自動運転の現在地：ロボタクシー、無人トラック、主要企業の進展と課題

自動運転車はいつ登場するのか？

自動運転は、実現時期が何度も先送りされながらも、経済と社会に大きな影響を与え得る技術です。ただし、運行設計領域を限定した無人サービス、運転支援、あらゆる場所で走れる完全自動運転は区別して考える必要があります。

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。

運転時間の削減や車両稼働率の向上には大きな価値があります。ただし、ロボタクシー収益を兆ドル単位とする数字は、料金、利用率、規制、保険、車両費、遠隔支援、清掃・充電費などの仮定に依存する予測です。

完全自動運転の開発は難しい一方、限定地域ではすでに無人ロボタクシーや無人商用トラックが公道運行しています。未達なのは、天候や道路を選ばず世界中を走れるSAEレベル5の汎用システムです。

自動運転の巨大な可能性

2023年のARK Invest「Big Ideas」報告書は、ロボタクシーの2030年売上高を最大9兆ドルと試算しました。これは同社のシナリオであり、実績や確定予測ではありません。

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

自動運転には大きな市場機会がありますが、巨額収益が確実という意味ではありません。安全性、責任、規制、運行費、顧客需要、資本調達を同時に成立させる必要があります。

自動運転テックスタックの構築

支援技術

自動運転AIを論じる前に、過去10年でセンサー、計算資源、電動パワートレイン、通信、地図が改善し、車両やドローンに高度な自動化を搭載しやすくなった背景を整理します。

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。

EVの普及は大容量バッテリーと電子制御の利用を広げました。ただし、自動運転はEVに限られず、センサーと計算機の消費電力、発熱、冗長化は依然として設計課題です。

EVは部品点数やエネルギー費で有利な場合がありますが、耐久性と総保有費は車種、地域、電力価格、充電、タイヤ、保険、稼働率によって変わります。ロボタクシーへの適性が自動的に保証されるわけではありません。

現代の車は多数の半導体とソフトウェアを使います。チップ数は数え方や車種で大きく異なるため、300～3,000個という幅を性能の尺度にはできません。自動運転には計算機だけでなく、検知、判断、制御、冗長性、検証が必要です。

出典： Polar Semi

道路の理解

GPSとデジタル地図によりA地点からB地点までの経路計画は成熟しました。難しいのは、地図にない変化をリアルタイムで認識し、安全に予測・判断することです。

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。

高速道路での車線維持や追従などの運転支援は広く普及しました。ただし多くはSAEレベル2で、運転者が常時監視し責任を負います。

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。

SAE自動化レベルは機能の優劣だけでなく、誰が運転タスクとフォールバックを担うかを示します。限定条件で無人運転するレベル4は実用化されていますが、全条件に対応するレベル5は実現していません。

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 — Siemens Digital Industries Software、ハイブリッド物理・仮想システム担当副社長

ニューラルネットワークハードウェア

近年のAI進歩にはニューラルネットワークの基礎となる研究が寄与しました。2024年ノーベル物理学賞はJohn HopfieldとGeoffrey Hintonの基礎的発見に授与されたもので、ニューラルネットワーク技術そのものが受賞したという表現は正確ではありません。

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。

自動運転ではGPU、NPU、専用アクセラレーターなどを組み合わせます（AIハードウェアの解説）。専用回路は特定の演算を高効率化できますが、『汎用ハードウェアの数千回を1回で処理する』という一律の比較はできません。

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

自動運転企業にとって重要な技術・事業判断の一つが、運行地域と条件をジオフェンスで限定するか、より汎用的な走行を目指すかです。

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。

範囲を限定すれば、道路形状、速度、天候、工事、緊急対応を詳細に検証できます。ただしAIが道路を暗記するだけではなく、未知の状況にも安全に対応する必要があります。

「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 — Arm Automotive and IoT、自動車パートナーシップ担当ディレクター

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 — Arm Automotive and IoT、自動車パートナーシップ担当ディレクター

