Transportasyon
2025: Ang Taong Magiging Mainstream ang mga Self-Driving na Kotse?
Idagdag ang Securities.io sa mga gusto mong mapagkunan sa Google
Kailan Darating ang mga Self-Driving na Kotse?
Pagdating sa mga mapanghimasok na teknolohiya na tila nasa sulok na, iilan lamang ang may ganap na epekto sa ekonomiya at lipunan tulad ng autonomous o “self‑driving”, maliban, siyempre, marahil sa AGI (Artificial General Intelligence).
Ito ay dahil sa napakaraming trabaho at gawain na nangangailangan ng tao upang magmaneho ng sasakyan. Nagsisimula ito sa mga trabaho sa pagmamaneho, tulad ng mga driver ng taxi, serbisyo ng paghahatid, mga driver ng trak, atbp. Ngunit mas pangunahin, karamihan ng populasyon ng mundo ay gumagawa ng gawaing ito nang walang bayad, madalas nasasayang ang mga oras ng kanilang araw, araw‑araw, sa likod ng manibela.
Nagpapakita ito ng napakalaking pagkawala ng produktibidad na nagpapabigat sa ekonomiya, sa ating pang‑araw‑araw na buhay, at sa kultura. Ito ang dahilan kung bakit, noong 2023, tinatayang makakalikom ang mga robotaxi ng hanggang apat na trilyon dolyar sa kita.
Gayunpaman, mahirap ang pag‑develop ng tunay na autonomous na sasakyan, at hanggang ngayon, hindi pa nakakaabot sa mga kalsada ang ganap na automated na transportasyon. Gaano na ba tayo kalapit sa malawakang pag‑deploy ng mga self‑driving na sasakyan?
Malawak na Potensyal ng Self‑Driving
Sa likod ng ideya ay ang pangunahing ekonomikong katotohanan na maaaring bawasan ng mga robotaxi ang pangangailangan ng pagmamay‑ari ng kotse, basta’t abot‑kayang ang mga pamasahe.
Makakalikha ito ng positibong feedback loop, kung saan ang murang pamasahe ay nagpapataas ng demand, na nagdadala ng mas mataas na paggamit ng mga robotaxi, na nag‑amortize pa ng mga gastusin sa kapital, na nagbababa ng presyo, na muling nagpapataas ng demand, atbp.
Binanggit na kung maibaba ng mga provider ng serbisyo ito sa $0.25 bawat milya, magiging “mas cost‑effective kaysa 95% ng mga maikling biyahe.”
Mas direkta ang ekonomiks ng self‑driving kung matutugunan nito ang freight tulad ng mga trak at barko. Dito, ang mga driver at crew ay nagiging gastos na maaaring alisin mula sa estruktura ng negosyo kung sapat ang pagiging maaasahan ng autonomous na sistema upang palitan sila.
Source: ARK Invest
Kaya’t walang duda na magiging napakalaking pinagkakakitaan ang mga self‑driving na sasakyan, kaya’t maraming tech na kumpanya ang naglaan ng sampu‑sampung bilyong dolyar sa pag‑develop ng teknolohiyang ito. Ngunit tila isang mahirap na palaisipan ito na kailangang lutasin.
Pagbuo ng Self‑Driving Tech Stack
Mga Suportang Teknolohiya
Bago talakayin ang core ng autonomous na sasakyan, ang AI na nagdidirekta dito, maiksi nating tatalakayin kung bakit naging ekonomikal na posible ang mga self‑driving na kotse, pati na rin ang mga drone at iba pang kagamitan, sa nakaraang dekada.
Isa sa mga dahilan ay ang pagbagsak ng gastos sa mga sensor at kapangyarihan ng pag‑compute. Madaling makalimutan na ang unang iPhone ay inilabas lamang noong 2007, at ang isang telepono na may magandang kamera at gumagana bilang mini‑computer ay isang rebolusyon noon, wala pang 20 taon.
Mula noon, ang mga optics, sensor, chip, at iba pang elektronikong bahagi ay naging mas mura, mas makapangyarihan, at mas maaasahan.
Ang pag‑usbong ng mga EV mula noong unang Tesla Roadster noong 2008 ay nagbago rin kung paano gumagana ang mga sasakyan. Ang bagong electric car ay maaaring magbigay ng napakalaking dami ng kuryente mula sa napakalaking baterya at drivetrain nito, kaya ang power supply ng mga self‑driving chip at sensor ay halos walang problema.
