Trasporti
2025: L’anno in cui le auto a guida autonoma diventano mainstream?
Aggiungi Securities.io alle tue fonti preferite su Google
Quando arriveranno le auto a guida autonoma?
Quando si tratta di tecnologie dirompenti che sembrano a un passo, poche appaiono così impattanti per l’economia e la società in generale come le auto autonome o “a guida autonoma”, eccetto, ovviamente, forse l’AGI (Intelligenza Artificiale Generale).
Ciò è dovuto al numero enorme di lavori e compiti che richiedono agli esseri umani di guidare veicoli. Questo inizia con i lavori di guida, come tassisti, servizi di consegna, autisti di camion, ecc. Ma più in generale, la maggior parte della popolazione mondiale svolge quel compito gratuitamente, spesso sprecando ore della propria giornata, ogni giorno, al volante.
Questo rappresenta una perdita massiccia di produttività che pesa sull’economia, sulla nostra vita quotidiana e sulla cultura. Per questo, già nel 2023, i robotaxi erano stati proiettati a generare fino a un trilione di dollari di ricavi.
Tuttavia, sviluppare veicoli veramente autonomi è difficile, e finora il trasporto completamente automatizzato non ha ancora messo piede sulle strade. Quanto siamo vicini a una diffusione su larga scala dei veicoli a guida autonoma?
Potenziale Massiccio delle Auto a Guida Autonoma
Alla base dell’idea c’è il fatto economico fondamentale che i robotaxi potrebbero ridurre la necessità di possedere un’auto, a patto che le corse siano sufficientemente economiche.
Ciò può creare un ciclo di feedback positivo, dove tariffe basse aumentano la domanda, la quale aumenta l’utilizzo dei robotaxi, ammortizzando ulteriormente i costi di capitale, riducendo i prezzi, che a loro volta aumentano ancora la domanda, ecc.
Si osserva che se i fornitori di servizi riescono a ridurre il costo a 0,25 $ per miglio, i servizi di taxi autonomi saranno “più convenienti del 95 % dei viaggi a corto raggio.”
L’economia delle auto a guida autonoma è ancora più lineare se può affrontare il trasporto merci, come camion e navi. Qui, i conducenti e gli equipaggi sono semplicemente costi da eliminare dalla struttura aziendale se i sistemi autonomi sono sufficientemente affidabili da sostituirli.
Fonte: ARK Invest
Quindi, in sintesi, non c’è dubbio che i veicoli a guida autonoma saranno enormi generatori di profitto, ed è per questo che molte aziende tecnologiche hanno investito decine di miliardi nello sviluppo di questa tecnologia. Tuttavia, sembra che sia un puzzle difficile da risolvere.
Costruire lo Stack Tecnologico per la Guida Autonoma
Technologie di Supporto
Prima di discutere il nucleo dei veicoli autonomi, l’IA che li dirige, possiamo brevemente parlare del perché l’ultimo decennio abbia reso le auto a guida autonoma, ma anche droni e altri dispositivi, economicamente fattibili.
Una ragione è il crollo dei costi dei sensori e della potenza di calcolo. È facile dimenticare che il primo iPhone è stato lanciato solo nel 2007, e che un telefono con una buona fotocamera e funzionante come un mini‑computer era una rivoluzione meno di 20 anni fa.
Da allora, ottica, sensori, chip e altri componenti elettronici sono diventati più economici, più potenti e più affidabili.
L’ascesa dei veicoli elettrici (EV) dal primo Tesla Roadster del 2008 ha anche cambiato il modo in cui funzionano le auto. La nuova auto elettrica può fornire una quantità enorme di energia elettrica dalla sua batteria massiccia e dal gruppo motopropulsore, rendendo l’alimentazione dei chip di guida autonoma e dei loro sensori quasi una questione banale.
Le auto elettriche sono anche molto più affidabili meccanicamente, capaci di percorrere distanze molto più lunghe con minore usura, e il loro “carburante” è complessivamente molto più economico per miglio, rendendole le “robotaxi” perfette per guidare tutto il giorno per molti utenti. In confronto, la tecnologia di guida autonoma avrebbe un’economia molto più povera se dovesse basarsi su auto a motore a combustione interna (ICE).
