Transporte
2025: ¿El año en que los coches autónomos se generalizarán?
Securities.io mantiene rigurosos estándares editoriales y podría recibir una compensación por los enlaces revisados. No somos asesores de inversiones registrados y esto no constituye asesoramiento de inversión. Consulte nuestra divulgación de afiliados.
¿Cuándo llegarán los coches autónomos?
Cuando se trata de tecnologías disruptivas que parecen estar a la vuelta de la esquina, pocas parecen tener tanto impacto para la economía y la sociedad en general como la conducción autónoma o “sin conductor”, excepto, por supuesto, tal vez la AGI (Inteligencia General Artificial).
Esto se debe a la enorme cantidad de trabajos y tareas que requieren que las personas conduzcan vehículos. Esto comienza con los trabajos de conducción, como taxistas, repartidores, camioneros, etc. Pero, fundamentalmente, la mayor parte de la población mundial realiza esta tarea sin remuneración, a menudo desperdiciando horas de su jornada. diario, detrás de la rueda.
Esto representa una pérdida masiva de productividad que afecta la economía, nuestra vida cotidiana y la cultura. Por eso, ya en 2023, se proyectaba que los robotaxis generarían hasta cuatro trillón dólares en ingresos.
Sin embargo, desarrollar vehículos verdaderamente autónomos es difícil, y hasta el momento, el transporte totalmente automatizado aún no ha llegado a las carreteras. ¿Qué tan cerca estamos del despliegue a gran escala de vehículos autónomos?
El enorme potencial de la conducción autónoma
De vuelta en 2023, El informe “Big Ideas” de ARK Invest proyectó enormes ingresos potenciales para robotaxis, con ingresos proyectados de hasta 9 billones de dólares para 2030..
Detrás de la idea está el hecho económico central de que los robotaxis podrían reducir la necesidad de poseer un automóvil, siempre que los viajes sean lo suficientemente baratos.
Esto puede crear un ciclo de retroalimentación positiva, donde las tarifas baratas aumentan la demanda, lo que aumenta la utilización de los robotaxis, amortizando aún más los costos de capital, reduciendo los precios, lo que aumenta aún más la demanda, etc.
Señala que si los proveedores de servicios pueden reducir este precio a 0.25 dólares por milla, los servicios de taxis autónomos... “ser más rentable que el 95% de los viajes de corta distancia”.
La economía de la conducción autónoma es aún más sencilla si se puede gestionar el transporte de mercancías como camiones y barcos. En este caso, los conductores y las tripulaciones son simplemente costes que deben eliminarse de la estructura empresarial si los sistemas autónomos son lo suficientemente fiables como para sustituirlos.
Fuente: ARCA invertir
En resumen, no cabe duda de que los vehículos autónomos generarían enormes ingresos, razón por la cual tantas empresas tecnológicas han invertido decenas de miles de millones en el desarrollo de esta tecnología. Sin embargo, parece ser un rompecabezas difícil de resolver.
Construyendo la pila tecnológica de conducción autónoma
Técnicos de apoyo
Antes de analizar el núcleo de los vehículos autónomos, la IA que los dirige, podemos explicar brevemente por qué la última década ha hecho que los coches autónomos, pero también los drones y otros artículos, sean económicamente viables.
Una razón es el desplome de los costes de los sensores y la potencia de procesamiento. Es fácil olvidar que el primer iPhone se lanzó en 2007, y que un teléfono con una buena cámara y que funcionara como una minicomputadora fue una revolución en aquel entonces, hace menos de 20 años.
Desde entonces, la óptica, los sensores, los chips y otros componentes electrónicos 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 transformado el funcionamiento de los vehículos. El nuevo coche eléctrico puede proporcionar una cantidad ingente de energía eléctrica gracias a su enorme batería y sistema de propulsión, lo que convierte el suministro de energía de los chips de conducción autónoma y sus sensores en una tarea prácticamente trivial.
Los coches eléctricos también son mucho más fiables mecánicamente, capaces de recorrer distancias mucho más largas con menor desgaste, y su combustible es, en general, mucho más económico por kilómetro, lo que los convierte en el "robotaxis" perfecto para conducir todo el día para muchos usuarios. En comparación, la tecnología de conducción autónoma tendría una rentabilidad mucho menor si tuviera que depender de vehículos con motor de combustión interna (ICE).
