Transporte
2025: El año en que los coches autónomos se vuelven masivos?
Añade Securities.io a tus fuentes preferidas en Google
¿Cuándo llegarán los coches autónomos?
Cuando se trata de tecnologías disruptivas que parecen estar a la vuelta de la esquina, pocas parecen tan impactantes para la economía y la sociedad en general como la autonomía o los “coches sin conductor”, salvo, por supuesto, quizá la AGI (Inteligencia General Artificial).
Esto se debe al enorme número de empleos y tareas que requieren que los humanos conduzcan vehículos. Esto comienza con los trabajos de conducción, como taxistas, servicios de entrega, conductores de camiones, etc. Pero, más fundamentalmente, la mayor parte de la población mundial realiza esa tarea sin recibir pago, a menudo desperdiciando horas de su día, todos los días, detrás del volante.
Esto representa una pérdida masiva de productividad que pesa sobre la economía, nuestra vida diaria y la cultura. Por eso, ya en 2023, se proyectó que los robotaxis generarían hasta un billón de dólares en ingresos.
Sin embargo, desarrollar vehículos verdaderamente autónomos es difícil, y hasta ahora, el transporte totalmente automatizado aún no ha llegado a las carreteras. ¿Qué tan cerca estamos del despliegue a gran escala de vehículos autónomos?
Potencial masivo de los coches autónomos
Detrás de la idea está el hecho económico central de que los robotaxis podrían reducir la necesidad de poseer un coche, siempre que los viajes sean lo suficientemente baratos.
Esto puede crear un bucle de retroalimentación positivo, donde tarifas bajas aumentan la demanda, lo que incrementa la utilización de los robotaxis, amortizando aún más los costos de capital, reduciendo precios, lo que a su vez aumenta la demanda, etc.
Se señala que si los proveedores de servicios pueden bajar esto a 0,25 USD por milla, los servicios de taxis autónomos serán “más rentables que el 95 % de los viajes de corta distancia”.
La economía de la autonomía es aún más directa si puede abordar el transporte de carga como camiones y barcos. Aquí, los conductores y tripulaciones son simplemente costos a eliminar de la estructura empresarial si los sistemas autónomos son lo suficientemente fiables como para reemplazarlos.
Fuente: ARK Invest
En conjunto, no hay duda de que los vehículos autónomos serían generadores masivos de dinero, lo que también explica por qué tantas empresas tecnológicas están invirtiendo decenas de miles de millones en desarrollar esta tecnología. Pero parece que es un rompecabezas difícil de resolver.
Construyendo la pila tecnológica de los coches autónomos
Tecnologías de apoyo
Antes de discutir el núcleo de los vehículos autónomos, la IA que los dirige, podemos comentar brevemente por qué la última década ha hecho que los coches autónomos, pero también drones y otros dispositivos, sean económicamente viables.
Una razón es la caída de los costos de sensores y potencia de cómputo. Es fácil olvidar que el primer iPhone se lanzó solo en 2007, y que un teléfono con buena cámara y que funcionara como una mini‑ordenador era una revolución en ese momento, hace menos de 20 años.
Desde entonces, la óptica, los sensores, los chips y otros componentes electrónicos solo se han vuelto más baratos, más potentes y más fiables.
El auge de los vehículos eléctricos desde el primer Tesla Roadster en 2008 también ha cambiado cómo funcionan los vehículos. El nuevo coche eléctrico puede proporcionar una enorme cantidad de energía eléctrica desde su gran batería y tren motriz, haciendo que el suministro de energía de los chips autónomos y sus sensores sea casi un asunto trivial.
Los coches eléctricos también son mucho más fiables mecánicamente, pueden recorrer distancias mucho mayores con menos desgaste, y su combustible es en general mucho más barato por milla, lo que los convierte en los “robotaxis” perfectos que pueden conducir todo el día para muchos usuarios. En comparación, la tecnología autónoma tendría una economía mucho peor si tuviera que depender de coches con motor de combustión interna (ICE).