Nel complesso, le auto di oggi sono già praticamente un computer su ruote, con 300‑1.000 chip per veicolo, e alcuni EV ne hanno fino a 3.000. Manca solo il “cervello” per guidare da sole.
Fonte: Polar Semi
Comprendere le Strade
Per le funzioni più basilari, come identificare la strada da percorrere dal punto A al punto B, la maggior parte delle IA di guida autonoma è perfettamente in grado di svolgere il compito da più di un decennio, soprattutto grazie all’adozione di massa del GPS e delle app “Maps” che forniscono i dati necessari.
La parte più difficile è far capire all’auto cosa sta cambiando sulla strada: condizioni meteo, altre auto, pedoni, biciclette, animali, ecc.
Anche qui, il caso generale è stato risolto relativamente in fretta, con sistemi che consentono la “guida assistita” in autostrada, un ambiente molto meno impegnativo, già disponibile nella maggior parte delle auto di fascia alta.
Situazioni più complesse, come zone di costruzione, aree centrali, presenza di pedoni e incidenti stradali, sono più difficili da gestire.
Generalmente, i sistemi di guida autonoma sono classificati lungo uno spettro, dall’assistenza minima per mantenere la velocità stabile e parcheggiare, fino al veicolo perfettamente autonomo ideale. L’ultimo livello, L5, o automazione completa senza conducente, è ancora sfuggente.
Fonte: MobileEye
Di solito, il mancato raggiungimento del livello L5 di autonomia deriva da casi rari che confondono l’IA. Per esempio, un computer potrebbe faticare a comprendere la situazione di un’auto in un parcheggio a più livelli:
“Il veicolo ha pensato che le auto parcheggiate nel garage stessero bloccando la strada. Ha pensato, ‘Auto ferma, aggira il marciapiede.’”
Quando un sistema incontra qualcosa e non sa cosa fare, in molti casi l’auto semplicemente si ferma.”
Hardware per Reti Neurali
La maggior parte dei recenti progressi nell’IA è stata costruita sulla tecnologia delle reti neurali, vincitrice del Premio Nobel per la Fisica 2024. Contrariamente al calcolo ordinario, che richiede un set rigido di comandi per ogni situazione, le reti neurali possono adattarsi alle condizioni di addestramento per fornire la risposta appropriata.
Fonte: Nobel Prize
Questo le rende intrinsecamente migliori nel gestire situazioni “disordinate”, dove gli input sono altamente variabili e i dati sono sempre un po’ confusi per un computer (“rumorosi”).
Per molto tempo, le reti neurali sono state addestrate ed eseguite su GPU, riutilizzando le schede grafiche per l’hardware IA. Più recentemente, si stanno sviluppando hardware dedicati all’IA e alle reti neurali.
Tra gli altri hardware IA (di cui abbiamo discusso in dettaglio in un rapporto dedicato), i Processori per Reti Neurali (NNP) sono particolarmente rilevanti per l’IA di guida autonoma. Noti anche come Unità di Elaborazione Neurale (NPU) o chip neuromorfici, possono completare un’operazione con un solo calcolo invece di diverse migliaia con hardware generalista.
A causa di questa efficienza energetica, le NPU sono popolari per il cosiddetto “edge computing”, dove i calcoli avvengono in loco anziché nel cloud.
Poiché la guida autonoma deve essere affidabile, reagire molto rapidamente e non dipendere da una connessione, si basa principalmente sull’edge computing che esegue una rete neurale localmente, anche se l’addestramento dell’IA è stato effettuato nel cloud in precedenza.
Scegliere la Tecnologia Giusta
Geofencing vs Guida Libera
Perché il Geofencing
Una scelta fondamentale in termini di tecnologia e strategia aziendale per le future aziende di auto a guida autonoma è stata la decisione di utilizzare o meno il geofencing.
Il geofencing è quando un sistema di guida autonoma è specificamente addestrato a operare solo in un’area geografica limitata, impostando un confine virtuale per dove il sistema può funzionare.