En general, los coches actuales ya son prácticamente una computadora sobre ruedas, con entre 300 y 1,000 chips por coche, y algunos vehículos eléctricos tienen hasta 3,000 chips por coche. Solo les falta el "cerebro" para conducirse solos.
Fuente: Polar Semi
Entendiendo las carreteras
Para las funciones más básicas, como identificar el camino a tomar del punto A al punto B, la mayoría de las IA autónomas son perfectamente capaces de realizar la tarea durante más de una década, especialmente desde la adopción masiva de GPS y aplicaciones de “Mapas” que proporcionan los datos necesarios.
Lo complicado es que el coche entienda qué está cambiando en la carretera: las condiciones meteorológicas, otros coches, peatones, bicicletas, animales, etc.
También en este caso el caso general se resolvió con relativa rapidez, con sistemas que permiten una “conducción asistida” en autopistas, un entorno mucho menos desafiante, que ya ofrecen la mayoría de los automóviles de alta gama.
Pero situaciones más complejas, como zonas de construcción, zonas céntricas, presencia de peatones y accidentes de tráfico, son más difíciles de afrontar.
Generalmente, los sistemas de conducción autónoma se clasifican en un espectro que va desde la simple asistencia para mantener la velocidad y estacionar, hasta el vehículo autónomo idealizado. El último nivel, L5, o la automatización completa sin conductor, aún es difícil de alcanzar.
Fuente: ojo móvil
Normalmente, no alcanzar el nivel de autonomía L5 se debe a casos excepcionales que confunden a la IA. Por ejemplo, una computadora podría tener dificultades para comprender la situación de un coche en un estacionamiento de varios niveles:
El vehículo creyó que los coches aparcados en el estacionamiento bloqueaban la calle. Pensó: "Coche parado, rodee la acera".
Cuando un sistema detecta algo y no sabe qué hacer, en muchos casos el coche simplemente deja de moverse”.
Hardware de redes neuronales
La mayor parte del progreso reciente logrado en IA se ha basado en Tecnología de redes neuronales, que ganó el Premio Nobel de Física 2024A diferencia de la informática convencional, 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: Premio Nobel
Esto los hace inherentemente mejores en el manejo de situaciones “desordenadas”, donde las entradas son altamente variables y los datos son siempre algo confusos para una computadora (“ruidosos”).
Durante mucho tiempo, las redes neuronales se han entrenado y ejecutado en GPU, reutilizando tarjetas gráficas de computadora para convertirlas en hardware de IA. Más recientemente, se está desarrollando hardware dedicado a la IA y las redes neuronales.
Entre otros hardware de IA (que Lo discutimos con más detalle en un informe dedicadoLos procesadores de redes neuronales (NNP) son especialmente relevantes para la IA autónoma. También llamados unidades de procesamiento neuronal (NPU) o chips neuromórficos, pueden completar una operación con un solo cálculo, en lugar de los miles que requiere el hardware generalista.
Debido a esta eficiencia energética, las NPU son populares para la llamada “computación de borde”, donde los cálculos se realizan in situ en lugar de en la nube.
Como la conducción autónoma debe ser confiable, reaccionar muy rápidamente y no depender de una conexión, se basa principalmente en la computación de borde que ejecuta una red neuronal localmente, incluso si el entrenamiento de la IA se realizó antes en la nube.
Elegir la tecnología adecuada
Geocercado vs. conducción libre
¿Por qué el geofencing?
Una decisión importante en términos de tecnología y estrategia comercial para las futuras empresas de automóviles autónomos ha sido la de utilizar geofencing o no.
El geofencing es cuando un sistema de conducción autónoma se entrena específicamente para funcionar solo en un área geográfica limitada, estableciendo un límite virtual 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. these Las carreteras, en particular, deben ser de confianza y permitir circular con seguridad por ellas.
Limitar el área a lugares más privados, o incluso aceras en lugar de carreteras, puede reducir significativamente el tipo de interacciones que el vehículo tendrá con otros objetos, como automóviles, camiones, ciclistas y peatones.
Robert Day – Director de asociaciones automotrices para Arm's Automotive and IoT.
Al reducir la cantidad de casos que la IA debe abordar, así como el camino y las rutas posibles, se reduce en gran medida el cálculo requerido, lo que también afecta el hardware necesario.
