2025年：自動運転車が主流になる年は？

自動運転車はいつ登場するのか？

When it comes to disruptive technologies that seem just around the corner, few appear as impactful for the economy and society at large as autonomous or ‘self-driving’, except, of course, maybe AGI (Artificial General Intelligence).

これは、車両を運転するために人間が必要とする膨大な数の仕事やタスクがあることに起因します。タクシー運転手、配達サービス、トラック運転手などの運転職がその代表です。しかし、より根本的には、世界中の大多数の人々が無給で、しばしば一日の何時間も毎日ハンドルを握っているという事実です。

これは、経済や日常生活、文化に重くのしかかる大規模な生産性損失を意味します。そのため、2023年にはロボタクシーが最大で1兆ドルの収益を生むと予測されていました。

しかし、真に自律的な車両を開発するのは困難で、これまで完全に自動化された輸送は道路に登場していません。自動運転車の大規模展開まで、どれだけ近づいているのでしょうか？

自動運転の巨大な可能性

Back in 2023, the ARK Invest “Big Ideas” report projected massive potential revenues for robotaxis, with revenues as high as $9T projected by 2030.

出典： ARK Invest ‘Big Ideas 2023’, Page 113

この考えの背後にある核心的な経済事実は、乗車料金が十分に安ければ、ロボタクシーが自動車所有の必要性を減らす可能性があるということです。

安価な運賃が需要を高め、ロボタクシーの稼働率が上がり、資本コストがさらに償却され、価格が下がり、需要がさらに増えるという正のフィードバックループが生まれます。

サービス提供者が1マイルあたり0.25ドルまで料金を下げることができれば、「95％の短距離旅程よりもコスト効果が高くなる」と指摘されています。

自動運転の経済性は、トラックや船舶といった貨物輸送に適用できれば、さらにシンプルになります。ここでは、ドライバーや乗組員は、信頼できる自律システムがそれらを代替できる限り、ビジネス構造から除去できるコストに過ぎません。

出典： ARK Invest

したがって、自動運転車が巨額の収益源になることは疑いの余地がなく、これが多くのテック企業が何十億ドルも投資している理由です。しかし、解決すべき難しいパズルでもあります。

自動運転テックスタックの構築

支援技術

Before discussing the core of autonomous vehicles, the AI that directs them, we can briefly discuss why the past decade has made self-driving cars, but also drones and other items, economically viable.

一つの理由は、センサーとコンピューティングパワーのコストが急激に下がったことです。最初のiPhoneが2007年に発売されたこと、そして当時、優れたカメラとミニコンピュータとして機能する電話が革命的だったことを忘れがちです。

それ以来、光学系、センサー、チップ、その他の電子部品は、より安価で、より高性能、そしてより信頼性が向上しています。

2008年の最初のTesla Roadster以来のEVの台頭も、車両の機能を変えました。新しい電気自動車は大容量バッテリーと駆動系から膨大な電力を供給でき、 自動運転チップとセンサーの電源供給はほぼ自明な問題となります。

電気自動車は機械的にもはるかに信頼性が高く、長距離走行が可能で、燃料コストもマイルあたり全体的に安価です。これにより、1日中ロボタクシーとして走り続けるのに最適です。対照的に、内燃機関（ICE）車に依存した場合、経済性ははるかに劣ります。

総じて、今日の車はすでに車輪上のコンピュータと言えるほどで、1台あたり300〜1,000個のチップが搭載されており、EVの中には3,000個に達するものもあります。あとは「自ら走る」ための「脳」が欠けているだけです。

出典： Polar Semi

道路の理解

For the most basic functions, like identifying the road to take from point A to point B, most self-driving AI are perfectly able to perform the task for more than a decade, especially since the mass adoption of GPS and “Maps” apps providing the required data.