En general, los coches de hoy ya son prácticamente una computadora sobre ruedas, con entre 300 y 1 000 chips por coche, y algunos EVs llegan hasta 3 000 chips por coche. Solo les falta el “cerebro” para conducirse a sí mismos.
Fuente: Polar Semi
Entendiendo las carreteras
Para las funciones más básicas, como identificar la carretera a tomar del punto A al punto B, la mayoría de las IA de conducción autónoma pueden realizar la tarea perfectamente desde hace más de una década, especialmente desde la adopción masiva de GPS y aplicaciones de “Mapas” que proporcionan los datos necesarios.
La parte complicada es que el coche entienda qué está cambiando en la carretera: condiciones climáticas, otros coches, peatones, bicicletas, animales, etc.
Aquí, también, el caso general se resolvió relativamente rápido, con sistemas que permiten “conducción asistida” en autopistas, un entorno mucho menos desafiante, ya disponible en la mayoría de los coches de alta gama.
Pero situaciones más complejas, como zonas de construcción, áreas del centro, la presencia de peatones y accidentes de tráfico, son más difíciles de manejar.
Generalmente, los sistemas autónomos se clasifican a lo largo de un espectro, desde mera asistencia para mantener la velocidad estable y aparcar, hasta el vehículo autónomo perfecto idealizado. El último nivel, L5, o automatización total que no requiere conductor, sigue siendo esquivo.
Fuente: MobileEye
Normalmente, el fracaso para alcanzar el nivel L5 de autonomía proviene de casos raros que confunden a la IA. Por ejemplo, una computadora podría tener dificultades para entender la situación de un coche en un aparcamiento de varios niveles:
“El vehículo pensó que los coches estacionados en el garaje bloqueaban la carretera. Pensó, ‘Coche detenido, rodear la acera.’
Cuando un sistema se encuentra con algo y no sabe qué hacer al respecto, en muchos casos, el coche simplemente deja de moverse.
Hardware de redes neuronales
La mayor parte del progreso reciente en IA se ha construido sobre la tecnología de redes neuronales, que ganó el Premio Nobel de Física 2024. A diferencia de la computación ordinaria, que requiere un conjunto rígido de comandos para cada situación, las redes neuronales pueden adaptarse a sus condiciones de entrenamiento para proporcionar la respuesta adecuada.
Fuente: Nobel Prize
Esto los hace inherentemente mejores para manejar situaciones “desordenadas”, donde las entradas son altamente variables y los datos siempre son algo confusos para una computadora (“ruidosos”).
Durante mucho tiempo, las redes neuronales se entrenaron y ejecutaron en GPUs, reutilizando tarjetas gráficas de computadora como hardware de IA. Más recientemente, se está desarrollando hardware dedicado a IA y redes neuronales.
Entre otros hardware de IA (que discutimos en detalle en un informe dedicado), los Procesadores de Redes Neuronales (NNP) son especialmente relevantes para la IA de conducción autónoma. También llamados Unidades de Procesamiento Neural (NPU) o chips neuromórficos, pueden completar una operación con solo un cálculo en lugar de varios miles con hardware generalista.
Debido a esta eficiencia energética, las NPU son populares para la llamada “computación en el borde”, donde los cálculos se realizan in situ en lugar de en la nube.
Como la conducción autónoma necesita ser fiable, muy reactiva y no depender de una conexión, se basa mayormente en la computación en el borde ejecutando una red neuronal localmente, incluso si el entrenamiento de la IA se realizó previamente en la nube.
Eligiendo la tecnología adecuada
Geofencing vs Conducción libre
Por qué Geofencing
Una elección importante en términos de tecnología y estrategia empresarial para las futuras compañías de coches autónomos ha sido la decisión de usar geofencing o no.
El geofencing es cuando un sistema autónomo se entrena específicamente para operar solo en un área geográfica limitada, estableciendo una frontera virtual para donde el sistema de conducción autónoma puede operar.
