2025: Året då självkörande bilar blir mainstream?

När kommer självkörande bilar?

När det gäller disruptiva teknologier som verkar ligga precis runt hörnet, är få lika genomgripande för ekonomi och samhälle som autonoma eller ”självkörande” fordon, förutom kanske AGI (Artificiell Allmän Intelligens).

Det beror på det enorma antalet jobb och uppgifter som kräver att människor kör fordon. Det börjar med körjobb, såsom taxichaufförer, leveransföretag, lastbilsförare osv. Men mer grundläggande är att majoriteten av världens befolkning utför den uppgiften utan lön, ofta slösar timmar av sin dag, varje dag, bakom ratten.

Detta innebär en massiv förlust av produktivitet som belastar ekonomin, vårt dagliga liv och vår kultur. Därför förväntades robotaxibolag redan 2023 generera upp till fyra biljoner dollar i intäkter.

Att utveckla verkligt autonoma fordon är dock svårt, och hittills har fullständigt automatiserad transport ännu inte nått vägarna. Hur nära är vi storskalig utrullning av självkörande fordon?

Självkörande enorm potential

År 2023 projicerade ARK Invest ”Big Ideas”-rapporten enorma potentiella intäkter för robotaxibolag, med intäkter så höga som 9 triljoner dollar fram till 2030.

Källa: ARK Invest ’Big Ideas 2023’, Sida 113

Bakom idén ligger det grundläggande ekonomiska faktum att robotaxibolag kan minska behovet av att äga en bil, så länge resorna är tillräckligt billiga.

Det kan skapa en positiv återkopplingsslinga, där låga priser ökar efterfrågan, vilket ökar utnyttjandet av robotaxibolagen, amorterar kapitalkostnaderna ytterligare, sänker priserna, vilket i sin tur ökar efterfrågan igen, osv.

Det noteras att om tjänsteleverantörer kan sänka priset till 0,25 USD per mil, blir autonoma taxitjänster ”mer kostnadseffektiva än 95 % av kortdistansresor.”

Ekonomin kring självkörande blir ännu tydligare om den kan ersätta frakt som lastbilar och fartyg. Här är förarna och besättningen bara kostnader som kan tas bort från affärsstrukturen om de autonoma systemen är tillräckligt pålitliga för att ersätta dem.

Källa: ARK Invest

Så sammanfattningsvis finns det ingen tvekan om att självkörande fordon skulle bli enorma pengamaskiner, vilket också förklarar varför så många teknikföretag har pumpat in tiotals miljarder i utvecklingen av denna teknik. Men det visar sig vara ett svårt pussel att lösa.

Bygga den självkörande teknikstacken

Stödjande tekniker

Innan vi diskuterar kärnan i autonoma fordon, AI:n som styr dem, kan vi kort gå igenom varför det senaste decenniet har gjort självkörande bilar, men också drönare och andra enheter, ekonomiskt livskraftiga.

En anledning är de rasande fallande kostnaderna för sensorer och beräkningskraft. Det är lätt att glömma att den första iPhone först kom 2007, och att en telefon med en bra kamera och som fungerade som en mini-dator var en revolution för mindre än 20 år sedan.

Sedan dess har optik, sensorer, chip och andra elektroniska komponenter bara blivit billigare, kraftfullare och mer pålitliga.

Uppkomsten av elbilar sedan den första Tesla Roadster 2008 har också förändrat hur fordon fungerar. Den nya elbilen kan leverera enorm elektrisk kraft från sitt massiva batteri och drivlina, vilket gör strömförsörjningen till de självkörande chippen och deras sensorer nästan trivial.

Elbilar är också mycket mer mekaniskt pålitliga, kan köra mycket längre sträckor med lägre slitage, och deras drivmedel är generellt mycket billigare per mil, vilket gör dem till de perfekta ”robotaxibolagen” som kan köra hela dagen för många användare. Jämfört med detta skulle självkörande teknik ha mycket sämre ekonomi om den var beroende av förbränningsmotorer (ICE).

Sammanfattningsvis är dagens bilar redan i stort sett en dator på hjul, med 300–1 000 chip per bil, och vissa elbilar har upp till 3 000 chip per bil. De saknar bara “hjärnan” för att köra själva.