L’idea è che limitando l’area, il sistema IA possa apprendere bene queste strade in particolare per essere considerato affidabile nella guida.
“Limitare l’area a luoghi più ‘privati’, o anche solo marciapiedi rispetto alle strade, può ridurre significativamente il tipo di interazioni che il veicolo avrà con altri oggetti, come auto, camion, ciclisti e pedoni.”
Robert Day – Direttore delle partnership automotive per Arm’s Automotive and IoT.
Riducendo il numero di casi che l’IA deve gestire, così come le strade e i percorsi possibili, si riduce notevolmente la potenza di calcolo necessaria, influenzando anche l’hardware richiesto.
“I limiti imposti dal geofencing hanno un impatto profondo sulle capacità richieste a un veicolo autonomo, influenzando l’hardware necessario per alimentare i sistemi autonomi.”
Robert Day – Direttore delle partnership automotive per Arm’s Automotive and IoT.
Tuttavia, ciò limita severamente le possibilità di distribuzione dei veicoli autonomi. Significa che ogni nuova città richiede all’azienda di guida autonoma di creare un set personalizzato di dati di addestramento, solitamente guidando manualmente le auto nelle aree per diversi anni prima del lancio.
Rende l’approccio piuttosto costoso.
Rende inoltre le auto a guida autonoma attraenti solo per le aziende di robotaxi, mentre le persone fisiche probabilmente continueranno a necessitare della propria auto, poiché vorranno occasionalmente guidare fuori dalle aree geofence, che di solito sono limitate al centro città o a una sola città.
Se l’industria rimane bloccata in questo paradigma, la maggior parte dei benefici attesi dall’adozione di massa dei robotaxi semplicemente non si realizzerà.
Implicazioni Legali & Business del Geofencing
Allo stesso tempo, optare per una guida autonoma completa senza alcuna limitazione può rivelarsi controproducente.
Può ritardare il dispiegamento dei servizi autonomi, poiché deve essere perfetta ovunque prima, invece di essere introdotta inizialmente in un elenco limitato di città, dove potrebbe già raggiungere milioni di utenti.
Un altro problema sono le norme e le leggi intorno ai sistemi di guida autonoma. I regolatori sono stati riluttanti ma disposti ad accettare il lento dispiegamento di soluzioni geofence, specialmente quando la sicurezza in una zona specifica è stata dimostrata.
Ma un’autorizzazione globale e illimitata delle auto a guida autonoma richiederà non solo approvazioni locali, ma leggi e regolamenti a livello nazionale ancora da creare.
Poiché la legge spesso si muove molto più lentamente della tecnologia, questo potrebbe rappresentare un serio ostacolo al dispiegamento illimitato del livello L5 di autonomia, anche se tutti i problemi tecnici fossero già risolti.
LIDAR vs Solo Fotocamere
Un altro dibattito nell’industria riguarda l’uso del LIDAR (rilevamento e misurazione della luce, o “radar laser”). Il LIDAR utilizza fasci laser per rilevare oggetti vicini, creando un modello 3D in tempo reale dell’ambiente.
Fonte: Autoweek
I sistemi LIDAR sono solitamente posizionati sulla parte superiore delle auto a guida autonoma, risultando in un’aggiunta piuttosto ingombrante.
Un vantaggio del LIDAR è che può vedere più delle fotocamere e eccelle nella valutazione delle distanze, risultando particolarmente utile per evitare incidenti ad alta velocità. Può anche operare perfettamente al buio o in condizioni di scarsa illuminazione.
Fonte: Forbes
Spesso, il LIDAR è usato in combinazione con il radar per rilevare oggetti anche in condizioni difficili, come la nebbia.
La maggior parte della tecnologia di guida autonoma si affida al LIDAR per aumentare la sicurezza, con l’eccezione di Tesla (TSLA ), ma presenta alcuni svantaggi.
Il primo è il costo. Poiché la maggior parte dei sistemi LIDAR di fascia alta costano circa 70.000‑80.000 $, ciò rende le auto a guida autonoma piuttosto costose. Questo potrebbe non rimanere così per sempre, poiché ci sono segnali che il LIDAR è diventato molto più economico recentemente, soprattutto per i LIDAR di fascia bassa, rendendoli forse più commercialmente sostenibili.