“Las limitaciones que ofrece el geofencing tienen un profundo efecto en las capacidades que requiere un vehículo autónomo, lo que incide en el hardware necesario para alimentar los sistemas autónomos”.
Robert Day – Director de asociaciones automotrices para Arm's Automotive and IoT.
Sin embargo, esto limita considerablemente las posibilidades de implementación de los vehículos autónomos. Esto implica que cada nueva ciudad exige que la empresa de conducción autónoma cree un conjunto personalizado de datos de entrenamiento, generalmente mediante la conducción manual de vehículos en las zonas durante varios años antes del lanzamiento.
Esto hace que el enfoque sea bastante costoso.
Esto también hace que los autos autónomos sólo sean atractivos para las empresas de robotaxis, y es probable que las personas sigan necesitando sus propios autos, ya que querrán salir ocasionalmente de las áreas geocercadas, que normalmente se limitan al centro de la ciudad o a una sola ciudad.
Si la industria permanece estancada en este paradigma, la mayoría de los beneficios esperados de la adopción masiva de robotaxis simplemente no se materializarán.
Implicaciones legales y comerciales del geofencing
Al mismo tiempo, optar por una conducción autónoma total y directa sin ninguna limitación puede resultar contraproducente.
Puede retrasar la implementación de servicios autónomos, ya que primero deben ser perfectos en todas partes, en lugar de implementarse primero en una lista limitada de ciudades, donde ya podrían llegar a millones de usuarios.
Otro problema son las normas y leyes que rigen los sistemas de conducción autónoma. Los reguladores se han mostrado reticentes, pero dispuestos a aceptar la lenta implementación de soluciones geocercadas, especialmente cuando se ha demostrado la seguridad en una zona determinada.
Pero una autorización global e ilimitada de los coches autónomos requerirá no sólo una aprobación local, sino también leyes y regulaciones a nivel nacional que aún no se han creado.
Como la ley a menudo avanza mucho más lentamente que la tecnología, esto podría resultar un problema grave para el despliegue ilimitado del nivel de autonomía L5, incluso si todos los problemas técnicos ya están resueltos.
LIDAR vs. Solo cámaras
Otro debate en la industria es el uso del LIDAR (detección y alcance de luz, o «radar láser»). El LIDAR utiliza rayos 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 supone un añadido bastante voluminoso.
Una ventaja del LIDAR es que puede ver más que las cámaras y es excelente para evaluar distancias, lo que lo hace especialmente útil para evitar accidentes a altas velocidades. También funciona perfectamente en la oscuridad o con poca luz.
Fuente: Forbes
A menudo se utiliza LIDAR junto con el radar para detectar objetos incluso en condiciones difíciles, como por ejemplo niebla.
La mayoría de la tecnología de conducción autónoma se basa en 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 entre $70,000 y $80,000, los autos autónomos son bastante caros. Esto podría no ser así para siempre. ya que hay indicios de que el LIDAR se ha vuelto mucho más barato recientemente, especialmente para los LIDAR de gama baja, lo que quizás los haga más viables comercialmente.
Se trata tanto del volumen como de la tecnología en sí. La industria automotriz depende de la escala para reducir costos. Cuando aumenta el volumen de aplicaciones, los costos se reducen.
Una unidad LiDAR, por ejemplo, solía costar 30,000 yuanes (unos 4,100 dólares), pero ahora cuesta solo alrededor de 1,000 yuanes (unos 138 dólares), una disminución drástica”.
LIDAR es una tecnología bastante compleja con muchas partes móviles (miniespejos giratorios), lo que es una de las razones de su alto costo y puede hacer que el mantenimiento y la confiabilidad sean una molestia.
Por último, cualquier IA entrenada con datos LIDAR probablemente los necesitará para siempre para un buen rendimiento, ya que este requisito estará profundamente arraigado en la red neuronal. Por lo tanto, cualquier empresa que opte por usar LIDAR para entrenar su sistema de conducción autónoma podría verse obligada a utilizarlo en el futuro.
¿Qué tan seguros deben ser los autos autónomos?
Una pregunta clave tanto para los reguladores como para los usuarios es cuán seguro debe ser un vehículo autónomo. En teoría, si los vehículos autónomos son cinco veces más seguros que un conductor humano, deberían adoptarse rápidamente y considerarse un avance.