Mas maaasahan din ang mga electric car mechanically, kaya mas matagal ang takbuhan nang hindi gaanong nasisira, at mas mura ang “fuel” kada milya, kaya perpekto ang mga ito bilang “robotaxi” na nagmamaneho buong araw para sa maraming gumagamit. Sa paghahambing, magiging mas mahirap ang ekonomiks ng self‑driving kung aasa ito sa mga ICE (Internal Combustion Engine) na sasakyan.
Sa pangkalahatan, ang mga kotse ngayon ay halos isang computer sa gulong na may 300‑1,000 chip kada kotse, at ang ilang EV ay may hanggang 3,000 chip kada kotse. Kailangan na lang nito ng “utak” para magmaneho nang mag-isa.
Source: Polar Semi
Pag‑unawa sa mga Kalsada
Para sa pinaka‑basic na gawain, tulad ng pagtukoy kung aling kalsada ang tatahakin mula punto A papuntang B, kayang gawin ng karamihan ng self‑driving AI nang higit sa isang dekada, lalo na mula nang laganap ang GPS at mga “Maps” app na nagbibigay ng kinakailangang data.
Ang hamon ay para sa kotse na maunawaan kung ano ang nagbabago sa kalsada: kondisyon ng panahon, ibang sasakyan, pedestrian, bisikleta, hayop, atbp.
Dito, medyo mabilis na nalutas ang pangkalahatang kaso, na may mga sistema na nagbibigay ng “assisted driving” sa mga highway, isang mas hindi hamong kapaligiran, na karaniwang inaalok na sa mga high‑end na kotse.
Ngunit ang mas kumplikadong sitwasyon, tulad ng construction zones, downtown areas, presensya ng pedestrian, at mga aksidente sa trapiko, ay mas mahirap harapin.
Karaniwan, ang mga self‑driving system ay niraranggo sa isang spectrum, mula sa simpleng assistance para panatilihin ang bilis at mag‑park, hanggang sa perpektong self‑driving na sasakyan. Ang huling antas, L5, o ganap na automation na hindi nangangailangan ng driver, ay nananatiling mailap.
Source: MobileEye
Kadalasang ang kabiguan sa pag‑abot ng antas L5 ay nagmumula sa mga bihirang kaso na nakakalito sa AI. Halimbawa, maaaring mag‑struggle ang isang computer na intindihin ang sitwasyon ng kotse sa isang multi‑level parking lot:
“Inakala ng sasakyan na ang mga nakaparadang kotse sa parking garage ay humaharang sa daan. Iniisip nito, ‘Napatigil ang kotse, lumibot sa bangketa.’
Kapag nakatagpo ang sistema ng isang bagay at hindi alam kung ano ang gagawin, madalas na humihinto na lang ang kotse.”
Hardware ng Neural Networks
Karamihan sa kamakailang progreso sa AI ay nakabatay sa teknolohiyang neural network, na nanalo ng Nobel Prize sa Physics noong 2024. Salungat sa ordinaryong computing na nangangailangan ng mahigpit na hanay ng mga utos para sa bawat sitwasyon, ang neural networks ay maaaring mag‑adapt sa kanilang training conditions upang magbigay ng tamang tugon.
Source: Nobel Prize
Ginagawa nitong mas mahusay ang mga ito sa pag‑handle ng “magulo” na sitwasyon, kung saan ang mga input ay lubhang variable, at ang data ay laging medyo “noisy” para sa isang computer.
Sa mahabang panahon, ang mga neural network ay sinanay at pinatakbo sa mga GPU, na muling ginamit ang mga graphics card bilang AI hardware. Kamakailan, mayroong mga hardware na dedikado sa AI at neural networks.
Sa hanay ng iba pang AI hardware (na tinalakay namin nang mas detalyado sa isang nakalaang ulat), ang Neural Network Processors (NNPs) ay partikular na mahalaga para sa self‑driving AI. Tinatawag din itong Neural Processing Units (NPUs) o neuromorphic chips, na kayang tapusin ang isang operasyon sa iisang kalkulasyon kumpara sa libu‑libong kalkulasyon gamit ang pang‑karaniwang hardware.
Dahil sa kahusayan sa enerhiya, popular ang NPUs para sa tinatawag na “edge computing”, kung saan ginagawa ang mga kalkulasyon sa mismong site imbis na sa cloud.