La idea es que al limitar el área, el sistema de IA pueda aprender lo suficientemente bien estas carreteras en particular para ser confiable al conducir de forma segura en ellas.
“Limitar el área a ubicaciones más ‘privadas’, o incluso aceras versus carreteras, puede reducir significativamente el tipo de interacciones que el vehículo tendrá con otros objetos, como coches, camiones, ciclistas y peatones.”
Robert Day – Director de asociaciones automotrices para Automotive e IoT de Arm.
Al reducir el número de casos que la IA necesita manejar, así como la carretera y los posibles caminos, se reduce enormemente la computación requerida, lo que también impacta el hardware necesario.
“El límite que proporciona el geofencing tiene un efecto profundo en las capacidades que un vehículo autónomo requiere, lo que impacta el hardware necesario para alimentar los sistemas autónomos.”
Robert Day – Director de asociaciones automotrices para Automotive e IoT de Arm.
Sin embargo, esto limita severamente las posibilidades de despliegue de los vehículos autónomos. Significa que cada nueva ciudad requiere que la compañía de conducción autónoma cree un conjunto personalizado de datos de entrenamiento, generalmente conduciendo manualmente los coches en esas áreas durante varios años antes del lanzamiento.
Esto hace que el enfoque sea bastante costoso.
También hace que los coches autónomos solo sean atractivos para compañías de robotaxis, mientras que las personas probablemente seguirán necesitando sus propios coches, ya que querrán conducir ocasionalmente fuera de las áreas geofenciadas, que usualmente se limitan al centro de la ciudad o a una sola ciudad.
Si la industria permanece atrapada en este paradigma, la mayor parte de los beneficios esperados de la adopción masiva de robotaxis simplemente no se materializará.
Implicaciones legales y empresariales del Geofencing
Al mismo tiempo, optar por una conducción totalmente autónoma sin ninguna limitación puede ser autodestructivo.
Puede retrasar el despliegue de servicios autónomos, ya que necesita ser perfecta en todas partes primero, en lugar de desplegarse en una lista limitada de ciudades primero, donde ya podría alcanzar a millones de usuarios.
Otro problema son las normas y leyes alrededor de los sistemas autónomos. Los reguladores han sido reacios pero dispuestos a aceptar el despliegue lento de soluciones geofenciadas, especialmente cuando se ha demostrado la seguridad en una zona dada.
Pero una autorización global e ilimitada de coches autónomos requerirá no solo aprobación local, sino leyes y regulaciones a nivel nacional que aún no se han creado.
Como la legislación a menudo avanza mucho más despacio que la tecnología, esto podría representar un serio problema para el despliegue ilimitado del nivel L5 de autonomía, incluso si todos los problemas técnicos ya están resueltos.
LIDAR vs Solo cámaras
Otro debate en la industria es el uso de LIDAR (detección y rango de luz, o “radar láser”). El LIDAR usa haces láser para detectar objetos cercanos, creando un modelo 3D en tiempo real de su entorno.
Fuente: Autoweek
Los sistemas LIDAR suelen colocarse en la parte superior de los coches autónomos, lo que representa una adición bastante voluminosa.
Una ventaja del LIDAR es que puede ver más que las cámaras, y sobresale en la evaluación de distancias, lo que lo hace especialmente útil para evitar accidentes a altas velocidades. También puede operar perfectamente en la oscuridad o en condiciones de poca luz.
Fuente: Forbes
Con frecuencia, el LIDAR se usa junto con radar para detectar objetos incluso en condiciones difíciles, como niebla, por ejemplo.
La mayoría de la tecnología de conducción autónoma depende del LIDAR para aumentar la seguridad, con la excepción de Tesla (TSLA ), pero tiene algunos inconvenientes.
El primero es el costo. Dado que la mayoría de los sistemas LIDAR de alta gama cuestan alrededor de 70.000‑80.000 USD, esto hace que los coches autónomos sean bastante caros. Esto podría no ser siempre así, ya que hay señales de que el LIDAR se ha vuelto mucho más barato recientemente, especialmente para LIDAR de bajo costo, tal vez haciéndolos más viables comercialmente.
