2025: Året selvkjørende biler går mainstream?

Når vil selvkjørende biler ankomme?

Når det gjelder disruptive teknologier som ser ut til å være rett rundt hjørnet, er få like innvirkningsfulle for økonomien og samfunnet som autonome eller «selvkjørende» biler, bortsett fra kanskje AGI (Artificial General Intelligence).

Dette skyldes det enorme antallet jobber og oppgaver som krever at mennesker kjører kjøretøy. Det starter med kjørejobber, som taxichauffører, leverings tjenester, lastebilsjåfører osv. Men mer grunnleggende er at mesteparten av verdens befolkning utfører denne oppgaven uten lønn, ofte ved å kaste bort timer av dagen, hver dag, bak rattet.

Dette representerer et massivt tap av produktivitet som påvirker økonomien, vårt daglige liv og kultur. Derfor ble robotaxi‑er i 2023 anslått å generere opptil fire billioner dollar i inntekter.

Imidlertid er det vanskelig å utvikle virkelig autonome kjøretøy, og så langt har fullstendig automatisert transport ennå ikke kommet på veiene. Hvor nært er vi en storskala utrulling av selvkjørende kjøretøy?

Selvkjørende – enormt potensial

I 2023 projiserte ARK Invest‑rapporten «Big Ideas» massive inntektsmuligheter for robotaxi‑er, med inntekter så høye som 9 tilliarder dollar innen 2030.

Kilde: ARK Invest «Big Ideas 2023», side 113

Bak ideen ligger det grunnleggende økonomiske faktum at robotaxi‑er kan redusere behovet for å eie en bil, så lenge turene er billige nok.

Dette kan skape en positiv tilbakemeldingssløyfe, hvor lave priser øker etterspørselen, som igjen øker utnyttelsen av robotaxi‑ene, amortiserer kapitalkostnadene ytterligere, senker prisene igjen, og så videre.

Det påpekes at hvis tjenesteleverandører kan senke prisen til 0,25 $ per mil, vil autonome taxitjenester «være mer kostnadseffektive enn 95 % av kortdistanse‑reiser.»

Økonomien rundt selvkjørende blir enda enklere dersom den kan håndtere frakt som lastebiler og skip. Her er sjåfører og mannskap kun kostnader som kan fjernes fra forretningsmodellen dersom de autonome systemene er pålitelige nok til å erstatte dem.

Kilde: ARK Invest

Så samlet sett er det ingen tvil om at selvkjørende kjøretøy vil bli enorme pengemaskiner, noe som også forklarer hvorfor så mange teknologiselskaper har pumpet titalls milliarder inn i utviklingen av denne teknologien. Men det ser ut til å være et vanskelig puslespill å løse.

Bygge den selvkjørende teknologistakken

Støttende teknologier

Før vi diskuterer kjernen i autonome kjøretøy, AI‑en som styrer dem, kan vi kort forklare hvorfor det siste tiåret har gjort selvkjørende biler – men også droner og andre enheter – økonomisk levedyktige.

En grunn er de synkende kostnadene for sensorer og datakraft. Det er lett å glemme at den første iPhone først ble lansert i 2007, og at en telefon med et godt kamera og som fungerte som en mini‑datamaskin var en revolusjon for mindre enn 20 år siden.

Siden den gang har optikk, sensorer, brikker og andre elektroniske komponenter blitt billigere, kraftigere og mer pålitelige.

Oppgangen av el‑biler siden den første Tesla Roadster i 2008 har også endret hvordan kjøretøy fungerer. Den nye elektriske bilen kan levere enorme mengder elektrisk kraft fra sitt massive batteri og drivverk, noe som gjør strømforsyningen til de selvkjørende brikkene og sensorene til en nesten triviel sak.