新しい都市ごとに地図作成、試験、許認可、運行拠点、遠隔支援が必要になりやすく、拡大には時間と資本がかかります。必ず『数年の手動走行』が必要とは限りません。

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。

ジオフェンス型サービスでも都市交通の一部を置き換え、接続や公共交通を補完できます。自家用車保有をどこまで減らすかは料金、待ち時間、サービス範囲、家庭構成によります。

ジオフェンシングの法的・ビジネス上の影響

一方、最初から場所や条件を限定しない完全自動運転だけを目指すと、検証範囲が広がり、導入が遅れる可能性があります。

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

業界ではLIDAR（光検出・測距）の要否も議論されています。LIDARはレーザーの反射時間から距離を測り、周囲の三次元点群を生成します。

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は高精度の距離測定と暗所での検知に強みがあります。一方、悪天候、反射特性、解像度、搭載位置には限界があり、カメラより常に遠くまで見えるとは限りません。

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。

多くの自動運転システムはLIDAR、レーダー、カメラを併用します。Tesla (TSLA )は量産車でカメラ中心の方針を採りますが、車種や世代によってセンサー構成が異なります。

高性能LIDARはかつて非常に高価でしたが、量産と半導体化で価格は大幅に低下しました。性能、冗長性、自動車規格、清掃・加熱機構を含むシステム価格は、安価な単体センサーの価格とは別です。

「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 — Geely Auto Group副社長

回転式LIDARには可動部がありますが、可動部のないソリッドステート方式もあります。コスト、視野、解像度、耐久性には方式ごとのトレードオフがあります。

センサー構成を変えると再学習と再検証が必要になる場合がありますが、LIDAR採用が永久的な技術固定を意味するわけではありません。

自動運転車はどれほど安全であるべきか？

規制当局と利用者にとって重要なのは、自動運転がどの条件でどれほど安全かです。『人間の5倍なら直ちに普及する』といった単一倍率だけでは、母集団、道路、走行距離、事故の重大度、報告方法の違いを評価できません。

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。

メーカーが公表する安全データは有用ですが、運行地域、道路種別、天候、車齢、運転者、報告基準が異なると単純比較できません。Teslaの社内集計も独立した同条件比較ではありません。

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

社会が人間より高い安全性を求める可能性はありますが、『10倍～100倍が必要』という数字に確立した規制基準はありません。透明なデータと独立評価が不可欠です。

自動運転企業

Waymo

実運用のロボタクシーで先行するのはGoogle系のWaymoです。Waymoは2025年春にPhoenix、San Francisco、Los Angeles、Austinで週25万件超の有料乗車を公表しました。2026年には新都市で限定的な一般乗車も始め、年末までに週100万件を目標としています。いずれも会社発表で、サービス区域は限定されています。

Waymoの前身プロジェクトは2009年にGoogle内で始まり、2016年にWaymoとなりました。ジオフェンスとLIDARを含む複数センサーを使い、都市ごとに段階的に運行範囲を広げています。

WaymoはToyotaとの戦略的提携を検討しています。発表は共同開発の枠組みを探る初期合意で、量産車への搭載や販売を保証する契約ではありません。

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 — Toyota Motor Corporation副社長 (TM )

（Toyotaについては個別の投資レポートも参照できます）

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。

Teslaは販売車両のカメラ映像を学習に活用できる規模を強みとし、Tesla Visionでカメラ中心の方針を採っています。ただし、レーダーの有無は世代と車種で変化しており、『カメラだけ』という単純化には注意が必要です。

顧客車両から大規模なデータを得られることは利点ですが、データ取得は無料ではなく、選別、ラベル付け、計算、プライバシー、ソフトウェア検証に費用がかかります。ジオフェンス企業もシミュレーションと共有基盤で新都市への展開期間を短縮しています。

出典： ARK Invest

Teslaは自動運転時期について長年にわたり未達の予測を繰り返したため、期待設定への批判を受けました。一般販売のFSDは現在も名称に「Supervised」が付き、運転者の監視を必要とします。