Dahil kailangang maging maaasahan, mabilis mag‑react, at hindi umasa sa koneksyon, kadalasan ay umaasa ang self‑driving sa edge computing na nagpapatakbo ng neural network nang lokal, kahit na ang training ng AI ay ginawa sa cloud dati.
Piliin ang Tamang Teknolohiya
Geofencing vs Free Driving
Bakit Geofencing
Isang malaking pagpipilian sa teknolohiya at estratehiyang pang‑negosyo para sa mga susunod na self‑driving car company ay ang desisyon kung gagamit ng geofencing o hindi.
Ang geofencing ay kapag ang self‑driving system ay partikular na sinanay upang mag‑operate lamang sa isang limitadong geographic area, na nagtatakda ng virtual na hangganan kung saan maaaring magmaneho ang autonomous system.
Ang ideya ay sa pamamagitan ng pag‑limit ng area, maaaring matutunan ng AI system nang sapat ang mga kalsadang ito upang mapagkatiwalaang magmaneho nang ligtas dito.
“Ang pag‑limit ng area sa mas ‘pribadong’ mga lokasyon, o kahit sa mga bangketa kumpara sa mga kalsada, ay maaaring makabuluhang bawasan ang uri ng interaksyon ng sasakyan sa ibang mga bagay, tulad ng mga kotse, trak, siklista, at pedestrian.”
Sa pamamagitan ng pagbawas ng dami ng kaso na kailangang harapin ng AI, pati na rin ng mga posibleng landas, malaki ang nababawasan sa kinakailangang computation, na nakaaapekto rin sa hardware na kailangan.
“Ang mga limitasyong ibinibigay ng geofencing ay may malalim na epekto sa kakayahan na kinakailangan ng isang autonomous vehicle, na nakaaapekto sa hardware na kailangan upang patakbuhin ang autonomous systems.”
Gayunpaman, lubhang nililimitahan nito ang mga posibilidad ng deployment ng autonomous na sasakyan. Ibig sabihin, bawat bagong lungsod ay nangangailangan ng self‑driving company na lumikha ng custom na set ng training data, kadalasan sa pamamagitan ng manu‑manong pagmamaneho sa mga lugar nang ilang taon bago ilunsad.
Nagiging medyo magastos ang approach na ito.
Pinapaliit din nito ang atraksyon ng self‑driving na kotse para sa mga robotaxi company, dahil ang mga indibidwal na tao ay malamang na kailangan pa rin ng sariling kotse, dahil nais nilang minsan lumabas sa geofenced na mga lugar, na kadalasan ay limitado sa downtown o isang lungsod lamang.
Kung mananatiling nakatali ang industriya sa paradigmang ito, karamihan sa mga inaasahang benepisyo mula sa mass adoption ng robotaxi ay hindi matutupad.
Legal at Business Implications ng Geofencing
Kasabay nito, ang pagpili ng direktang full self‑driving nang walang limitasyon ay maaaring mag‑self‑defeat.
Maaaring maantala ang deployment ng autonomous services, dahil kailangan itong perpekto sa lahat ng lugar muna, imbis na ilunsad muna sa limitadong listahan ng mga lungsod, kung saan maaari nang maabot ang milyun‑milyong gumagamit.
Isa pang problema ay ang mga regulasyon at batas ukol sa self‑driving system. Medyo nag‑aatubili ang mga regulator ngunit handang tanggapin ang unti‑unting deployment ng geofenced solutions, lalo na kapag napatunayan na ang kaligtasan sa isang partikular na zone.
Ngunit ang global, walang limitasyong awtorisasyon ng self‑driving na kotse ay mangangailangan hindi lamang ng lokal na pag‑apruba, kundi pati ng pambansang batas at regulasyon na wala pa.
Dahil mas mabilis ang pag‑usad ng teknolohiya kaysa sa batas, maaaring maging seryosong problema ito para sa walang limitasyong deployment ng antas L5 ng autonomiya, kahit na nalutas na ang lahat ng teknikal na isyu.
LIDAR vs Cameras‑Only
Isa pang debate sa industriya ay ang paggamit ng LIDAR (light detection and ranging, o “laser radar”). Gumagamit ang LIDAR ng laser beam upang matukoy ang mga kalapit na bagay, na lumilikha ng real‑time 3D model ng kapaligiran.