“Se trata tanto del volumen como de la propia tecnología. La industria automotriz depende de la escala para reducir costos. Cuando el volumen de aplicaciones aumenta, los costos disminuyen.
Una unidad LIDAR, por ejemplo, solía costar 30.000 yuanes (aproximadamente 4.100 USD), pero ahora cuesta solo alrededor de 1.000 yuanes (aproximadamente 138 USD), una disminución dramática.”
El LIDAR es una tecnología bastante compleja con muchas piezas móviles (espejos mini‑rotatorios), lo que es una razón del alto costo, y puede hacer que el mantenimiento y la fiabilidad sean un problema.
Por último, cualquier IA entrenada con datos LIDAR probablemente necesitará siempre LIDAR para funcionar bien, ya que este requisito quedará incrustado profundamente en la red neuronal. Así que cualquier empresa que elija LIDAR para entrenar su sistema autónomo podría quedar atrapada con él en el futuro.
¿Qué tan seguro deben ser los coches autónomos?
Una pregunta clave tanto para reguladores como para usuarios es cuán seguro debe ser un coche autónomo. En teoría, si los coches autónomos son 5 veces más seguros que un conductor humano, deberían ser adoptados rápidamente y bien recibidos como un progreso.
Sin embargo, en la práctica, la gente es muy reacia a confiar en una máquina que solo es marginalmente más segura que los humanos propensos a errores. Los humanos también tienden a sobreestimar su capacidad de conducción.
Así que incluso cuando los sistemas autónomos han sido mucho más seguros que los coches conducidos por humanos durante años (como ilustran los datos de Tesla en 2023), persiste la percepción de que cualquier accidente es un “fallo” de la IA.
El registro de cada accidente por las cámaras del coche, y las reacciones de los medios tradicionales y sociales, tampoco ayudan.
Fuente: ARK Invest
Como resultado, es probable que se requiera un umbral muy alto de 10 x‑100 x más seguro que un conductor humano para autorizar la conducción totalmente sin restricciones de nivel L5 en todas las carreteras.
Empresas de conducción autónoma
Swipe to scroll →
| Empresa | Mercado principal | Enfoque tecnológico | Estado de despliegue |
|---|---|---|---|
| Waymo | Robotaxi | Geofenced, LIDAR + radar | ~250 000 viajes pagados/semana en ciudades estadounidenses seleccionadas |
| Tesla | EV de consumo + Robotaxi | Solo cámaras | Piloto en Texas; conductor de seguridad a bordo |
| Baidu | Robotaxi | Multisensor (incl. LIDAR) | Operaciones sin conductor en China; asociación con Uber |
| Zoox | Robotaxi personalizado | Sin ruedas/pedales, LIDAR | Exención de NHTSA; pruebas en múltiples ciudades estadounidenses |
| Aurora Innovation (AUR ) | Camiones de carga | Autonomía en autopista | Primera carrera totalmente sin conductor (mayo 2025) |
| WeRide (WRD ) | Robotaxi | Fusión multisentor incl. LIDAR de alta línea | Piloto 24/7 en Pekín; expansión a Emiratos Árabes Unidos |
| Mobileye | ADAS y pila autónoma | Cámara primero, mapeo REM HD | Amplia presencia OEM; autonomía en evolución |
Waymo
GOOGL Gráfico de precios
Cuando se trata de robotaxis reales desplegados, está emergiendo un líder claro: Waymo, vinculada a Google. En abril de 2025, Waymo ya estaba informando 250.000 viajes pagados de robotaxi por semana en EE. UU., principalmente en Austin, Phoenix y el Área de la Bahía de San Francisco, con un millón de millas conducidas mensualmente.