El‑biler er også mye mer mekanisk pålitelige, kan kjøre langt lengre avstander med mindre slitasje, og drivstoffet er generelt mye billigere per mil, noe som gjør dem til de perfekte «robotaxi‑ene» som kan kjøre hele dagen for mange brukere. Til sammenligning ville selvkjørende teknologi ha mye dårligere økonomi dersom den måtte stole på ICE‑biler (bensin‑ eller dieselmotorer).

Alt i alt er dagens biler allerede i stor grad en datamaskin på hjul, med 300–1 000 brikker per bil, og noen el‑biler har opptil 3 000 brikker per bil. De mangler bare «hjernen» som kan kjøre dem selv.

Kilde: Polar Semi

Forstå veier

For de mest grunnleggende funksjonene, som å identifisere hvilken vei som skal tas fra punkt A til punkt B, er de fleste selvkjørende AI‑er helt i stand til å utføre oppgaven i over et tiår, spesielt siden masseadopsjonen av GPS‑ og «Kart»-apper som leverer nødvendig data.

Den vanskelige delen er at bilen må forstå hva som endrer seg på veien: værforhold, andre biler, fotgjengere, sykler, dyr osv.

Her har også det generelle tilfellet blitt løst relativt raskt, med systemer som tillater «assistert kjøring» på motorveier – et mye mindre utfordrende miljø – som allerede finnes i de fleste toppmodeller.

Men mer komplekse situasjoner, som byggeplasser, sentrum, fotgjengerområder og trafikkulykker, er vanskeligere å håndtere.

Generelt blir selvkjørende systemer rangert langs et spekter, fra enkel assistanse for å holde hastigheten stabil og parkere, til det idealiserte perfekte selvkjørende kjøretøyet. Det siste nivået, L5, eller full automatisering uten behov for fører, er fortsatt unnvikende.

Kilde: MobileEye

Vanligvis skyldes manglende oppnåelse av L5‑nivået sjeldne tilfeller som forvirrer AI‑en. For eksempel kan en datamaskin slite med å forstå situasjonen til en bil i et fleretasje‑parkeringshus:

«Kjøretøyet trodde at bilene som sto i parkeringsgarasjen blokkerte veien. Det tenkte: ‘Bil stoppet, kjør rundt fortauskanten.’

Når et system støter på noe det ikke vet hva det skal gjøre med, stopper bilen i mange tilfeller bare.

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

Maskinvare for nevrale nettverk

Mesteparten av den nylige fremgangen innen AI er bygget på teknologi for nevrale nettverk, som vant Nobelprisen i fysikk i 2024. I motsetning til vanlig databehandling, som krever et fast sett med kommandoer for hver situasjon, kan nevrale nettverk tilpasse seg treningsforholdene for å gi riktig respons.

Kilde: Nobel Prize

Dette gjør dem iboende bedre til å håndtere «rotete» situasjoner, hvor inngangene er svært variable, og dataene alltid er noe forvirrende for en datamaskin («støyende»).

I lang tid har nevrale nettverk blitt trent og kjørt på GPU‑er, ved å omgjøre grafikkort til AI‑maskinvare. Nylig blir maskinvare dedikert til AI og nevrale nettverk utviklet.

Blant annen AI‑maskinvare (som vi diskuterte i detalj i en egen rapport), er Neural Network Processors (NNP) spesielt relevante for selvkjørende AI. Også kalt Neural Processing Units (NPU) eller nevromorfe brikker, kan de fullføre en operasjon med kun én beregning i stedet for flere tusen med generell maskinvare.

På grunn av denne energieffektiviteten er NPU‑er populære for såkalt «edge computing», hvor beregningene gjøres lokalt i stedet for i skyen.

Ettersom selvkjørende må være pålitelig, svært raskt reaktivt og ikke avhenge av en tilkobling, baserer det seg stort sett på edge‑computing som kjører et nevralt nettverk lokalt, selv om treningen av AI‑en ble gjort i skyen på forhånd.