“È una questione sia di volume che di tecnologia stessa. L’industria automobilistica si affida alla scala per ridurre i costi. Quando il volume di applicazione aumenta, i costi diminuiscono.
Un’unità LIDAR, ad esempio, costava 30.000 yuan (circa 4.100 $), ma ora costa solo circa 1.000 yuan (circa 138 $) — una diminuzione drastica.”
Il LIDAR è una tecnologia piuttosto complessa con molte parti mobili (mini‑specchi rotanti), il che è una delle ragioni del costo elevato, e può rendere la manutenzione e l’affidabilità un problema.
Infine, qualsiasi IA addestrata con dati LIDAR probabilmente avrà sempre bisogno di essi per funzionare bene, poiché tale esigenza sarà incorporata profondamente nella rete neurale. Così, qualsiasi azienda che sceglie il LIDAR per addestrare il proprio sistema di guida autonoma potrebbe rimanere legata a questa tecnologia in futuro.
Quanto Devono Essere Sicure le Auto a Guida Autonoma?
Una domanda chiave per regolatori e utenti è quanto debba essere sicura un’auto a guida autonoma. In teoria, se le auto a guida autonoma fossero 5 volte più sicure di un conducente umano, dovrebbero essere rapidamente adottate e accolte come progresso.
Tuttavia, nella pratica, le persone sono molto riluttanti a fidarsi di una macchina che è solo marginalmente più sicura degli esseri umani soggetti a errori. Gli umani tendono anche a sovrastimare le proprie capacità di guida.
Quindi, anche quando i sistemi di guida autonoma sono stati molto più sicuri delle auto guidate da umani per anni (come illustrato dai dati Tesla del 2023), la percezione di ogni incidente come “fallimento” dell’IA persiste.
La registrazione di ogni incidente dalle telecamere dell’auto, e le reazioni dei media tradizionali e social, non aiutano nemmeno.
Fonte: ARK Invest
Di conseguenza, è probabile che sia richiesto un livello di sicurezza molto più alto, 10‑100 volte più sicuro di un conducente umano, per l’autorizzazione di una guida autonoma L5 completamente non limitata su tutte le strade.
Società di Guida Autonoma
Scorri per vedere →
| Azienda | Mercato Principale | Approccio Tecnologico | Stato di Deploy |
|---|---|---|---|
| Waymo | Robotaxi | Geofenced, LIDAR + radar | ~250k corse a pagamento/settimana in città statunitensi selezionate |
| Tesla | EV consumer + Robotaxi | Solo fotocamere | Pilota in Texas; conducente di sicurezza a bordo |
| Baidu | Robotaxi | Multi‑sensore (incl. LIDAR) | Operazioni driverless in Cina; partnership con Uber |
| Zoox | Robotaxi personalizzato | Nessuna ruota/pedali, LIDAR | Esenzione NHTSA; test in più città USA |
| Aurora Innovation (AUR ) | Camion per merci | Autonomia autostradale | Prima corsa completamente driverless (maggio 2025) |
| WeRide (WRD ) | Robotaxi | Fusione multi‑sensore incl. LIDAR ad alta linea | Pilota 24/7 a Pechino; espansione negli Emirati |
| Mobileye | ADAS & stack autonomo | Camera‑first, mappatura REM HD | Ampia presenza OEM; autonomia in evoluzione |
Waymo
GOOGL Grafico dei prezzi
Quando si parla di robotaxi effettivamente distribuiti, emerge un leader chiaro: Waymo, collegata a Google. Nell’aprile 2025, Waymo riportava già 250.000 corse a pagamento a settimana negli USA, principalmente ad Austin, Phoenix e nella Bay Area di San Francisco, con un milione di miglia percorse mensilmente.