Källa: Polar Semi

Förstå vägar

För de mest grundläggande funktionerna, som att identifiera vilken väg som ska tas från punkt A till punkt B, klarar de flesta självkörande AI-system detta i över ett decennium, särskilt sedan massadoptionen av GPS och ”Maps”-appar som levererar nödvändig data.

Det knepiga är att bilen ska förstå vad som förändras på vägen: väderförhållanden, andra bilar, fotgängare, cyklar, djur osv.

Här har den generella lösningen visat sig relativt snabb att lösa, med system som möjliggör ”assisterad körning” på motorvägar – en mycket mindre utmanande miljö – som redan erbjuds i de flesta lyxbilar.

Men mer komplexa situationer, som byggarbetsplatser, innerstadsområden, närvaro av fotgängare och trafikolyckor, är svårare att hantera.

Generellt rankas självkörande system längs ett spektrum, från enkel assistans för att hålla hastigheten stabil och parkera, till den idealiserade perfekta självkörande bilen. Den sista nivån, L5, eller full automation utan förare, är fortfarande svårfångad.

Källa: MobileEye

Vanligtvis beror misslyckandet med att nå L5-nivån på sällsynta fall som förvirrar AI:n. Till exempel kan en dator ha svårt att förstå situationen i ett flervåningsparkeringshus:

“Fordonet trodde att bilarna som parkerades i garagelet blockerade vägen. Det tänkte, ‘Bil stoppad, kör runt trottoaren.’”

När ett system stöter på något och inte vet vad det ska göra, stannar bilen i många fall helt.

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

Hårdvara för neurala nätverk

Det mesta av den senaste AI-framstegen har byggts på neuralnätverksteknik, som vann 2024 års Nobelpris i fysik. Till skillnad från vanlig databehandling, som kräver en stel uppsättning kommandon för varje situation, kan neurala nätverk anpassa sig till sina träningsförhållanden för att ge rätt svar.

Källa: Nobel Prize

Det gör dem i grunden bättre på att hantera ”röriga” situationer, där indata är starkt varierande och data alltid är något förvirrande för en dator (”brusigt”).

Länge har neurala nätverk tränats och körts på GPU:er, där grafikkort har omvandlats till AI‑hårdvara. På senare tid utvecklas hårdvara dedikerad till AI och neurala nätverk.

Bland annan AI‑hårdvara (som vi diskuterade mer utförligt i en särskild rapport), är Neural Network Processors (NNP) särskilt relevanta för självkörande AI. De kallas också Neural Processing Units (NPU) eller neuromorfa chip, och kan slutföra en operation med bara en beräkning istället för flera tusen med generisk hårdvara.

På grund av denna energieffektivitet är NPU:er populära för så kallad ”edge computing”, där beräkningarna sker på plats istället för i molnet.

Eftersom självkörande måste vara pålitligt, mycket snabbt reagerande och inte beroende av en anslutning, förlitar det sig mest på edge‑computing som kör ett neuralt nätverk lokalt, även om AI‑träningen gjordes i molnet tidigare.

Välja rätt teknik

Geofencing vs fri körning

Varför geofencing

Ett stort val i fråga om teknik och affärsstrategi för framtida självkörande bilföretag har varit beslutet att använda geofencing eller inte.

Geofencing innebär att ett självkörande system specifikt tränas för att fungera endast inom ett begränsat geografiskt område, och sätter en virtuell gräns för var det autonoma körsystemet får operera.

Idén är att genom att begränsa området kan AI‑systemet lära sig tillräckligt väl just dessa vägar för att kunna köras säkert där.

”Att begränsa området till mer ’privata’ platser, eller till och med trottoarer istället för vägar, kan avsevärt minska typen av interaktioner fordonet har med andra objekt, såsom bilar, lastbilar, cyklister och fotgängare.”

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

Genom att minska antalet fall AI‑systemet måste hantera, samt vägarna och möjliga rutter, minskar beräkningsbehovet kraftigt, vilket också påverkar den nödvändiga hårdvaran.

 ”De begränsningar som geofencing medför har en djupgående effekt på de kapaciteter som ett autonomt fordon kräver, vilket i sin tur påverkar den hårdvara som behövs för att driva de autonoma systemen.”