Velge riktig teknologi

Geofencing vs fri kjøring

Hvorfor geofencing

Et viktig valg i teknologi‑ og forretningsstrategi for fremtidige selvkjørende bil‑selskaper har vært beslutningen om å bruke geofencing eller ikke.

Geofencing er når et selvkjørende system er spesifikt trent til kun å operere i et begrenset geografisk område, og setter en virtuell grense for hvor det autonome kjøresystemet kan fungere.

Ideen er at ved å begrense området, kan AI‑systemet lære seg godt nok disse veiene spesielt til å kunne stole på at det kjører trygt der.

«Å begrense området til mer ‘private’ steder, eller til og med fortau i stedet for veier, kan redusere typen interaksjoner kjøretøyet vil ha med andre objekter, som biler, lastebiler, syklister og fotgjengere betydelig.»

Robert Day – Director of automotive partnerships for Arm’s Automotive and IoT.
Ved å redusere antallet tilfeller AI‑en må håndtere, samt veiene og mulige ruter, reduseres beregningsbehovet kraftig, noe som også påvirker nødvendig maskinvare.

«Begrensningene som geofencing gir, har en dyp innvirkning på hvilke kapasiteter et autonomt kjøretøy krever, og påvirker dermed maskinvaren som trengs for å drive de autonome systemene.»

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

Dette begrenser imidlertid i stor grad mulighetene for utrulling av autonome kjøretøy. Det betyr at hver ny by krever at selskapet lager et eget sett med treningsdata, vanligvis ved å manuelt kjøre biler i området i flere år før lansering.

Det gjør tilnærmingen ganske kostbar.

Det gjør også at selvkjørende biler kun er attraktive for robotaxi‑selskaper, mens enkeltpersoner sannsynligvis fortsatt vil trenge egne biler, da de vil ønske å kjøre utenfor de geofence‑de områdene, som vanligvis er begrenset til sentrum eller kun én by.

Hvis bransjen forblir fanget i dette paradigmet, vil de fleste gevinstene som forventes fra masseadopsjon av robotaxi‑er rett og slett ikke skje.

Juridiske og forretningsmessige implikasjoner av geofencing

Samtidig kan det å gå direkte til full selvkjøring uten noen begrensning være selv‑undergravende.

Det kan forsinke utrullingen av autonome tjenester, siden det må være perfekt overalt først, i stedet for å bli rullet ut i en begrenset liste av byer først, hvor det allerede kunne nå millioner av brukere.

Et annet problem er regelverk og lover rundt selvkjørende systemer. Reguleringsmyndigheter har vært tilbakeholdne, men villige til å akseptere en langsom utrulling av geofence‑løsninger, spesielt når sikkerheten i et gitt område er demonstrert.

Men en global, ubegrenset autorisasjon av selvkjørende biler vil kreve ikke bare lokal godkjenning, men nasjonale lover og reguleringer som ennå ikke er opprettet.

Ettersom lovgivning ofte beveger seg mye saktere enn teknologi, kan dette bli et alvorlig problem for ubegrenset utrulling av L5‑nivået av autonomi, selv om alle tekniske problemer allerede er løst.

LIDAR vs kun kameraer

En annen debatt i bransjen er bruken av LIDAR (light detection and ranging, eller «laser radar»). LIDAR bruker laserstråler for å oppdage nærliggende objekter og lager en sanntids‑3D‑modell av omgivelsene.

Kilde: Autoweek

LIDAR‑systemer er vanligvis plassert på toppen av de selvkjørende bilene, noe som gjør dem til en ganske klumpete tillegg.

En fordel med LIDAR er at den kan se mer enn kameraer, og er spesielt god på å vurdere avstander, noe som gjør den nyttig for å unngå ulykker i høy hastighet. Den kan også fungere perfekt i mørke eller svakt lys.

Kilde: Forbes

Ofte brukes LIDAR i kombinasjon med radar for å oppdage objekter selv under vanskelige forhold, som tåke.