Il successo di Waymo deriva da un inizio precoce (l’azienda è stata lanciata nel 2010, con tecnologia che risale al 2005) e da un approccio molto cauto: i suoi robotaxi sono geofence e si basano fortemente su sistemi LIDAR di alta gamma, vincendo la gara per una corsa autonoma sicura, anche se finora limitata a poche aree.
Questo ha permesso a Waymo di siglare alleanze preziose come una partnership strategica con Toyota, il più grande costruttore al mondo per unità vendute (>10 milioni all’anno).
Toyota e Waymo mirano a combinare i rispettivi punti di forza per sviluppare una nuova piattaforma di veicoli autonomi. Parallelamente, le aziende esploreranno come sfruttare la tecnologia autonoma di Waymo e l’expertise veicolare di Toyota per migliorare i veicoli di prossima generazione di proprietà personale (POV).
Toyota è impegnata a realizzare una società con zero incidenti stradali e a diventare una compagnia di mobilità che fornisce mobilità per tutti.
Hiroki Nakajima – Executive Vice President di Toyota Motor Corporation (TM )
(Puoi leggere di più su Toyota nel suo rapporto di investimento dedicato)
Tesla
TSLA Grafico dei prezzi
L’altro grande concorrente nella corsa alle auto a guida autonoma e ai robotaxi è Tesla.
L’azienda ha un vantaggio significativo poiché tutti i veicoli venduti sono equipaggiati con fotocamere che la società ritiene sufficienti per addestrare la sua IA, senza richiedere LIDAR o nemmeno radar.
Ciò significa che Tesla ottiene milioni di miglia di dati di addestramento “gratis”, forniti dagli acquirenti di Tesla che guidano in condizioni reali. Al contrario, quasi tutte le altre aziende di guida autonoma devono pagare i conducenti per guidare su strade reali per anni in ogni area geofence, aumentando notevolmente i costi.
Fonte: ARK Invest
Tuttavia, il rilascio del Full Self‑Driving (FSD) da parte di Tesla è stato un annuncio “presto” perpetuo e poi ritardato per diversi anni (dalle aspettative di auto autonome disponibili nel 2018), portando critiche severe per aver fissato aspettative irrealistiche.
Tuttavia, la situazione sembra finalmente cambiare, con il Texas che concede a Tesla Robotaxi un permesso per operare un servizio di ride‑hailing nell’agosto 2025, dopo una prova ad Austin dal giugno 2025. Per ora, un dipendente Tesla è ancora a bordo come monitor di sicurezza.
Quindi Tesla è, come sempre, controversa: alcuni vedono l’approvazione del Texas come il primo passo verso una diffusione su larga scala del FSD, e il monitor umano come un problema temporaneo, mentre altri credono che Tesla non rilascerà mai robotaxi veramente autonomi.
La verità probabilmente si colloca da qualche parte nel mezzo.
In teoria, se gli esseri umani possono guidare usando solo gli occhi, lo stesso può fare un’IA, quindi usare solo le fotocamere non dovrebbe essere un problema permanente. Allo stesso tempo, questa strategia ambiziosa, che potrebbe essere corretta a lungo termine, ha chiaramente ostacolato il dispiegamento a breve termine di Tesla, indipendentemente da quanto positivo Elon Musk voglia apparire.
(Puoi leggere di più su Tesla nel suo rapporto di investimento dedicato)
Baidu
Baidu, il motore di ricerca leader in Cina, sta seguendo le orme di Google con Apollo Go, le proprie auto a guida autonoma.
Baidu ha transito a operazioni completamente driverless in diverse città cinesi, rimuovendo i conducenti di sicurezza dai veicoli.
Baidu ha stipulato un accordo con Uber nel luglio 2025 per portare le sue auto driverless al mondo al di fuori di USA e Cina.
Le due aziende hanno dichiarato che la partnership pluriennale vedrà “migliaia” di veicoli Apollo Go autonomi di Baidu su Uber a livello globale.
Baidu ha già fornito 899.000 corse nel secondo trimestre del 2024. Nel 2025, le zone pilota si saranno espanse a 20 città.
Nel 2024, Baidu ha reso open source la sua tecnologia di guida autonoma, confermando una tendenza della tecnologia AI cinese verso l’open source, come illustrato da una mossa simile del sensazionale AI generalista DeepSeek.
