproblemer om natten er WeRides robotaxi udstyret med mere end 20 sensorer, herunder højpræcisions‑, høj‑dynamik‑kameraer og high‑line lidars over hele køretøjet.

Kombineret med deres multi‑sensor‑fusion algoritme og høj‑yde‑computing platform opnår systemet 360° blind‑spot‑fri dækning i en detektionsrækkevidde på op til 200 m.

Mobileye

Mobileye er et israelsk‑baseret firma, opkøbt af Intel (INTC ) i 2017, og gen‑IPO’et i 2022.

Selvom de har lovende teknologier, kan der brygge problemer i virksomheden, med nyheder i juli 2025 om, at Intel planlægger afskedigelser og at sælge 8 % af sin andel i virksomheden.

Det er muligt, at dette i stedet afspejler mere generelle problemer i Intel, med virksomheden, der afskediger medarbejdere i andre aktiviteter også.

Dette kan dog stadig være et problem for Mobileye, da det vil reducere de midler og den støtte, de kan forvente fra deres moderselskab, hvilket placerer dem i en ulempe i forhold til f.eks. Waymo eller Zoox.

(Du kan læse mere om Intel i deres dedikerede investeringsrapport)

Aurora Innovation

Virksomheden fokuserer mere på driverløse lastbiler, med fokus på motorvejskørsel, som udgør den enorme majoritet af de kørte miles af lastbiler.

I maj 2025 gennemførte Aurora deres første egentlige driverløse kørsel, efter at have registreret tre millioner autonome miles, og transporteret mere end 10.000 kundelaster.

Virksomheden blev grundlagt af Chris Urmson, en tidlig leder i Googles selvkørende bilprojekt, nu velkendt under Waymo‑mærket.

“Jeg cruiser ned ad motorvejen med 65 miles i timen, ikke bag rattet, men på bagsædet, mens jeg ser landskabet udfolde sig, mens en lastbil med kager bliver kørt af den teknologi, jeg hjalp med at skabe.”

Aurora planlægger at udvide deres driverløse service til El Paso, Texas, og Phoenix, Arizona, inden udgangen af 2025.

The Ones That Gave Up

Efterhånden som de succesfulde virksomheder nu får det til at se ud som om, at det blot er et spørgsmål om udholdenhed at vinde kapløbet om selvkørende, er det værd at huske på de projekter, der døde undervejs:

• General Motors opgav Cruise i december 2024 (GM ).
• Apple opgav sine egne selvkørende planer i april 2024. (AAPL )
• Uber solgte sit driverløse bilsegment til Aurora Technologies i 2020.

Non‑Car Self‑driving

Der er mange virksomheder, der arbejder på selvkørende, men fokuserer på systemer andre end biler.

For eksempel er små leveringsrobotter, teknisk set selvkørende køretøjer, små nok til at undgå regulering rettet mod biler. Indtil videre er lederne inden for rullende robotter Estisk Starship Technologies, lanceret af Skype‑medstiftere, og den kinesiske e‑commerce‑gigant Alibaba ; begge har antaget et lille og harmløst design, der ikke er så forskelligt fra Star Wars‑droiderne.

Kilde: Starship

På grund af regulatoriske årsager og den store påvirkning af enhver ulykke med tunge køretøjer, er autonome lastbiler stadig afhængige af menneskelig input, med virksomheder som Kodiak, Gatik, og Pony.ai som følger Aurora Innovations eksempel.

En anden idé er at stole på flyvende droner til at udføre levering af små og lette genstande. Indtil videre er lederen klart Zipline, efterfulgt af Wing og Meituan (3690.HK). Dette kunne være en sand revolution, men det står over for endnu flere regulatoriske hindringer end selvkørende leveringslastbiler, så det kan være langsommere at blive implementeret i stor skala.

Kilde: ARK Invest

Conclusion

Efter år med langsom bevægelse trods “snarlige” fuldt selvkørende biler håbet på af Elon Musk og andre ledere i feltet, er 2025 et klart accelerationspunkt for selvkørende teknologi.

Mange byer, der tog chancen tidligt, har nu robotaxiere, der rutinemæssigt kører på deres gader, og sænker prisen på ride‑hailing.

Indtil videre ser det ud til, at USA og Kina er de to lande, der er førende globalt, både i form af virksomheder, der leder feltet, og i form af mere fleksibel regulering, med den positive feedback‑loop mellem innovation og en velkomment reguleringsramme som et sandsynligt værdifuldt casestudie for økonomer i fremtiden.

For nu er visionen om begrænsede, geofence‑baserede og langsomt udrulende robotaxiere med et fuldt sæt af kameraer, LIDAR, radarer og andre sensorer ser ud til at have været den vindende kombination for fuldstændigt at fjerne behovet for førere.

Dette har i høj grad gavnet Waymo med deres forsigtige tilgang, med Zoox og mange andre virksomheder i hælene og indhenter hurtigt.

Samtidig forfølger Tesla stadig sine drømme om en generel “fuld selvkørsel” teknologi, der kan køre på enhver vej og kun stole på kameraer, ideelt set gennem en simpel softwareopgradering på alle eksisterende Tesla‑biler. Dette er et risikabelt væddemål, men også en interessant idé, som ser ud til at være den eneste, der sandsynligvis vil levere ubegrænset selvkørsel inden længe.

Geofence‑teknologi vil sandsynligvis kun blive udrullet meget langsomt globalt, trin for trin, og vil være begrænset til at konkurrere med traditionelle taxitjenester i store byer. Dette efterlader en stor del af den potentielle multi‑billion‑dollar‑præmie fra “rigtige” robotaxiere, der kan erstatte bilejerskab med ultra‑billige, 24/7 tilgængelige EV‑ture, på bordet.

Så sandt efter sin virksomhedskultur kan Tesla være den ultimative vinder og skabe et helt nyt massivt marked og revolutionere, hvad en bil betyder, endnu en gang, men kun hvis de kan løse en tilsyneladende uoverstigelig teknisk udfordring.