De fleste selvkjørende teknologier er avhengige av LIDAR for å øke sikkerheten, med unntak av Tesla (TSLA ), men den har noen ulemper.

Den første er kostnad. Siden de fleste high‑end LIDAR‑systemer koster rundt 70 000–80 000 $, gjør dette selvkjørende biler ganske dyre. Dette vil kanskje ikke være tilfelle for alltid, ettersom det er tegn på at LIDAR har blitt mye billigere nylig, spesielt for lav‑end LIDAR‑er, som kanskje gjør dem mer kommersielt levedyktige.

«Det handler både om volum og selve teknologien. Bilindustrien er avhengig av skala for å redusere kostnader. Når applikasjonsvolumet øker, faller kostnadene.

En LIDAR‑enhet, for eksempel, kostet tidligere 30 000 yuan (ca. 4 100 $), men nå koster den bare rundt 1 000 yuan (ca. 138 $) – en dramatisk nedgang.»

Li Chuanhai – Vice-president of Geely Auto Group

LIDAR er en ganske kompleks teknologi med mange bevegelige deler (roterende mini‑speil), noe som er en av årsakene til den høye prisen, og kan gjøre vedlikehold og pålitelighet til en utfordring.

Til slutt vil enhver AI som er trent med LIDAR‑data sannsynligvis alltid trenge LIDAR for å fungere godt, siden dette kravet vil være dypt innebygd i nevralt nettverk. Så ethvert selskap som velger LIDAR for å trene sitt selvkjørende system kan ende opp med å være låst til det fremover.

Hvor sikker må selvkjørende biler være?

Et sentralt spørsmål for både regulatorer og brukere er hvor sikker en selvkjørende bil må være. I teorien, hvis selvkjørende biler er 5 × sikrere enn en menneskelig sjåfør, burde de raskt bli tatt i bruk og ønsket som et fremskritt.

Imidlertid er folk i praksis svært tilbakeholdne med å stole på en maskin som bare er marginalt sikrere enn feilutsatte mennesker. Mennesker har også en tendens til å overvurdere sin egen kjøreevne.

Så selv om selvkjørende systemer har vært mye sikrere enn menneskekjørte biler i flere år (som illustrert av Tesla‑data i 2023), vedvarer oppfatningen av at enhver ulykke er en «feil» fra AI‑en.

Opptak av hver ulykke fra bilens kameraer, og reaksjonene i mainstream‑ og sosiale medier, hjelper heller ikke.

Kilde: ARK Invest

Som et resultat er det sannsynlig at den svært høye terskelen på 10 ×‑100 × sikrere enn en menneskelig sjåfør vil bli påkrevd for autorisasjon av fullt ubegrenset L5‑nivå selvkjøring før den slippes løs på alle veier.

Selvkjørende selskaper

Waymo

Når det gjelder faktiske robotaxi‑er i drift, fremstår en klar leder: Google‑tilknyttede Waymo. I april 2025 rapporterte Waymo allerede 250 000 betalte robotaxi‑turer per uke i USA, hovedsakelig i Austin, Phoenix og San Francisco‑området, med en million mil kjørt månedlig.

Waymos suksess stammer fra en tidlig start (selskapet ble lansert i 2010, med teknologi som sporer tilbake til 2005), og en svært forsiktig tilnærming: robotaxi‑ene er geofence‑et og er sterkt avhengige av high‑end LIDAR‑systemer, noe som har vunnet løpet om sikker autonom kjøring, selv om det så langt er begrenset til noen få områder.

Dette har hjulpet Waymo med å sikre verdifulle allianser som et strategisk partnerskap med Toyota, verdens største bilprodusent målt i solgte enheter (>10 millioner per år).