Per il mercato USA, Baidu probabilmente farà pochi progressi a causa delle tensioni commerciali e delle preoccupazioni sui dati degli utenti, ma potrebbe essere un serio concorrente di Waymo e Tesla all’estero, soprattutto con il supporto di Uber.
Zoox
AMZN Grafico dei prezzi
Zoox, una sussidiaria di Amazon (AMZN ), è facilmente riconoscibile per il suo design unico, costruendo il robotaxi come veicolo dedicato, diverso dalle caratteristiche di un’auto normale.
Fonte: TechCrunch
L’azienda ha appena ottenuto un’esenzione dal Programma di Esenzione per Veicoli Automatizzati ampliato della NHTSA, permettendole di dimostrare i suoi robotaxi personalizzati su strade pubbliche. Questo è un passo importante poiché i robotaxi Zoox mancano di caratteristiche essenziali delle auto normali, come volante e pedali.
Zoox ha lanciato a giugno 2025 la sua prima linea di produzione per i veicoli, mirando a produrre oltre 10.000 robotaxi all’anno. Questo segue i test effettuati in diverse città USA e l’espansione verso altre: Las Vegas, Bay Area di San Francisco, Seattle, Austin, Miami, Los Angeles e Atlanta.
Zoox ora prevede di lanciare offerte commerciali di robotaxi a Las Vegas, San Francisco, e poi ad Austin e Miami nei prossimi anni.
(Puoi leggere di più su Amazon nel suo rapporto di investimento dedicato)
WeRide
WRD Grafico dei prezzi
WeRide è una società fondata nella Silicon Valley nel 2017 e ha sede in Cina. L’azienda ha effettuato numerosi test in tutto il mondo, in particolare negli Emirati Arabi Uniti, un’area in cui ora si sta espandendo grazie a una partnership con Uber. È anche ora in fase di deployment di un robotaxi 24/7 a Pechino.
Per affrontare potenziali problemi di visibilità notturna, il robotaxi di WeRide è equipaggiato con più di 20 sensori, incluse telecamere ad alta precisione e alta dinamica e lidar ad alta linea su tutto il veicolo.
Combinato con il suo algoritmo di fusione multi‑sensore e la piattaforma di calcolo ad alte prestazioni, il sistema ottiene una copertura a 360° senza punti ciechi in un raggio di rilevamento fino a 200 m.
Mobileye
INTC Grafico dei prezzi
Mobileye è una società con sede in Israele, acquisita da Intel (INTC ) nel 2017 e re‑quotata in borsa nel 2022.
Sebbene possieda tecnologie promettenti, potrebbero sorgere problemi all’interno dell’azienda, con notizie a luglio 2025 che Intel prevede licenziamenti e la vendita dell’8 % della sua partecipazione in Mobileye.
È possibile che ciò rifletta problemi più generali di Intel, con l’azienda che licenzia dipendenti in altre attività.
Questo potrebbe comunque rappresentare un problema per Mobileye, poiché ridurrebbe i fondi e il supporto che può attendersi dalla casa madre, mettendola in svantaggio rispetto a Waymo o Zoox, per esempio.
(Puoi leggere di più su Intel nel suo rapporto di investimento dedicato)
Aurora Innovation
L’azienda è più focalizzata sui camion driverless, con un’attenzione alla guida autostradale, che costituisce la stragrande maggioranza dei chilometri percorsi dai camion.
Nel maggio 2025, Aurora ha effettuato la sua prima corsa veramente driverless, dopo aver registrato tre milioni di miglia autonome, trasportando più di 10.000 carichi clienti.
L’azienda è stata fondata da Chris Urmson, un pioniere del progetto di auto a guida autonoma di Google, ora ben noto sotto il marchio Waymo.
“Sto percorrendo l’autostrada a 65 miglia all’ora, non al volante, ma sul sedile posteriore, osservando il paesaggio mentre un camion di pasticcini è guidato dalla tecnologia che ho contribuito a creare.”
Aurora prevede di espandere il suo servizio driverless a El Paso, Texas, e Phoenix, Arizona, entro la fine del 2025.