難しい点は、道路上で変化する要素――天候、他の車、歩行者、自転車、動物などを車が理解することです。

この点については、一般的なケースは比較的早く解決され、ハイウェイ上で「支援運転」できるシステムが多くのハイエンド車で提供されています。

しかし、工事現場や市街地、歩行者の多い場所、交通事故といった複雑な状況は、対処が難しいです。

一般に、自動運転システムは支援レベルから理想的な完全自動運転までのスペクトラムで評価されます。最上位のL5、すなわちドライバー不要の完全自動化はまだ実現されていません。

出典： MobileEye

通常、L5レベルに達しない原因は、AIを混乱させる稀なケースです。例えば、マルチレベル駐車場での状況をAIが誤解することがあります：

「車は駐車場の車が道路を塞いでいると判断し、‘車が止まっている、縁石を回れ’と考えました。

システムが何をすべきか分からない状況に直面すると、多くの場合、車は単に停止します。」

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

ニューラルネットワークハードウェア

Most of the recent progress made in AI has been built based on neural network technology, which won the 2024 Nobel Prize in Physics. Contrary to ordinary computing, which requires a rigid set of commands for every situation, neural networks can adapt to their training conditions to provide the appropriate response.

出典： Nobel Prize

このため、入力が非常に変動しやすく、データが「ノイズ」になるような「乱雑」な状況でも、ニューラルネットワークは本質的に優れた対応が可能です。

長らくニューラルネットワークはGPU上で訓練・実行され、コンピュータグラフィックスカードをAIハードウェアとして再利用してきました。最近では、AI・ニューラルネットワーク専用のハードウェアが開発されています。

他のAIハードウェア（専用レポートで詳しく議論）の中でも、ニューラルネットワークプロセッサ（NNP）は自動運転AIに特に重要です。ニューラルプロセッシングユニット（NPU）やニューロモルフィックチップとも呼ばれ、汎用ハードウェアで数千回の計算が必要な処理を、1回の計算で完了させます。

このエネルギー効率の高さから、NPUは「エッジコンピューティング」向けに人気があります。エッジコンピューティングでは、計算がクラウドではなく現場で行われます。

自動運転は信頼性が求められ、迅速に反応し、接続に依存しない必要があるため、主にエッジコンピューティングでローカルにニューラルネットワークを走らせます。AIの訓練はクラウドで行われても構いません。

適切な技術の選択

ジオフェンシング vs フリードライビング

ジオフェンシングの理由

A major choice in terms of technology and business strategy for future self-driving car companies has been the decision of using geofencing or not.

ジオフェンシングとは、特定の地理的エリア内でのみ機能するように自動運転システムを訓練し、仮想的な境界を設定することです。

エリアを限定することで、AIは特定のこれらの道路を十分に学習し、安全に走行できると信頼されます。

「エリアをより『プライベート』な場所、あるいは道路ではなく歩道に限定することで、車両が他の車やトラック、サイクリスト、歩行者といったオブジェクトと交わる種類が大幅に減少します。」

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

AIが対処すべきケースや道路・経路の数が減少するため、必要な計算量が大幅に削減され、ハードウェア要件も低減します。

「ジオフェンシングが提供する制限は、自治車両が必要とする能力に深い影響を与え、結果として自律システムを駆動するハードウェアにも影響します。」

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

しかし、このアプローチは自動運転車の展開可能性を大きく制限します。新しい都市ごとにカスタムの訓練データを作成する必要があり、通常は数年にわたって手動で走行させてデータを収集します。

このため、アプローチはかなりコストがかかります。

また、ジオフェンシングはロボタクシー企業にとっては魅力的ですが、個人ユーザーはジオフェンス外へ出る必要があるため、依然として自家用車を所有する傾向があります。

業界がこのパラダイムにとどまると、ロボタクシーの大量採用から期待される利益は実現しません。

ジオフェンシングの法的・ビジネス上の影響

At the same time, opting for a direct-to-full self-driving without any limitation can be self-defeating.

制限なしの完全自動運転は、まず全ての場所で完璧である必要があるため、導入が遅れる可能性があります。限定された都市で先行展開すれば、すでに何百万人ものユーザーにリーチできます。

もう一つの問題は、法規制です。規制当局はジオフェンスソリューションの段階的導入には比較的寛容ですが、特定エリアで安全性が実証された場合に限ります。

しかし、世界的に無制限の自動運転車を認可するには、地方自治体の承認だけでなく、まだ制定されていない国家レベルの法律や規制が必要です。

法律は技術よりも遅く進むことが多く、L5レベルの完全自律を無制限に展開する上で深刻な障壁となり得ます。

LIDAR vs カメラのみ

Another debate in the industry is the use of LIDAR (light detection and ranging, or “laser radar”). LIDAR uses laser beams to detect nearby objects, creating a real-time 3D model of its environment.