Sin embargo, en la práctica, las personas son muy reacias a confiar en una máquina que solo es ligeramente más segura que los humanos, propensos a cometer errores. Además, los humanos tienden a sobreestimar su capacidad de conducción.
Así que, incluso cuando los sistemas de conducción autónoma han sido mucho más seguros que los coches conducidos por humanos durante años (como lo ilustran los datos de Tesla en 2023), persiste la percepción de que cualquier accidente es un “fallo” de la IA.
La grabación de cada accidente por las cámaras de los coches y las reacciones de los medios tradicionales y las redes sociales tampoco ayudan.
Fuente: ARCA invertir
Como resultado, es probable que se requiera el alto estándar de 10 a 100 veces más seguro que un conductor humano para autorizar la conducción autónoma de nivel L5 sin restricciones en todas las carreteras.
Empresas de conducción autónoma
Desliza para desplazarte →
| Empresa | Mercado Central | Enfoque tecnológico | Estado de implementación |
|---|---|---|---|
| Waymo | taxi robotizado | Geocercado, LIDAR + radar | ~250 viajes pagos por semana en ciudades seleccionadas de EE. UU. |
| Tesla | Vehículo eléctrico de consumo + robotaxi | Solo cámaras | Piloto de Texas; conductor de seguridad a bordo |
| Baidu | taxi robotizado | Multisensor (incl. LIDAR) | Operaciones sin conductor en China; colaboración con Uber |
| Zoox | Robotaxi personalizado | Sin rueda/pedales, LIDAR | Exención de la NHTSA; pruebas en varias ciudades de EE. UU. |
| Innovación Aurora | camiones de carga | Autonomía en carretera | Primer viaje totalmente sin conductor (mayo de 2025) |
| Weride | taxi robotizado | Fusión de múltiples sensores, incluido LIDAR de alta gama | Piloto 24/7 en Pekín; expansión en los EAU |
| Mobileye | ADAS y pila autónoma | Cámara primero, mapeo REM HD | Amplia presencia de OEM; autonomía en evolución |
Waymo
(GOOGL )
En lo que respecta a los robotaxis reales implementados, está surgiendo un líder claro: Google-linked WaymoEn abril de 2025, Waymo ya estaba reportan 250,000 viajes pagados en robotaxis por semana en EE. UU., principalmente en Austin, Phoenix y el área de la Bahía de San Francisco, con un millón de millas recorridas mensualmente.
El éxito de Waymo se debe a un comienzo temprano (la empresa se lanzó en 2010, con tecnología que se remonta a 2005) y a un enfoque muy cauteloso: sus robotaxis están geocercados y dependen en gran medida de sistemas LIDAR de alta gama, ganando la carrera por los viajes autónomos seguros, aunque hasta ahora estén limitados a unas pocas áreas.
Esto ha ayudado a Waymo a cerrar alianzas valiosas como una asociación estratégica con Toyota, el mayor fabricante de automóviles del mundo por unidades vendidas (>10 millones por año).
Toyota y Waymo buscan combinar sus respectivas fortalezas para desarrollar una nueva plataforma de vehículos autónomos. Paralelamente, explorarán cómo aprovechar la tecnología autónoma de Waymo y la experiencia vehicular de Toyota para optimizar la próxima generación de vehículos personales (VPO).
Toyota se ha comprometido a lograr una sociedad con cero accidentes de tráfico y convertirse en una empresa de movilidad que ofrezca movilidad para todos.
Hiroki Nakajima – Vicepresidente Ejecutivo de Toyota Motor Corporation
(Puedes leer Más sobre Toyota en su informe de inversión dedicado)
Tesla
(TSLA )
El otro gran contendiente en la carrera hacia los coches autónomos y los robotaxis es Tesla.
La compañía ha tenido una gran ventaja en el hecho de que todos sus vehículos vendidos están equipados con cámaras que la compañía espera que sean suficientes para entrenar a su IA, sin requerir LIDAR, o incluso radares.
Esto significa que Tesla obtiene millones de kilómetros de datos de entrenamiento "gratis", proporcionados por compradores de Tesla que conducen en condiciones reales. En cambio, casi todas las demás empresas de conducción autónoma tienen que pagar a los conductores para que conduzcan por calles reales durante años en cada zona geocercada, lo que aumenta considerablemente los costes.