Teslaは2025年6月にAustinで安全監視員付きRobotaxiを開始し、同年8月にTexas州の配車事業許可を得ました。同社は2025年12月に無人試験を始め、2026年1月から一部の顧客乗車で安全監視員を外したと報告しています。限定運行を大規模な汎用自動運転と同一視はできません。

Teslaの進展は重要ですが、運行範囲、車両数、介入、事故、遠隔支援、許認可の透明な比較が必要です。成功も失敗も現時点で断定できません。

真実はその中間にある可能性が高いです。

人間が視覚中心で運転する事実は、カメラだけのAIが同じ安全性を必ず実現できる証明ではありません。人間は聴覚、前庭感覚、文脈、常識も使い、センサー冗長性は故障時の安全に寄与します。

（Teslaについては個別の投資レポートも参照できます）

Baidu

中国の大手検索企業Baiduは、独自の自動運転配車サービスApollo Goを運営しています。

Baiduは中国の複数都市で運転席に安全要員を置かない商用運行を拡大しました。運行地域と条件は都市ごとの許可に従います。

Baiduは2025年7月にUberと提携し、米国と中国本土以外でApollo Goを展開する計画を発表しました。

両社は、複数年の提携で数千台規模のApollo Go車両をUberのプラットフォームに導入する方針を示しました。これは段階的な計画であり、発表時点の稼働台数ではありません。

Baiduは2026年第1四半期に完全無人の運行乗車320万件、同年4月までの累計一般乗車2,200万件超を報告しました。これらは会社集計で、都市ごとのサービス範囲は異なります。

BaiduのApolloは以前から一部の自動運転ソフトウェアをオープンソースで公開しています。ただし車両全体、学習データ、運行システムがすべて公開されているわけではありません。一般AIのDeepSeekとの比較は、分野とライセンスの違いを踏まえる必要があります。

米国では安全保障、通商、データ規制が参入障壁です。一方、BaiduはUberなどとの提携を通じ、中東や欧州を含む海外で試験・商用運行を拡大しています。WaymoやTeslaとの優劣は、同じ運行条件の安全・費用データなしに断定できません。

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

ZooxはNHTSAから特定の連邦安全基準に関する適用除外を得て、ハンドルやペダルのない専用車を公道で実証できるようになりました。適用除外は車両全体の安全性を無条件に承認するものではありません。

Zooxは2025年6月に量産設備を開設し、将来の年産1万台超を目標としました。これは目標能力であり、実績生産台数ではありません。

2025年9月にLas Vegasで無料の一般向け乗車を開始しました。San Franciscoなどでは試験を続けており、全都市で有料商用サービスが始まったという意味ではありません。

（Amazonについては個別の投資レポート (AMZN ) も参照できます）

WeRide

WeRideは2017年にSilicon Valleyで設立され、現在は中国Guangzhouに本社を置きます。UAEなど各地で試験し、Uberとの提携でAbu Dhabiの運行を拡大しました。北京では24時間の試験運行も行いました。試験、無料乗車、有料商用運行は区別が必要です。

WeRideは夜間の視認性に対応するため、高精度カメラと高解像度LIDARを含む20個超のセンサーを搭載していると説明しています。

同社によれば、センサー融合と計算基盤で最大200m、360度の検知を目指します。「死角なし」は会社の設計表現で、全条件での検知保証ではありません。

Mobileye

MobileyeはIsraelに本社を置き、2017年にIntel (INTC )が買収し、2022年に再上場した企業です。Intelは引き続き支配株主です。

2025年7月には、Intelの人員削減とMobileye株式の一部売却計画が報じられました。株式売却は直ちにMobileyeの技術悪化を示すものではありません。

背景にはIntel全体の再編があり、同社は他部門でも大規模な人員削減を進めました。

親会社の持分や資金支援の変化はMobileyeの投資余力に影響し得ますが、公開企業としての現金、売上、顧客契約、研究開発費を個別に確認すべきです。WaymoやZooxとの単純比較は事業モデルが異なります。