出典： Autoweek

LIDARシステムは通常、車両の上部に取り付けられ、ややかさばった装置になります。

LIDARの利点は、カメラよりも遠くを見渡せ、距離測定に優れる点です。高速走行時の事故回避に特に有用で、暗闇や低照度でも完全に機能します。

出典： Forbes

多くの場合、LIDARはレーダーと併用され、霧などの視界不良時でも物体検知が可能です。

ほとんどの自動運転技術は安全性向上のためにLIDARを利用していますが、Tesla(TSLA )は例外です。ただし、LIDARにはいくつかの欠点があります。

第一の欠点はコストです。高級LIDARシステムは約70,000〜80,000ドルかかり、車両価格を大幅に押し上げます。最近ではLIDARが大幅に安価化している兆しがあります（参照）。特に低価格帯のLIDARは商業的に実現可能になりつつあります。

「量と技術自体の両方が重要です。自動車業界は規模の経済でコストを削減します。適用量が増えると、コストは下がります。

例えば、かつて30,000元（約4,100ドル）だったLiDARユニットが、現在は約1,000元（約138ドル）にまで下がっています。」

Li Chuanhai – Vice-president of Geely Auto Group

LIDARは回転ミニミラーなど多くの可動部品を持つ複雑な技術であり、コストが高く、メンテナンスや信頼性の面でも課題があります。

最後に、LIDARデータで訓練されたAIは、将来的にもLIDARが必要な状態に固定される可能性があります。そのため、LIDARを採用した企業は将来もこの技術に依存し続けるリスクがあります。

自動運転車はどれほど安全であるべきか？

A key question for both regulators and users is how safe a self-driving car needs to be. In theory, if self-driving cars are 5x safer than a human driver, they should be quickly adopted and welcomed as a progress.

しかし実際には、機械が人間とほぼ同等の安全性しか持たない場合、一般ユーザーは非常に懐疑的です。人間は自分の運転能力を過大評価しがちです。

したがって、数年にわたり自動運転システムが人間運転車よりはるかに安全であっても（2023年のTeslaデータが示すように）、事故が「AIの失敗」と見なされる認識は根強く残ります。

車載カメラによる全事故の記録や、メディア・ソーシャルメディアの反応も状況を改善しません。

出典： ARK Invest

その結果、完全に制限のないL5レベルの自動運転が全道路で解放されるには、10倍〜100倍の安全性が求められる可能性が高いです。

自動運転企業

Waymo

実際に展開されているロボタクシーのリーダーとして浮上しているのは、Google系のWaymoです。2025年4月、Waymoは米国で週あたり250,000件の有料ロボタクシー乗車を報告し、主にオースティン、フェニックス、サンフランシスコ湾岸エリアで月間100万マイルを走行しています。

Waymoの成功は、2010年に設立され、技術は2005年に遡る早期スタートと、非常に慎重なアプローチに起因します。ロボタクシーはジオフェンスで限定され、高性能LIDARシステムに大きく依存しており、限られたエリアで安全な自律走行を実現しています。

これにより、WaymoはToyotaとの戦略的提携という価値あるアライアンスを獲得しました。Toyotaは年間1,000万台以上販売する世界最大の自動車メーカーです。

ToyotaとWaymoは、それぞれの強みを組み合わせて新しい自律車両プラットフォームを開発することを目指しています。並行して、Waymoの自律技術とToyotaの車両専門知識を活用し、次世代の個人所有車（POV）を強化する方法を模索します。

Toyotaは交通事故ゼロの社会実現と、すべての人にモビリティを提供するモビリティカンパニーになることにコミットしています。

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

(You can read more about Toyota in its dedicated investment report)