Toyota og Waymo har som mål å kombinere sine respektive styrker for å utvikle en ny autonom kjøretøyplattform. Parallelt vil selskapene utforske hvordan Waymos autonome teknologi og Toyotas kjøretøykompetanse kan utnyttes for å forbedre neste generasjons personlig eide kjøretøy (POV).

Toyota er forpliktet til å realisere et samfunn med null trafikkulykker og bli et mobilitetsselskap som leverer mobilitet for alle.

Hiroki Nakajima – Executive Vice President of Toyota Motor Corporation

(Du kan lese mer om Toyota i deres dedikerte investeringsrapport)

Tesla

Den andre store konkurrenten i løpet om selvkjørende biler og robotaxi‑er er Tesla.

Selskapet har en stor fordel i at alle solgte kjøretøy er utstyrt med kameraer som selskapet mener er tilstrekkelige for å trene AI‑en, uten å kreve LIDAR, eller selv radar.

Dette betyr at Tesla får millioner av mil med treningsdata «gratis», levert av Tesla‑eiere som kjører i virkelige forhold. I kontrast må nesten alle andre selvkjørende selskaper betale sjåfører for å kjøre på ekte gater i flere år i hvert geofence‑område, noe som kraftig øker kostnadene.

Kilde: ARK Invest

Imidlertid har lanseringen av Full Self‑Driving (FSD) fra Tesla vært en evig «snart»‑kunngjøring som deretter ble forsinket i flere år (fra forventninger om autonome biler tilgjengelig i 2018), noe som har ført til hard kritikk for å sette urealistiske forventninger.

Dette kan imidlertid endelig være i endring, med Texas som gir Tesla Robotaxi en tillatelse til å kjøre en ride‑hailing‑tjeneste i august 2025, etter en testkjøring i Austin siden juni 2025. Foreløpig er en Tesla‑ansatt fortsatt ombord som sikkerhetsmonitor.

Så er Tesla, som alltid, kontroversielt, med noen som ser Texas‑godkjenningen som første steg mot storskala utrulling av FSD, og den menneskelige sikkerhetsmonitoren som et midlertidig problem, mens andre tror Tesla aldri vil slippe virkelig autonome robotaxi‑er.

Sannheten ligger sannsynligvis et sted midt imellom.

Teoretisk, hvis mennesker kan bruke kun øynene til å kjøre en bil, kan en AI også gjøre det, så å bruke kun kameraer burde ikke være et problem på sikt. Samtidig har denne ambisiøse strategien, som kan være korrekt på lang sikt, tydelig hemmet Teslas kortsiktige utrulling, uavhengig av hvor positivt Elon Musk ønsker å fremstille den.

(Du kan lese mer om Tesla i deres dedikerte investeringsrapport)

Baidu

Baidu, Kinas ledende søkemotor, følger i fotsporene til Google med Apollo Go, sine egne selvkjørende biler.

Baidu har gått over til fullt driver‑less drift i flere kinesiske byer, og fjernet sikkerhetssjåfører fra kjøretøyene.

Baidu inngikk en avtale med Uber i juli 2025 for å bringe sine driver‑less biler til verden utenfor USA og Kina.

De to selskapene sa at det flerårige partnerskapet vil se «tusener» av Baidus Apollo Go autonome kjøretøy på Uber globalt.

Baidu leverte allerede 899 000 turer i andre kvartal 2024. I 2025 vil pilotområdene ha blitt utvidet til 20 byer.

I 2024 åpnet Baidu kildekoden for sin autonome kjøreteknologi, og bekrefter en trend i kinesisk AI‑teknologi mot åpen kildekode, som illustrert av en lignende handling fra den generelle AI‑sensasjonen DeepSeek.

For det amerikanske markedet er det lite sannsynlig at Baidu vil gjøre store fremskritt på grunn av handelskonflikter og bekymringer rundt brukernes data, men de kan være en seriøs konkurrent til Waymo og Tesla i utlandet, spesielt med støtte fra Uber.