El éxito de Waymo proviene de un inicio temprano (la compañía se lanzó en 2010, con tecnología que se remonta a 2005), y de un enfoque muy cauteloso: sus robotaxis están geofenciados y dependen en gran medida de sistemas LIDAR de alta gama, ganando la carrera por un viaje autónomo seguro, aunque limitado a pocas áreas hasta ahora.
Esto ha ayudado a Waymo a asegurar alianzas valiosas como una asociación estratégica con Toyota, el mayor fabricante de automóviles del mundo por unidades vendidas (>10 millones al año).
Toyota y Waymo buscan combinar sus respectivas fortalezas para desarrollar una nueva plataforma de vehículo autónomo. Paralelamente, las compañías explorarán cómo aprovechar la tecnología autónoma de Waymo y la experiencia vehicular de Toyota para mejorar los vehículos de próxima generación de propiedad personal (POV).
Toyota está comprometida a lograr una sociedad sin accidentes de tráfico y a convertirse en una empresa de movilidad que ofrezca movilidad para todos.
Hiroki Nakajima – Executive Vice President of Toyota Motor Corporation (TM )
(Puedes leer más sobre Toyota en su informe de inversión dedicado)
Tesla
TSLA Gráfico de precios
El otro gran contendiente en la carrera por los coches autónomos y los robotaxis es Tesla.
La compañía tiene una gran ventaja en que todos sus vehículos vendidos están equipados con cámaras que la empresa espera que sean suficientes para entrenar su IA, sin requerir LIDAR, o incluso radares.
Esto significa que Tesla obtiene millones de millas de datos de entrenamiento “gratis”, proporcionados por los compradores de Teslas que conducen en condiciones del mundo real. En contraste, casi todas las demás compañías de conducción autónoma necesitan pagar a conductores para que conduzcan en calles reales durante años en cada área geofenciada, lo que aumenta enormemente los costos.
Fuente: ARK Invest
Sin embargo, el lanzamiento de Full Self-Driving (FSD) por parte de Tesla ha sido un anuncio perpetuamente “próximo” y luego retrasado durante varios años (desde las expectativas de coches autónomos disponibles en 2018), lo que ha llevado a críticas severas por establecer expectativas poco realistas.
Sin embargo, esto podría estar cambiando finalmente, con Texas concediendo a Tesla Robotaxi un permiso para operar un servicio de transporte en agosto de 2025, después de una prueba en Austin desde junio de 2025. Por ahora, un empleado de Tesla sigue a bordo como monitor de seguridad.
Así que Tesla es, como siempre, controvertido, con algunos que ven la aprobación de Texas como el primer paso hacia el despliegue a gran escala de FSD, y el monitor de seguridad humano como un problema temporal, mientras que otros creen que Tesla nunca lanzará robotaxis verdaderamente autónomos.
La verdad probablemente está en algún punto intermedio.
En teoría, si los humanos pueden usar solo sus ojos para conducir un coche, también puede hacerlo una IA, por lo que usar solo cámaras no debería ser un problema permanente. Al mismo tiempo, esta estrategia ambiciosa, que podría ser correcta a largo plazo, ha obstaculizado claramente el despliegue a corto plazo de Tesla, sin importar cuán positivo quiera Elon Musk presentarlo.
(Puedes leer más sobre Tesla en su informe de inversión dedicado)
Baidu
Baidu, el motor de búsqueda líder de China, está siguiendo los pasos de Google con Apollo Go, sus propios coches autónomos.
Baidu ha pasado a operaciones totalmente sin conductor en varias ciudades chinas, eliminando los conductores de seguridad de sus vehículos.
Baidu hizo un acuerdo con Uber en julio de 2025 para llevar sus coches sin conductor al mundo fuera de EE. UU. y China.
Las dos compañías dijeron que la asociación multianual verá “miles” de vehículos Apollo Go autónomos de Baidu en Uber a nivel global.
Baidu ya proporcionó 899 000 viajes en el segundo trimestre de 2024. En 2025, las zonas piloto se ampliarán a 20 ciudades.