Source: Autoweek
Kadalasang inilalagay ang LIDAR system sa tuktok ng mga self‑driving na kotse, kaya nagiging medyo malaki ang karagdagan nito.
Isang advantage ng LIDAR ay nakikita nito ang higit pa kaysa sa mga kamera, at mahusay sa pagtantiya ng distansya, na napaka‑kapaki‑pakinabang upang maiwasan ang mga aksidente sa mataas na bilis. Maaari rin itong mag‑operate nang maayos sa dilim o mababang liwanag.
Source: Forbes
Kadalasan, ginagamit ang LIDAR kasabay ng radar upang matukoy ang mga bagay kahit sa mahihirap na kondisyon, tulad ng fog, halimbawa.
Karamihan sa self‑driving technology ay umaasa sa LIDAR upang mapataas ang kaligtasan, maliban sa Tesla (TSLA ), ngunit may ilang kahinaan ito.
Ang una ay ang gastos. Dahil ang karamihan sa high‑end na LIDAR system ay nagkakahalaga ng $70,000‑$80,000, nagiging medyo mahal ang mga self‑driving na kotse. Maaaring hindi ito permanente, may mga palatandaan na bumaba na ang presyo ng LIDAR kamakailan, lalo na para sa low‑end na LIDAR, na maaaring gawing mas komersyal ang mga ito.
“Nakasalalay ito sa dami at sa mismong teknolohiya. Ang industriya ng automotive ay umaasa sa scale para bawasan ang gastos. Kapag tumaas ang volume ng aplikasyon, bumababa ang presyo.
Halimbawa, ang isang unit ng LiDAR, dati ay nagkakahalaga ng 30,000 yuan (humigit‑kumulang $4,100), ngunit ngayon ay nagkakahalaga na lamang ng mga 1,000 yuan (humigit‑kumulang $138) — isang dramatikong pagbaba.”
Ang LIDAR ay medyo komplikadong teknolohiya na may maraming gumagalaw na bahagi (rotating mini‑mirrors), na isa sa mga dahilan ng mataas na presyo, at maaaring magdulot ng kahirapan sa maintenance at reliability.
Sa huli, anumang AI na sinanay gamit ang data ng LIDAR ay malamang na kailangang patuloy na gumamit nito upang mag‑perform nang maayos, dahil ang pangangailangan ay nakabaon na sa neural network. Kaya anumang kumpanya na pipili ng LIDAR para sa training ng self‑driving system ay maaaring mapilitang manatili rito sa hinaharap.
Gaano Kailangan na Ligtas ang mga Self‑Driving na Kotse?
Isang mahalagang tanong para sa mga regulator at gumagamit ay kung gaano kaligtas dapat ang isang self‑driving na kotse. Sa teorya, kung 5 beses na mas ligtas ang mga self‑driving kumpara sa tao, dapat itong mabilis na tanggapin at ituring na progreso.
Sa praktika, napaka‑reluctant ng mga tao na magtiwala sa isang makina na bahagyang mas ligtas lamang kaysa sa mga error‑prone na tao. Madalas ding sobra ang tiwala ng tao sa kanilang kakayahang magmaneho.
Kaya kahit na mas ligtas na ang mga self‑driving system kumpara sa mga kotse na pinamumunuan ng tao sa loob ng maraming taon (tulad ng ipinapakita ng data ng Tesla noong 2023), nananatiling umiiral ang persepsyon na anumang aksidente ay “kabiguan” ng AI.
Ang pagre‑record ng bawat aksidente ng mga kamera ng kotse, at ang reaksyon ng mainstream at social media, ay hindi nakakatulong.
Source: ARK Invest
Bilang resulta, malamang na ang napakataas na pamantayan na 10‑100 beses na mas ligtas kaysa sa tao ay kakailanganin para sa awtorisasyon ng ganap na walang limitasyong L5‑level na self‑driving na pakawalan sa lahat ng kalsada.