Zoox

Zoox, et datterselskap av Amazon, er lett gjenkjennelig for sitt unike design, der robotaxi‑ene bygges som dedikerte kjøretøy uten vanlige bilfunksjoner.

Kilde: TechCrunch

Selskapet har nettopp skaffet et unntak fra National Highway Traffic Safety Administration sitt utvidede Automated Vehicle Exemption Program, som gjør det mulig å demonstrere sine skreddersydde robotaxi‑er på offentlige veier. Dette er et viktig steg siden Zoox‑robotaxi‑ene mangler essensielle funksjoner i vanlige biler, som ratt og pedaler.

Zoox lanserte i juni 2025 sin første produksjonslinje for kjøretøyene, med mål om å produsere over 10 000 robotaxi‑er årlig. Dette følger testene i flere US‑byer og utvidelse til flere: Las Vegas, San Francisco‑området, Seattle, Austin, Miami, Los Angeles og Atlanta.

Zoox planlegger nå å rulle ut kommersielle robotaxi‑tilbud i Las Vegas, San Francisco, og deretter i Austin og Miami i de kommende årene.

(Du kan lese mer om Amazon i deres dedikerte investeringsrapport)

WeRide

WeRide er et selskap etablert i Silicon Valley i 2017 og har hovedkontor i Kina. Selskapet har gjort mange tester rundt om i verden, spesielt i UAE, et område hvor de nå utvider takket være et partnerskap med Uber.  Det er også nå i ferd med å distribuere en 24/7 robotaxi i Beijing.

For å løse potensielle synlighetsproblemer om natten, er WeRides robotaxi utstyrt med mer enn 20 sensorer, inkludert høy‑presisjon, høy‑dynamiske kameraer og high‑line LIDAR‑er over hele kjøretøyet.

Kombinert med deres multisensor‑fusjons‑algoritme og høy‑ytelses‑dataplattform, oppnår systemet 360° blind‑spot‑fri dekning med en deteksjonsrekkevidde på opptil 200 m.

Mobileye

Mobileye er et israelsk‑basert selskap, kjøpt opp av Intel i 2017, og re‑IPO‑et i 2022.

Selv om de har lovende teknologier, kan det brygge problemer i selskapet, med nyheter i juli 2025 om at Intel planlegger nedbemanninger og å selge 8 % av sin eierandel i selskapet.

Det er mulig dette i stedet reflekterer mer generelle problemer i Intel, med selskapet som også legger ned ansatte i andre aktiviteter.

Dette kan imidlertid fortsatt være et problem for Mobileye, da det vil redusere mengden midler og støtte de kan forvente fra morselskapet, og sette dem i en ulempe sammenlignet med Waymo eller Zoox, for eksempel.

(Du kan lese mer om Intel i deres dedikerte investeringsrapport)

Aurora Innovation

Selskapet er mer fokusert på driver‑less lastebiler, med fokus på motorveiskjøring, som utgjør den enorme majoriteten av kjørelengde for lastebiler.

I mai 2025 gjennomførte Aurora sin første virkelig driver‑less kjøring, etter å ha registrert tre millioner autonome mil, og fraktet mer enn 10 000 kundelaster.

Selskapet ble grunnlagt av Chris Urmson, en tidlig leder i Googles selvkjørende bilprosjekt, nå godt kjent under Waymo‑merket.

«Jeg cruiser nedover motorveien i 65 mph, ikke bak rattet, men på baksetet, mens jeg ser landskapet utfoldes mens en lastebil med bakverk blir kjørt av teknologien jeg hjalp med å skape,»

Aurora planlegger å utvide sin driver‑less tjeneste til El Paso, Texas, og Phoenix, Arizona, innen utgangen av 2025.