Fuente: ARCA invertir
Sin embargo, el lanzamiento de la conducción autónoma completa (FSD) por parte de Tesla ha sido Un anuncio perpetuamente “pronto” y luego retrasado durante varios años (de las expectativas de los coches autónomos disponibles en 2018), lo que lleva a Algunas críticas duras sobre establecer expectativas poco realistas.
Sin embargo, esto podría finalmente estar cambiando, con Texas otorga 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 todavía está a bordo como monitor de seguridad.
Como siempre, Tesla se muestra polémica: algunos consideran la aprobación de Texas como el primer paso hacia una implementación a gran escala del FSD y el monitor de seguridad humana como un asunto temporal, mientras que otros creen que Tesla nunca lanzará robotaxis verdaderamente autónomos.
La verdad probablemente esté en algún punto intermedio.
En teoría, si los humanos pueden usar solo sus ojos para conducir un coche, también puede una IA, por lo que usar solo cámaras no debería ser un problema para siempre. Al mismo tiempo, esta ambiciosa estrategia, que podría ser correcta a largo plazo, ha obstaculizado claramente el despliegue de Tesla a corto plazo, por muy optimista que Elon Musk quiera ser al respecto.
(Puedes leer Más sobre Tesla en su informe de inversión dedicado)
Baidu
Baidu, el motor de búsqueda líder de China, sigue los pasos de Google con APollo Go, sus propios coches autónomos.
Baidu ha realizado la transición a operaciones totalmente sin conductor en varias ciudades chinas, eliminando a los conductores de seguridad de sus vehículos.
Baidu llegó a 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 plurianual permitirá que “miles” de vehículos autónomos Apollo Go de Baidu estén en Uber a nivel mundial.
Baidu ya proporcionó 899,000 viajes en el segundo trimestre de 2024. En 2025, las zonas piloto se habrán ampliado a 20 ciudades.
En 2024, Baidu ha hecho público el código abierto de su tecnología de conducción autónoma, confirmando una tendencia de la tecnología de IA china hacia el código abierto, como lo ilustra un movimiento similar por la sensación generalista de IA DeepSeek.
En el mercado estadounidense, es poco probable que Baidu avance mucho en el contexto de las tensiones comerciales y las preocupaciones sobre los datos de los usuarios, pero podría ser un serio competidor de Waymo y Tesla en el extranjero, especialmente con el apoyo de Uber.
Zoox
(AMZN )
Zoox, una subsidiaria de Amazon, es fácil de identificar por su diseño único, construyendo sus robotaxis como vehículos dedicados lejos de las características normales de un automóvil convencional.
Fuente: TechCrunch
la empresa solo obtuvo una exención de la Programa ampliado de exención de vehículos automatizados de la Administración Nacional de Seguridad del Tráfico en las Carreteras, lo que le permite demostrar sus robotaxis personalizados en la vía pública. Este es un paso importante, ya que los robotaxis de Zoox carecen de características esenciales de los coches convencionales, 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 añoEsto sigue las pruebas realizadas en varias ciudades de EE. UU. y se expandirá 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 viajes en 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 )
WeRide es una empresa fundada en Silicon Valley en 2017 y con sede en China. Ha realizado numerosas pruebas en todo el mundo, especialmente en los Emiratos Árabes Unidos. Un área en la que ahora se está expandiendo gracias a una asociación con UberTambién lo es Ahora estamos desplegando un robotaxi que funciona 24 horas al día, 7 días a la semana en Beijing.
Para abordar posibles problemas de visibilidad durante la noche, el robotaxi de WeRide está equipado con más de 20 sensores, incluidas cámaras de alta precisión y alta dinámica y lidars de alta línea en todo el vehículo.
Combinado con su algoritmo de fusión de múltiples sensores y su plataforma informática de alto rendimiento, el sistema logra una cobertura de 360° sin puntos ciegos en un rango de detección de hasta 200 m.
Mobileye
(INTC )
MObileye es una empresa con sede en Israel, adquirida por Intel en 2017 y que volvió a cotizar en bolsa en 2022.
Si bien con tecnologías prometedoras, podrían estar gestándose problemas en la empresa, Con noticias en julio de 2025 de que Intel está planeando despidos y vender el 8% de su participación en la empresa..
Es posible que esto refleje problemas más generales en Intel, con la empresa despidiendo empleados en otras actividades también.
Sin embargo, esto aún podría ser un problema para Mobileye, ya que reduciría la cantidad de fondos y respaldo que puede esperar de su empresa matriz, poniéndola en desventaja en comparación con Waymo o Zoox, por ejemplo.