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

Detta begränsar dock kraftigt möjligheterna för autonom fordonsutplacering. Det betyder att varje ny stad kräver att företaget skapar ett eget träningsdatamaterial, vanligtvis genom att manuellt köra bilar i området i flera år innan lansering.

Det gör metoden ganska kostsam.

Det gör också att självkörande bilar bara blir attraktiva för robotaxi‑företag, medan enskilda personer troligen fortfarande kommer behöva sina egna bilar, eftersom de ibland vill köra utanför de geofence‑områden som vanligtvis är begränsade till innerstaden eller en enda stad.

Om branschen fastnar i detta paradigm kommer de flesta av de vinster som förväntas av massadoption av robotaxibolag helt enkelt inte att inträffa.

Juridiska & affärsmässiga implikationer av geofencing

Samtidigt kan ett direkt‑till‑full självkörning utan någon begränsning vara självförstörande.

Det kan fördröja utrullning av autonoma tjänster, eftersom det måste vara perfekt överallt först, i stället för att rullas ut i en begränsad lista av städer där det redan kan nå miljontals användare.

Ett annat problem är regler och lagar kring självkörande system. Reglerande myndigheter har varit motvilliga men villiga att acceptera en långsam utrullning av geofence‑lösningar, särskilt när säkerheten i ett givet område har demonstrerats.

Men en global, obegränsad auktorisation av självkörande bilar kommer kräva inte bara lokala godkännanden, utan nationella lagar och regler som ännu inte har skapats.

Eftersom lagstiftning ofta rör sig mycket långsammare än tekniken kan detta bli ett allvarligt problem för obegränsad utrullning av L5‑nivån, även om alla tekniska frågor redan är lösta.

LIDAR vs enbart kameror

En annan debatt i branschen är användningen av LIDAR (Light Detection and Ranging, eller ”laser‑radar”). LIDAR använder laserstrålar för att upptäcka närliggande objekt och skapar en realtids‑3D‑modell av omgivningen.

Källa: Autoweek

LIDAR‑system placeras vanligtvis på toppen av självkörande bilar, vilket gör dem ganska skrymmande.

En fördel med LIDAR är att den kan se mer än kameror och är utmärkt på att bedöma avstånd, vilket är särskilt användbart för att undvika olyckor i hög hastighet. Den fungerar också perfekt i mörker eller svagt ljus.

Källa: Forbes

Ofta används LIDAR i kombination med radar för att upptäcka objekt även under svåra förhållanden, som dimma.

De flesta självkörande teknologier förlitar sig på LIDAR för att öka säkerheten, med undantag för Tesla (TSLA ), men det medför några nackdelar.

Den första är kostnaden. De flesta högkvalitativa LIDAR‑system kostar omkring 70 000–80 000 USD, vilket gör självkörande bilar dyra. Detta kanske inte är permanent, eftersom det finns tecken på att LIDAR har blivit mycket billigare nyligen, särskilt för lågprismodeller, vilket kan göra dem mer kommersiellt livskraftiga.

”Det handlar både om volym och själva tekniken. Bilindustrin förlitar sig på skala för att minska kostnader. När applikationsvolymen ökar, sjunker kostnaderna.

Ett LIDAR‑enhet, till exempel, kostade tidigare 30 000 yuan (ca 4 100 USD), men nu kostar den bara omkring 1 000 yuan (ca 138 USD) – en dramatisk minskning.”

Li Chuanhai – Vice-president of Geely Auto Group

LIDAR är en relativt komplex teknik med många rörliga delar (roterande mini‑spegel), vilket är en av anledningarna till den höga kostnaden och kan göra underhåll och tillförlitlighet besvärligt.

Slutligen, AI som tränats med LIDAR‑data kommer sannolikt alltid behöva den för att fungera väl, eftersom kravet är inbäddat djupt i det neurala nätverket. Så företag som väljer LIDAR för att träna sina självkörande system kan fastna med den tekniken framöver.

Hur säkra måste självkörande bilar vara?

En nyckelfråga för både regulatorer och användare är hur säker en självkörande bil måste vara. I teorin, om självkörande bilar är fem gånger säkrare än en mänsklig förare, bör de snabbt antas och välkomnas som ett framsteg.