The Ones That Gave Up

Ettersom de suksessfulle selskapene nå får det til å se ut som om det bare er et spørsmål om utholdenhet for å vinne løpet om selvkjøring, er det verdt å huske på prosjektene som døde underveis:

• General Motors ga opp Cruise i desember 2024.
• Apple ga opp sine egne selvkjørende planer i april 2024.
• Uber solgte sin driver‑less bil‑divisjon til Aurora Technologies i 2020.

Non-Car Self-driving

Det finnes mange selskaper som jobber med selvkjøring, men fokuserer på systemer andre enn biler.

For eksempel er små leverings‑roboter, teknisk sett selvkjørende kjøretøy, små nok til å unngå reguleringer rettet mot biler. Foreløpig er lederne innen rullende roboter Estlands Starship Technologies, lansert av Skype‑grunnleggerne, og den kinesiske e‑handelsgiganten Alibaba (BABA ); begge har tatt i bruk et lite og ufarlig design som ikke er ulikt droidene fra Star Wars.

Kilde: Starship

På grunn av regulatoriske årsaker og den enorme påvirkningen av enhver ulykke med tunge kjøretøy, er autonome lastebiler fortsatt avhengige av menneskelig input, med selskaper som Kodiak, Gatik, og Pony.ai som følger Aurora Innovations ledelse.

En annen idé er å bruke flygende droner for å levere små og lette gjenstander. Så langt er lederen tydelig Zipline, etterfulgt av Wing og Meituan (3690.HK). Dette kan bli en sann revolusjon, men det møter enda flere regulatoriske hindringer enn selvkjørende leverings‑lastebiler, så det kan ta lengre tid før det rulles ut i stor skala.

Kilde: ARK Invest

Conclusion

Etter år med langsom bevegelse til tross for «umiddelbare» fullt selvkjørende biler håpet av Elon Musk og andre ledere i feltet, er 2025 et klart akselerasjonspunkt for selvkjørende teknologi.

Mange byer som tok sjansen tidlig har nå robotaxi‑er som kjører rutinemessig i gatene deres, og senker prisen på ride‑hailing.

Så langt ser det ut til at USA og Kina er de to landene som ligger foran globalt, både når det gjelder selskaper som leder feltet, og når det gjelder mer fleksible reguleringer, med den positive tilbakemeldingssløyfen mellom innovasjon og et velkomment regulatorisk rammeverk som sannsynligvis vil bli et verdifullt case‑studie for økonomer i fremtiden.

Foreløpig ser visjonen om begrensede, geofence‑de og sakte utrullende robotaxi‑er med et fullt sett av kameraer, LIDAR, radar og andre sensorer ut til å ha vært den vinnende kombinasjonen for å fullstendig eliminere behovet for sjåfører.

Dette har i stor grad kommet Waymo til gode med sin forsiktige tilnærming, med Zoox og mange andre selskaper i hælene som raskt tar igjen.

Samtidig fortsetter Tesla å forfølge drømmen om en generell «full self‑driving»‑teknologi som kan kjøre på enhver vei og kun stole på kameraer, ideelt sett gjennom en enkel programvareoppdatering på alle eksisterende Tesla‑biler. Dette er en risikabel innsats, men også en interessant idé som ser ut til å være den eneste som sannsynligvis vil levere ubegrenset selvkjøring i nær fremtid.

Geofence‑teknologi vil sannsynligvis bare bli utrullet svært sakte globalt, bit for bit, og vil være begrenset til å konkurrere med tradisjonelle taxitjenester i store byer. Dette etterlater en stor del av den potensielle multi‑billion‑dollar‑premien fra «ekte» robotaxi‑er som kan erstatte bil­eierskap med ultra‑billige, 24/7‑allesteds‑tilgjengelige EV‑turer på bordet.

Så, trofast sin bedriftskultur, kan Tesla bli den ultimate vinneren og skape et helt nytt massivt marked og revolusjonere hva en bil betyr, nok en gang, men bare hvis de kan løse en tilsynelatende uoverstigelig teknisk utfordring.