Tesla

自動運転車とロボタクシーのレースにおけるもう一つの大きな競争相手はTeslaです。

同社は、販売されたすべての車両にカメラを装備しており、LIDARやレーダーさえも不要でAIを訓練できるという大きなアドバンテージを持っています。

これにより、Teslaは実世界で走行するTesla所有者から「無料」で何百万マイルもの訓練データを取得しています。対照的に、他の自動運転企業はジオフェンスごとに何年もドライバーに実走行させる必要があり、コストが大幅に増加します。

出典： ARK Invest

しかし、TeslaのFull Self-Driving（FSD）リリースは、何年も「すぐに」実現すると約束し続け、度々遅延させてきた（当初は2018年に自律車が利用可能と期待されていた）ため、現実的でない期待設定への厳しい批判を受けました。

しかし、状況は変わりつつあり、2025年8月にテキサス州がTeslaロボタクシーに乗車サービスの許可を付与しました。これは2025年6月からオースティンでのテスト走行に続くものです。現在も安全モニターとしてTesla従業員が搭乗しています。

したがって、Teslaは常に議論の的であり、テキサス州の承認をFSDの大規模展開への第一歩と見る向きと、人間の安全モニターが一時的な問題であり、Teslaは真に自律的なロボタクシーを決してリリースしないと考える向きがあります。

真実はその中間にある可能性が高いです。

理論的には、人間が目だけで車を運転できるなら、AIもカメラだけで同様に運転できるはずです。長期的には正しい戦略かもしれませんが、短期的な展開を阻害していることは明らかです。

(You can read more about Tesla in its dedicated investment report)

Baidu

Baidu, China’s leading search engine, is following in the tracks of Google with Apollo Go, its own self-driving cars.

Baiduは中国の複数都市で完全無人運転に移行し、車両から安全ドライバーを除外しました。

Baidu made a deal with Uber in 2025年7月 to bring its driverless cars to the world outside of the USA and China.

The two companies said the multi-year partnership will see ‘thousands’ of Baidu’s Apollo Go autonomous vehicles on Uber globally.

Baidu already provided 899,000 rides in the second quarter of 2024. In 2025, pilot zones will have expanded to 20 cities.

In 2024, Baidu open-sourced its autonomous driving technology, confirming a trend of Chinese AI tech toward open source, as illustrated by a similar move by the generalist AI sensation DeepSeek.

For the USA market, Baidu is unlikely to make much progress in the context of trade tensions and concerns about users’ data, but it might be a serious contender to Waymo and Tesla overseas, especially with the support of Uber.

Zoox

ZooxはAmazonの子会社で、通常の車とは異なる専用ロボタクシーを設計・製造していることで知られています。

出典： TechCrunch

同社は米国運輸安全局（NHTSA）の拡張自動車免除プログラムから免除を取得し、公共道路で専用ロボタクシーを実証できるようになりました。これは、ステアリングホイールやペダルといった通常車の必須機能が欠如しているZooxロボタクシーにとって重要なステップです。

Zooxは2025年6月に初の量産ラインを開始し、年間1万台以上のロボタクシー生産を目指しています。これまでに複数の米国都市でテストを行い、ラスベガス、サンフランシスコ湾岸、シアトル、オースティン、マイアミ、ロサンゼルス、アトランタへと拡大しています。

Zooxは現在、ラスベガス、サンフランシスコで商業ロボタクシーサービスを開始し、今後数年でオースティンとマイアミにも展開する計画です。

(You can read more about Amazon in its dedicated investment report (AMZN ) )

WeRide

WeRide is a company established in Silicon Valley in 2017 and is headquartered in China. The company has made many tests around the world, notably in the UAE, an area where it is now expanding thanks to a partnership with Uber.  It is also now deploying a 24/7 robotaxi in Beijing.

To address potential visibility issues at night, WeRide’s robotaxi is equipped with more than 20 sensors, including high-precision, high-dynamic cameras and high-line lidars across the vehicle.

Combined with its multi-sensor fusion algorithm and high-performance computing platform, the system achieves 360° blind-spot-free coverage in a detection range of up to 200m.

Mobileye

Mobileye is an Israel-headquartered company, acquired by Intel (INTC ) in 2017, and re-IPOed in 2022.