En 2024, Baidu abrió su código fuente de tecnología de conducción autónoma, confirmando una tendencia de la IA china hacia el código abierto, como ilustra un movimiento similar del fenómeno de IA generalista DeepSeek.
Para el mercado de EE. UU., Baidu probablemente no hará mucho progreso en el contexto de tensiones comerciales y preocupaciones sobre los datos de los usuarios, pero podría ser un serio contendiente a Waymo y Tesla en el extranjero, especialmente con el apoyo de Uber.
Zoox
AMZN Gráfico de precios
Zoox, una subsidiaria de Amazon (AMZN ), es fácil de identificar por su diseño único, construyendo su robotaxi como vehículos dedicados alejados de las características normales de un coche regular.
Fuente: TechCrunch
La compañía acaba de obtener una exención del Programa de Exención de Vehículos Automatizados ampliado de la NHTSA, lo que le permite demostrar sus robotaxis construidos a medida en vías públicas. Este es un paso importante ya que los robotaxis de Zoox carecen de características esenciales de los coches normales, como volante y pedales.
Zoox lanzó en junio de 2025 su primera línea de producción para sus vehículos, con el objetivo de producir más de 10.000 robotaxis al año. Esto sigue a las pruebas realizadas en varias ciudades estadounidenses y la expansión a más: Las Vegas, Área de la Bahía de San Francisco, Seattle, Austin, Miami, Los Ángeles y Atlanta.
Zoox ahora planea lanzar ofertas comerciales de robotaxi en Las Vegas, San Francisco y luego en Austin y Miami en los próximos años.
(Puedes leer más sobre Amazon en su informe de inversión dedicado)
WeRide
WRD Gráfico de precios
WeRide es una empresa fundada en Silicon Valley en 2017 y tiene su sede en China. La compañía ha realizado muchas pruebas alrededor del mundo, notablemente en los Emiratos Árabes Unidos, una zona donde ahora se está expandiendo gracias a una asociación con Uber. También está desplegando un robotaxi 24/7 en Pekín.
Para abordar posibles problemas de visibilidad por la noche, el robotaxi de WeRide está equipado con más de 20 sensores, incluidas cámaras de alta precisión y alto rango dinámico y lidars de alta línea en todo el vehículo.
Combinado con su algoritmo de fusión multisenor y plataforma de computación de alto rendimiento, el sistema logra una cobertura sin puntos ciegos de 360° en un rango de detección de hasta 200 m.
Mobileye
INTC Gráfico de precios
Mobileye es una empresa con sede en Israel, adquirida por Intel (INTC ) en 2017, y volvió a cotizar en 2022.
Aunque cuenta con tecnologías prometedoras, podrían estar surgiendo problemas en la compañía, con noticias en julio de 2025 de que Intel planea despidos y vender el 8 % de su participación en la empresa.
Es posible que esto refleje problemas más generales en Intel, con la compañía despidiendo empleados en otras actividades también.
Esto podría, sin embargo, seguir siendo un problema para Mobileye, ya que reduciría la cantidad de fondos y respaldo que puede esperar de su empresa matriz, poniéndola en desventaja frente a Waymo o Zoox, por ejemplo.
(Puedes leer más sobre Intel en su informe de inversión dedicado)
Aurora Innovation
La compañía está más enfocada en camiones sin conductor, con un enfoque en la conducción por autopista, que constituye la inmensa mayoría del kilometraje recorrido por los camiones.
En mayo de 2025, Aurora realizó su primera carrera verdaderamente sin conductor, después de haber registrado tres millones de millas autónomas, transportando más de 10 000 cargas de clientes.
La compañía fue fundada por Chris Urmson, un líder temprano del proyecto de coche autónomo de Google, ahora bien conocido bajo la marca Waymo.
“Estoy recorriendo la autopista a 65 millas por hora, no detrás del volante, sino en el asiento trasero, observando el paisaje mientras una carga de pasteles es conducida por la tecnología que ayudé a crear.”