I praktiken är människor mycket ovilliga att lita på en maskin som bara är marginellt säkrare än felbenägna människor. Människor tenderar också att överskatta sin egen körförmåga.

Så även när självkörande system har varit mycket säkrare än mänskligt körda bilar i åratal (som illustrerat av Teslas data 2023), kvarstår uppfattningen att varje olycka är ett ”misslyckande” av AI.

Inspelning av varje krock av bilens kameror, samt reaktionerna i mainstream‑ och sociala medier, hjälper inte heller.

Källa: ARK Invest

Som ett resultat är det sannolikt att den mycket höga tröskeln på 10‑100 gånger säkrare än en mänsklig förare kommer att krävas för att få tillstånd för fullt obegränsad L5‑nivå att släppas på alla vägar.

Självkörande företag

Waymo

När det gäller faktiska robotaxibolag som redan är i drift, framträder en tydlig ledare: Google‑anknutna Waymo. I april 2025 rapporterade Waymo redan 250 000 betalda robotaxiresor per vecka i USA, främst i Austin, Phoenix och San Francisco‑området, med en miljon körda mil per månad.

Waymos framgång beror på ett tidigt startdatum (företaget lanserades 2010, med teknik som spårar tillbaka till 2005) och en mycket försiktig strategi: deras robotaxibolag är geofence‑baserade och förlitar sig starkt på högkvalitativa LIDAR‑system, vilket har gjort dem ledande i säker autonom körning, även om de hittills bara är begränsade till några områden.

Detta har hjälpt Waymo att låsa värdefulla allianser som ett strategiskt partnerskap med Toyota, världens största biltillverkare efter sålda enheter (>10 miljoner per år).

Toyota och Waymo syftar till att kombinera sina respektive styrkor för att utveckla en ny autonom fordonsplattform. Parallellt kommer företagen att utforska hur de kan utnyttja Waymos autonomi‑teknik och Toyotas fordonsexpertis för att förbättra nästa generations personligt ägda fordon (POV).

Toyota är engagerat i att förverkliga ett samhälle utan trafikolyckor och bli ett mobilitetsföretag som levererar mobilitet för alla.

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

(Du kan läsa mer om Toyota i deras dedikerade investeringsrapport)

Tesla

Den andra stora utmanaren i loppet om självkörande bilar och robotaxibolag är Tesla.

Företaget har en stor fördel i att alla sålda fordon är utrustade med kameror som företaget anser räcker för att träna sin AI, utan att behöva LIDAR eller ens radars.

Det innebär att Tesla får miljontals körda mil av träningsdata ”gratis”, levererade av Tesla‑ägare som kör i verkliga förhållanden. I kontrast måste nästan alla andra självkörande företag betala förare för att köra på riktiga gator i flera år i varje geofence‑område, vilket kraftigt ökar kostnaderna.

Källa: ARK Invest

Dock har lanseringen av Full Self‑Driving (FSD) av Tesla varit en ständigt ”snart”‑och‑senare‑utlöst meddelande i flera år (från förväntningar om autonoma bilar redan 2018), vilket lett till hård kritik för att ha satt orealistiska förväntningar.

Det kan dock äntligen vara på väg att förändras, med Texas som beviljar Tesla Robotaxi ett tillstånd att köra en ride‑hailing‑tjänst i augusti 2025, efter ett test i Austin sedan juni 2025. För närvarande har en Tesla‑anställd fortfarande en säkerhetsmonitor ombord.

Så Tesla är, som alltid, kontroversiell; vissa ser Texas‑godkännandet som första steget mot storskalig utrullning av FSD, och den mänskliga säkerhetsmonitoren som ett tillfälligt hinder, medan andra tror att Tesla aldrig kommer släppa verkligt autonoma robotaxibolag.

Sanningen ligger troligen någonstans däremellan.

Teoretiskt, om människor kan använda bara sina ögon för att köra en bil, kan en AI också göra det, så att enbart kameror inte bör vara ett permanent problem. Samtidigt har denna ambitiösa strategi, som kan vara korrekt på lång sikt, tydligt hindrat Teslas kortsiktiga utrullning, oavsett hur positiv Elon Musk vill vara.