（Intelについては個別の投資レポートも参照できます）

Aurora Innovation

Aurora Innovationは、走行距離の大半を高速道路が占める長距離貨物トラック向けのレベル4自動運転に注力しています。

Auroraは2025年4月末、Dallas-Houston間で無人の有償貨物運行を開始しました。同年6月末までに無人走行2万マイル超を報告し、その後夜間や新路線へ範囲を拡大しました。

共同創業者のChris Urmsonは、後にWaymoとなったGoogle自動運転車プロジェクトの初期リーダーでした。

「時速65マイルで高速道路を走っています。私はハンドルの前ではなく後部座席に座り、自分が開発に携わった技術が菓子を満載したトラックを運ぶ景色を見ていました」

Auroraは2025年中にFort Worth-El Paso路線を開き、2026年には第二世代ハードウェア搭載車で拡大を進めました。会社発表の走行距離、定時率、事故指標は運行設計領域と報告定義を併記して評価すべきです。

諦めた企業たち

先行企業の進展だけでなく、資金、事故、技術、事業性の問題で終了した計画もあります：

• General Motorsは2024年12月、Cruiseの独立ロボタクシー開発への追加資金提供を中止しました。
• Appleは2024年に自動車開発計画を終了しました。
• Uberは2020年、自動運転部門をAurora Innovationへ譲渡しました。

車以外の自動運転

自動運転技術は乗用車以外にも、配送ロボット、トラック、倉庫車両、農機、ドローンなどで開発されています。

小型の歩道配送ロボットは乗用車とは異なる規則の対象です。代表例にはSkype共同創業者らが始めたEstoniaのStarship TechnologiesやAlibaba系の配送ロボットがあります。小型でも歩行者、障害者、道路横断、遠隔監視に関する規制と安全課題があります。

出典： Starship

大型車事故の重大性と規制上の理由から、多くの自動運転トラックは限定路線や安全要員付きで運行します。一方Auroraは限定条件で無人商用運行を開始しました。Kodiak、Gatik、Pony.aiも異なる路線と監督方式で開発しています。

小型・軽量荷物には配送ドローンも使われます。Zipline、Wing、Meituan（3690.HK）などが運行しています。『明確な首位』は地域、配送件数、医療用途、距離で変わり、空域、安全、騒音、プライバシー、自治体許可が拡大を左右します。

出典： ARK Invest

結論

長年の過大な時期予測を経て、2025年は限定地域のロボタクシーと無人トラックが具体的に拡大した年でした。これは、場所を選ばないレベル5自動運転が完成したことを意味しません。

複数都市でロボタクシーが日常利用され始めましたが、価格、待ち時間、補助金、遠隔支援、車両稼働率、事故率は事業者と地域で異なります。

米国と中国は大規模展開で先行しています。規制の柔軟性だけでなく、事故報告、データ透明性、責任、プライバシー、労働への影響も長期的な社会的受容を左右します。

現時点で商用実績が最も多いのは、ジオフェンスと複数センサーを使うレベル4サービスです。ただし、これが唯一または最終の技術構成だと確定したわけではありません。

Waymo、Apollo Go、Zoox、WeRide、Auroraなどは運行設計領域を限定し、都市や路線を段階的に増やしています。各社の『無人』の定義、遠隔支援、サービス規模を同条件で比較する必要があります。

Teslaはカメラ中心の汎用システムとRobotaxiを追求しています。2026年には限定的な無人顧客乗車を始めましたが、一般販売車のFSDは依然として監視付きです。

ロボタクシーが自家用車保有をどこまで置き換えるかは未確定です。大都市では有力でも、郊外・地方、家族利用、荷物、障害者対応、ピーク需要、採算が制約になります。

Teslaを最終的な勝者と断定する根拠はありません。投資家と利用者は、運行区域、無人走行距離、介入、重大事故、規制、単位経済、資本需要を各社で比較し、会社の予測と検証済み実績を分けて評価すべきです。