Le Aziende Che Hanno Rinunciato
Poiché le aziende di successo ora fanno sembrare che basti la perseveranza per vincere la corsa alla guida autonoma, è utile ricordare i progetti che sono morti lungo il percorso:
- General Motors ha abbandonato Cruise nel dicembre 2024 (GM ).
- Apple ha rinunciato ai propri piani di guida autonoma nell’aprile 2024. (AAPL )
- Uber ha venduto la sua divisione di auto driverless ad Aurora Technologies nel 2020.
Guida Autonoma Non‑Automobilistica
Ci sono molte aziende che lavorano sulla guida autonoma, ma si concentrano su sistemi diversi dalle auto.
Ad esempio, i piccoli robot di consegna, tecnicamente veicoli a guida autonoma, sono sufficientemente piccoli da sfuggire alla normativa mirata alle auto. Per ora, i leader nei robot di consegna sono Starship Technologies dell’Estonia, lanciata dai co‑fondatori di Skype, e il gigante cinese dell’e‑commerce Alibaba (BABA ); entrambi hanno adottato un design piccolo e innocuo non dissimile dai droidi di Star Wars.
Fonte: Starship
Per ragioni normative e per l’impatto potenziale di qualsiasi incidente con veicoli pesanti, i camion autonomi si affidano ancora all’input umano, con aziende come Kodiak, Gatik, e Pony.ai che seguono le orme di Aurora Innovation.
Un’altra idea è affidarsi a droni volanti per la consegna di oggetti piccoli e leggeri. Finora, il leader è chiaramente Zipline, seguito da Wing e Meituan (3690.HK). Questo potrebbe rappresentare una vera rivoluzione, ma affronta ostacoli normativi ancora più severi rispetto ai camion autonomi, quindi potrebbe essere più lento da distribuire su larga scala.
Fonte: ARK Invest
Conclusione
Dopo anni di avanzamenti lenti nonostante le promesse “imminenti” di auto a guida autonoma completa sperate da Elon Musk e altri leader del settore, il 2025 è un chiaro punto di accelerazione per la tecnologia della guida autonoma.
Molte città che hanno scommesso presto ora vedono robotaxi che circolano regolarmente per le loro strade, riducendo il prezzo del ride‑hailing.
Finora, sembra che USA e Cina siano i due paesi più avanzati a livello globale, sia per le aziende leader del settore, sia per normative più flessibili, con il ciclo di feedback positivo tra innovazione e quadro normativo accogliente che probabilmente costituirà un caso di studio prezioso per gli economisti del futuro.
Al momento, la visione di robotaxi limitati, geofence e distribuiti lentamente con un set completo di fotocamere, LIDAR, radar e altri sensori sembra essere la combinazione vincente per non aver più bisogno di conducenti.
Ciò ha notevolmente favorito Waymo con il suo approccio cauto, con Zoox e molte altre aziende alle sue spalle che stanno recuperando rapidamente.
Nel frattempo, Tesla continua a perseguire il sogno di una tecnologia “full self‑driving” generale che possa guidare su qualsiasi strada e basarsi esclusivamente su fotocamere, idealmente tramite un semplice aggiornamento software su tutte le auto Tesla esistenti. È una scommessa rischiosa, ma anche un’idea interessante che sembra l’unica in grado di offrire guida autonoma illimitata nel prossimo futuro.
La tecnologia geofence probabilmente si distribuirà molto lentamente a livello globale, passo dopo passo, e sarà limitata a competere con i tradizionali servizi di taxi nelle grandi città. Questo lascia sul tavolo gran parte del potenziale premio multi‑trilionario dei “veri” robotaxi in grado di sostituire la proprietà dell’auto con corse EV ultra‑economiche, 24/7 e ubiquitarie.
Quindi, fedele alla sua cultura aziendale, Tesla potrebbe essere il vincitore finale e creare un mercato massiccio completamente nuovo, rivoluzionando nuovamente il significato di auto, ma solo se riuscirà a risolvere una sfida tecnica apparentemente insormontabile.