While with promising technologies, troubles might be brewing at the company, with news in 2025年7月 that Intel is planning layoffs and to sell 8% of its holding in the company.

It is possible this instead reflects more general issues at Intel, with the company laying off employees in other activities as well.

This could, however, still be an issue for Mobileye, as it would reduce the amount of funds and backing it can expect from its parent company, putting it at a disadvantage compared to Waymo or Zoox, for example.

(You can read more about Intel in its dedicated investment report)

Aurora Innovation

The company is more focused on driverless trucks, with a focus on highway driving, which makes up the immense majority of mileage driven by trucks.

In 2025年5月, Aurora pulled its first truly driverless run, after having recorded three million autonomous miles, hauling more than 10,000 customer loads.

The company was founded by Chris Urmson, an early leader at Google’s self-driving car project, now well known under the Waymo brand.

“I’m cruising down the highway at 65 miles per hour, not behind the wheel, but in the rear seat, watching the scenery unfold as a truckload of pastries are driven by the technology I helped create,”

Aurora plans to expand its driverless service to El Paso, Texas, and Phoenix, Arizona, by the end of 2025.

諦めた企業たち

As the successful companies now make it look like it is just a matter of perseverance to win the self-driving race, it is worth remembering the projects that died along the way:

• General Motors gave up on Cruise in 2024年12月 (GM ).
• Apple gave up its own self-driving plans in 2024年4月. (AAPL )
• Uber sold its driverless car segment to Aurora Technologies in 2020.

車以外の自動運転

There are a lot of companies working on self-driving, but focusing on systems other than cars.

For example, small delivery robots, technically self-driving vehicles, are small enough to escape regulation aimed at cars. For now, the leaders in rolling robots are Estonian Starship Technologies, launched by Skype co-founders, and Chinese e-commerce giant Alibaba (BABA ); both have adopted a small and harmless design not dissimilar to Star Wars’ droids.

出典： Starship

Due to regulatory reasons and the sheer impact of any accident with heavy vehicles, autonomous trucks are still relying on human input, with companies like Kodiak, Gatik, and Pony.ai following the lead of Aurora Innovation.

Another idea is to rely on flying drones for performing the delivery of small and light enough items. So far, the leader is clearly Zipline, followed by Wing and Meituan (3690.HK). This could be a true revolution, but it faces even more regulatory hurdles than self-driving delivery trucks, so it might be slower to be deployed at scale.

出典： ARK Invest

結論

After years of slow movement despite “imminent” full self-driving cars hoped for by Elon Musk and other leaders in the field, 2025 is a clear acceleration point for self-driving technology.

早期にリスクを取った多くの都市が、現在ロボタクシーを日常的に走らせており、ライドハイリングの価格を下げています。

現時点では、米国と中国が企業リーダーシップと規制の柔軟性の両面で世界をリードしており、イノベーションと歓迎的な規制枠組みの正のフィードバックループは、将来のエコノミストにとって貴重なケーススタディになるでしょう。

現在のところ、限定的でジオフェンスされた、カメラ、LIDAR、レーダー、その他センサーをフル装備したロボタクシーのゆっくりとした展開が、ドライバー不要を実現する最適な組み合わせと見られています。

このアプローチはWaymoの慎重な戦略に大きく貢献しており、Zooxや他の多くの企業が急速に追随しています。

一方、Teslaはすべての道路で走行でき、カメラだけで完結する「フルセルフドライビング」技術の実現を追求し続けています。これはリスクの高い賭けですが、近い将来に無制限の自動運転を提供できる唯一の可能性のあるアイデアでもあります。

ジオフェンス技術は世界的にゆっくりと展開され、主に大都市のタクシーサービスと競合する形になるでしょう。これにより、超低価格で24時間利用可能なEVライドによって自動車所有を代替できる「真の」ロボタクシーがもたらす数兆ドル規模の賞金の大部分がテーブルに残されたままになります。

したがって、企業文化に忠実なTeslaは最終的な勝者となり、全く新しい巨大市場を創出し、車の意味を再び革命的に変える可能性がありますが、これは技術的にほぼ不可能と思われる課題を解決できた場合に限ります。