(Du kan läsa mer om Tesla i deras dedikerade investeringsrapport)

Baidu

Baidu, Kinas ledande sökmotor, följer i Googles fotspår med Apollo Go, sina egna självkörande bilar.

Baidu har övergått till helt förarlösa operationer i flera kinesiska städer, och har tagit bort säkerhetsförare från sina fordon.

Baidu gjorde ett avtal med Uber i juli 2025 för att ta sina förarlösa bilar till världen utanför USA och Kina.

De två företagen sade att det fleråriga partnerskapet kommer att se ”tusentals” av Baidus Apollo Go‑autonoma fordon på Uber globalt.

Baidu levererade redan 899 000 resor under andra kvartalet 2024. År 2025 kommer pilotzonerna ha expanderat till 20 städer.

År 2024 öppnade Baidu sin autonoma körteknik som öppen källkod, vilket bekräftar en trend i kinesisk AI‑teknik mot öppen källkod, likt ett liknande drag av den generella AI‑sensationen DeepSeek.

För den amerikanska marknaden är det osannolikt att Baidu gör stora framsteg med tanke på handelsspänningar och oro kring användardata, men de kan vara en seriös konkurrent till Waymo och Tesla utomlands, särskilt med stöd av Uber.

Zoox

Zoox, ett dotterbolag till Amazon (AMZN ), är lätt att identifiera genom sin unika design, där robotaxibolaget byggs som dedikerade fordon skilda från vanliga bilar.

Källa: TechCrunch

Företaget har precis fått ett undantag från National Highway Traffic Safety Administration’s expanded Automated Vehicle Exemption Program, vilket tillåter dem att demonstrera sina skräddarsydda robotaxibolag på offentliga vägar. Detta är ett viktigt steg eftersom Zoox‑robotaxibolag saknar grundläggande funktioner i vanliga bilar, som ratt och pedaler.

Zoox lanserade i juni 2025 sin första produktionslinje för sina fordon, med målet att producera över 10 000 robotaxibolag årligen. Detta följer tester i flera US‑städer och expansion till fler: Las Vegas, San Francisco‑området, Seattle, Austin, Miami, Los Angeles och Atlanta.

Zoox planerar nu att rulla ut kommersiella robotaxi‑erbjudanden i Las Vegas, San Francisco och sedan i Austin och Miami under de kommande åren.

(Du kan läsa mer om Amazon i deras dedikerade investeringsrapport)

WeRide

WeRide är ett företag som grundades i Silicon Valley 2017 och har huvudkontor i Kina. Företaget har gjort många tester världen över, särskilt i Förenade Arabemiraten, ett område där de nu expanderar tack vare ett partnerskap med Uber.  Det är också nuvarande i en 24/7‑robotaxi‑test i Peking.

För att hantera potentiella synlighetsproblem på natten är WeRides robotaxi utrustad med mer än 20 sensorer, inklusive högprecisions‑ och högdynamiska kameror samt hög‑linje LIDAR över hela fordonet.

Kombinerat med deras multisensor‑fusionsalgoritm och högpresterande beräkningsplattform uppnår systemet 360° blind‑spot‑fri täckning med ett detekteringsområde på upp till 200 m.

Mobileye

Mobileye är ett israeliskt företag med huvudkontor i Israel, förvärvat av Intel (INTC ) 2017 och återbörsat på börsen 2022.

Trots lovande teknologier kan problem vara på gång på företaget, med nyheter i juli 2025 om att Intel planerar nedskärningar och att sälja 8 % av sitt innehav i företaget.

Det kan snarare spegla mer generella problem på Intel, med företaget som också lägger ner anställda i andra verksamheter.

Detta kan dock fortfarande bli ett problem för Mobileye, eftersom det skulle minska de medel och stöd de kan förvänta sig från sitt moderbolag, vilket sätter dem i ett underläge jämfört med Waymo eller Zoox, till exempel.

(Du kan läsa mer om Intel i deras dedikerade investeringsrapport)

Aurora Innovation

Företaget fokuserar mer på förarlösa lastbilar, med inriktning på motorvägskörning, vilket utgör den stora majoriteten av körda mil för lastbilar.

I maj 2025 genomförde Aurora sin första verkligt förarlösa körning, efter att ha registrerat tre miljoner autonoma mil och transporterat mer än 10 000 kundlaster.