Aurora planea expandir su servicio sin conductor a El Paso, Texas, y Phoenix, Arizona, para finales de 2025.
The Ones That Gave Up
Como las empresas exitosas ahora hacen que parezca que solo es cuestión de perseverancia ganar la carrera de la conducción autónoma, vale la pena recordar los proyectos que murieron en el camino:
- General Motors abandonó Cruise en diciembre de 2024 (GM ).
- Apple abandonó sus planes de conducción autónoma en abril de 2024. (AAPL )
- Uber vendió su segmento de coches sin conductor a Aurora Technologies en 2020.
Conducción autónoma sin coche
Hay muchas empresas trabajando en conducción autónoma, pero enfocándose en sistemas distintos a los coches.
Por ejemplo, pequeños robots de entrega, técnicamente vehículos autónomos, son lo suficientemente pequeños para escapar de la regulación dirigida a coches. Por ahora, los líderes en robots rodantes son Starship Technologies de Estonia, lanzada por los co‑fundadores de Skype, y el gigante chino del comercio electrónico Alibaba ; ambos han adoptado un diseño pequeño e inofensivo no muy distinto a los droides de Star Wars.
Fuente: Starship
Debido a razones regulatorias y al enorme impacto de cualquier accidente con vehículos pesados, los camiones autónomos aún dependen de la intervención humana, con compañías como Kodiak, Gatik, y Pony.ai siguiendo el ejemplo de Aurora Innovation.
Otra idea es confiar en drones voladores para realizar la entrega de artículos pequeños y lo suficientemente ligeros. Hasta ahora, el líder es claramente Zipline, seguido por Wing y Meituan (3690.HK). Esto podría ser una verdadera revolución, pero enfrenta incluso más obstáculos regulatorios que los camiones de entrega autónomos, por lo que podría ser más lento de desplegar a gran escala.
Fuente: ARK Invest
Conclusión
Después de años de movimiento lento a pesar de los “inminentes” coches totalmente autónomos esperados por Elon Musk y otros líderes del sector, 2025 es un claro punto de aceleración para la tecnología de conducción autónoma.
Muchas ciudades que se arriesgaron temprano ahora tienen robotaxis circulando rutinariamente por sus calles, reduciendo el precio de los servicios de transporte bajo demanda.
Hasta ahora, parece que EE. UU. y China son los dos países líderes a nivel global, tanto en términos de compañías que lideran el campo, como en regulaciones más flexibles, con el bucle de retroalimentación positiva entre innovación y un marco regulatorio acogedor probablemente siendo un caso de estudio valioso para economistas en el futuro.
Por ahora, la visión de robotaxis limitados, geofenciados y desplegados lentamente con un conjunto completo de cámaras, LIDAR, radares y otros sensores parece haber sido la combinación ganadora para no necesitar conductores.
Esto ha beneficiado enormemente a Waymo con su enfoque cauteloso, con Zoox y muchas otras compañías a su alrededor y alcanzando rápidamente.
Mientras tanto, Tesla sigue persiguiendo sus sueños de una tecnología “full self‑driving” general que pueda conducir cualquier carretera y dependa únicamente de cámaras, idealmente mediante una simple actualización de software en todos los Teslas existentes. Es una apuesta arriesgada, pero también una idea interesante que parece ser la única que podría ofrecer conducción autónoma ilimitada pronto.
La tecnología geofenciada probablemente se desplegará muy lentamente a nivel global, paso a paso, y se limitará a competir con los servicios de taxi tradicionales en grandes ciudades. Esto deja sobre la mesa gran parte del premio potencial de varios billones de dólares de los “verdaderos” robotaxis capaces de reemplazar la propiedad de automóviles mediante viajes eléctricos ultra baratos, 24/7 y ubicuos.
Así, fiel a su cultura empresarial, Tesla podría ser el ganador definitivo y crear un mercado masivo completamente nuevo y revolucionar lo que significa un coche, una vez más, pero solo si puede resolver un desafío técnico aparentemente insuperable.