(Puedes leer Más sobre Intel en su informe de inversión dedicado)
Innovación Aurora
La empresa está más centrada en los camiones sin conductor, con especial atención a la conducción en carretera, que representa la inmensa mayoría del kilometraje recorrido por camiones.
En mayo de 2025, Aurora realizó su primer recorrido verdaderamente sin conductor, después de haber registrado tres millones de millas autónomas, transportando más de 10,000 cargas de clientes.
La empresa fue fundada por Chris Urmson, uno de los primeros líderes del proyecto de automóviles autónomos de Google, ahora conocido bajo la marca Waymo.
“Estoy conduciendo por la autopista a 65 millas por hora, no detrás del volante, sino en el asiento trasero, observando cómo se despliega el paisaje mientras un camión lleno de pasteles es impulsado por la tecnología que ayudé a crear”.
Aurora planea expandir su servicio sin conductor a El Paso, Texas, y Phoenix, Arizona, para fines de 2025.
Los que se dieron por vencidos
Si bien 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.
- Apple abandonó sus propios planes de conducción autónoma en abril de 2024.
- Uber vendió su segmento de vehículos sin conductor a Tecnologías Aurora en el 2020.
Conducción autónoma sin coche
Hay muchas empresas que trabajan en el ámbito de la conducción autónoma, pero se centran en sistemas distintos a los coches.
Por ejemplo, los pequeños robots de reparto, técnicamente vehículos autónomos, son lo suficientemente pequeños como para eludir la regulación dirigida a los automóviles. Por ahora, los líderes en robots rodantes son Tecnologías de naves espaciales de Estonia, lanzado por los cofundadores de Skype, y el gigante chino del comercio electrónico Alibaba; ambos han adoptado un diseño pequeño e inofensivo, no muy diferente al de los droides de Star Wars.
Fuente: Starship
Debido a razones regulatorias y al gran impacto de cualquier accidente con vehículos pesados, los camiones autónomos aún dependen de la intervención humana, con empresas como Kodiak, Gatik y Pony.ai Siguiendo el ejemplo de Aurora Innovation.
Otra idea es usar drones voladores para entregar artículos pequeños y ligeros. Hasta ahora, el líder es claramente... Zipline (XNUMX %) ala y Meituan (3690.HK). Esta podría ser una verdadera revolución, pero enfrenta aún más obstáculos regulatorios que los camiones de reparto autónomos, por lo que su implementación a gran escala podría ser más lenta.
Fuente: ARCA invertir
Conclusión
Después de años de lento movimiento a pesar de los “inminentes” autos autónomos totales esperados por Elon Musk y otros líderes en el campo, 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, lo que reduce el precio de los servicios de transporte.
Hasta el momento, parece que Estados Unidos y China son los dos países que lideran a nivel mundial, tanto en términos de empresas que lideran el sector como en términos de regulaciones más flexibles, y el ciclo de retroalimentación positiva entre la innovación y un marco regulatorio favorable probablemente sea un valioso caso de estudio para los economistas en el futuro.
Por ahora, la visión de robotaxis limitados, geocercados y de implementación lenta 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 elegido, con Zoox y muchas otras empresas pisándole los talones y poniéndose al día rápidamente.
Mientras tanto, Tesla sigue persiguiendo su sueño de una tecnología general de "conducción autónoma total" que pueda circular por cualquier carretera y usar únicamente cámaras, idealmente con una simple actualización de software en todos los coches Tesla existentes. Es una apuesta arriesgada, pero también una idea interesante, ya que parece la única con probabilidades de ofrecer conducción autónoma ilimitada en un futuro próximo.
Es probable que la tecnología de geocercado se implemente muy lentamente a nivel mundial, poco a poco, y se limite a competir con los servicios de taxi tradicionales en las grandes ciudades. Esto deja de lado gran parte del potencial multimillonario de los robotaxis "reales", capaces de sustituir la propiedad del coche por viajes en vehículos eléctricos ubicuos, ultrabaratos y 24/7.
Tan fiel a su cultura empresarial, Tesla podría ser el ganador final y crear un mercado masivo completamente nuevo y revolucionar lo que significa un automóvil, una vez más, pero solo si puede resolver un desafío técnico aparentemente insuperable.