Företaget grundades av Chris Urmson, en tidig ledare i Googles självkörande bilprojekt, nu välkänt under Waymo‑varumärket.

”Jag kör nerför motorvägen i 65 mph, inte bakom ratten, men på baksätet, och ser landskapet passera medan en lastbil med bakverk styrs av tekniken jag hjälpte till att skapa.”

Aurora planerar att expandera sin förarlösa tjänst till El Paso, Texas, och Phoenix, Arizona, senast i slutet av 2025.

The Ones That Gave Up

När de framgångsrika företagen nu får det att se ut som om det bara handlar om uthållighet för att vinna självkörningsracet, är det värt att minnas projekten som dog på vägen:

• General Motors gav upp Cruise i december 2024 (GM ).
• Apple övergav sina egna självkörande planer i april 2024. (AAPL )
• Uber sålde sin förarlösa bilavdelning till Aurora Technologies år 2020.

Non-Car Self-driving

Det finns många företag som arbetar med självkörande, men fokuserar på system som inte är bilar.

Exempelvis är små leveransrobotar, tekniskt sett självkörande fordon, tillräckligt små för att undgå reglering som riktar sig mot bilar. För närvarande är ledarna inom rullande robotar Estniska Starship Technologies, lanserade av Skype‑grundarna, och den kinesiska e‑handelsjätten Alibaba ; båda har antagit en liten och ofarlig design som påminner om droiderna i Star Wars.

Källa: Starship

Av regulatoriska skäl och den enorma påverkan av en olycka med tunga fordon, är autonoma lastbilar fortfarande beroende av mänsklig inmatning, med företag som Kodiak, Gatik, och Pony.ai som följer Aurora Innovations spår.

En annan idé är att förlita sig på flygande drönare för att leverera små och lätta föremål. Hittills är ledaren tydligt Zipline, följt av Wing och Meituan (3690.HK). Detta kan bli en sann revolution, men det möter ännu fler regulatoriska hinder än självkörande leveranslastbilar, så det kan bli långsammare att skala upp.

Källa: ARK Invest

Conclusion

Efter år av långsam rörelse trots ”omedelbara” fullständigt självkörande bilar som hoppats på av Elon Musk och andra ledare i fältet, är 2025 en tydlig accelerationspunkt för självkörande teknik.

Många städer som tog chansen tidigt har nu robotaxibolag som rutinmässigt kör på deras gator, vilket driver ner priset på ride‑hailing.

Hittills verkar USA och Kina vara de två länder som ligger i framkant globalt, både när det gäller företag som leder fältet och när det gäller mer flexibla regler, där den positiva återkopplingsslingan mellan innovation och ett välkomnande regulatoriskt ramverk sannolikt blir ett värdefullt fallstudie för framtida ekonomer.

För närvarande verkar visionen med begränsade, geofence‑baserade och långsamt utrullande robotaxibolag med en komplett uppsättning kameror, LIDAR, radar och andra sensorer ha varit den vinnande kombinationen för att helt eliminera förare.

Det har starkt gynnat Waymo med deras försiktiga strategi, med Zoox och många andra företag i deras hälft som snabbt närmar sig.

Samtidigt fortsätter Tesla att driva sina drömmar om en generell ”full self‑driving”‑teknik som kan köra på alla vägar och enbart förlita sig på kameror, idealiskt genom en enkel mjukvaruuppdatering på alla befintliga Tesla‑bilar. Detta är ett riskabelt spel, men också en intressant idé som verkar vara den enda som sannolikt kan leverera obegränsad självkörning inom kort.

Geofence‑teknik kommer sannolikt bara att rullas ut mycket långsamt globalt, bit för bit, och kommer att begränsas till att konkurrera med traditionella taxitjänster i stora städer. Detta lämnar på bordet en stor del av den potentiella multi‑biljard‑dollarpriset från ”sanna” robotaxibolag som kan ersätta bilägande med ultrabilliga, 24/7‑allestädes närvarande EV‑resor.

Så sannolikt, i linje med sin företagskultur, kan Tesla bli den ultimata vinnaren och skapa en helt ny massiv marknad och revolutionera vad en bil betyder, återigen, men bara om de kan lösa en till synes oöverstiglig teknisk utmaning.