Mga Kumpanya sa Self‑Driving
Swipe to scroll →
| Kumpanya | Pangunahing Merkado | Lapitan sa Teknolohiya | Kalagayan ng Pag‑deploy |
|---|---|---|---|
| Waymo | Robotaxi | Geofenced, LIDAR + radar | ~250k bayad na biyahe/kada linggo sa piling mga lungsod sa US |
| Tesla | Consumer EV + Robotaxi | Cameras only | Pilot sa Texas; may safety driver onboard |
| Baidu | Robotaxi | Multi-sensor (kasama ang LIDAR) | Operasyong driverless sa China; pakikipagtulungan sa Uber |
| Zoox | Custom robotaxi | Walang gulong/pedal, LIDAR | Exemption mula sa NHTSA; pagsusuri sa maraming lungsod sa US |
| Aurora Innovation (AUR ) | Trucks para sa kargamento | Autonomiya sa highway | Unang ganap na driverless run (Mayo 2025) |
| WeRide (WRD ) | Robotaxi | Fusion ng multi-sensor kasama ang high‑line LIDAR | Pilot 24/7 sa Beijing; pagpapalawak sa UAE |
| Mobileye | ADAS at autonomous stack | Camera-first, REM HD mapping | Malawak na saklaw ng OEM; patuloy na pag‑unlad ng autonomiya |
Waymo
GOOGL Tsart ng Presyo
Pagdating sa aktwal na robotaxi na nailunsad, isang malinaw na lider ang lumilitaw: ang Google‑linked Waymo. Noong Abril 2025, iniulat ng Waymo na 250,000 bayad na robotaxi rides kada linggo sa USA, karamihan sa Austin, Phoenix, at San Francisco Bay Area, na may milyong milyahe na tinakbo buwan‑buwan.
Ang tagumpay ng Waymo ay nag‑ugat sa maagang pagsisimula (itinatag noong 2010, na may teknolohiyang nag‑ugat pa noong 2005), at isang napaka‑ingat na lapitan: ang kanilang mga robotaxi ay geofenced at lubos na umaasa sa high‑end na LIDAR system, na nanalo sa karera para sa ligtas na autonomous ride, kahit na limitado pa lamang sa ilang lugar.
Nakatulong ito sa Waymo na makakuha ng mahahalagang alyansa tulad ng isang strategic partnership sa Toyota, ang pinakamalaking automaker sa mundo batay sa bilang ng unit na nabenta (>10 milyong kada taon).
Layunin ng Toyota at Waymo na pagsamahin ang kani-kanilang lakas upang makabuo ng bagong autonomous vehicle platform. Kasabay nito, susuriin ng mga kumpanya kung paano magagamit ang autonomous technology ng Waymo at ang karanasan ng Toyota sa sasakyan upang mapabuti ang susunod na henerasyon ng personally owned vehicles (POVs).
Ang Toyota ay nakatuon sa paglikha ng lipunang walang traffic accidents at maging isang mobility company na nagdadala ng mobility para sa lahat.
Hiroki Nakajima – Executive Vice President ng Toyota Motor Corporation (TM )
(Maaari mong basahin pa‑more tungkol sa Toyota sa nakalaang investment report nito)
Tesla
TSLA Tsart ng Presyo
Ang isa pang pangunahing kakompetensya sa karera patungo sa self‑driving na kotse at robotaxi ay ang Tesla.
May malaking advantage ang kumpanya dahil lahat ng kanilang nabentang sasakyan ay may kamera na inaasahan nilang sapat para sanayin ang AI, nang hindi kailangan ng LIDAR, o kahit radar.
Ibig sabihin, nakukuha ng Tesla ang milyong‑milyong milyahe ng training data “libre”, mula sa mga bumibili ng Tesla na nagmamaneho sa totoong kondisyon. Sa kabaligtaran, halos lahat ng ibang self‑driving company ay kailangang magbayad ng driver para magmaneho sa totoong kalye sa bawat geofenced area, na lubos na nagpapataas ng gastos.
Source: ARK Invest
Gayunpaman, ang pag‑release ng Full Self‑Driving (FSD) ng Tesla ay naging isang patuloy na “soon” na inaantala nang ilang taon (mula sa inaasahang autonomous cars noong 2018), na nagdulot ng maraming kritisismo dahil sa hindi makatotohanang inaasahan.
Ngunit maaaring nagbabago na ito, matapos ang pagkakaloob ng Texas ng permit sa Tesla Robotaxi para magpatakbo ng ride‑hailing service noong Agosto 2025, matapos ang test run sa Austin mula Hunyo 2025. Sa ngayon, may isang empleyado pa rin ng Tesla na nasa board bilang safety monitor.
Kaya ang Tesla ay, tulad ng dati, kontrobersyal, may ilan na nakikita ang pag‑apruba ng Texas bilang unang hakbang tungo sa malawakang deployment ng FSD, at ang human safety monitor bilang pansamantalang isyu, habang may iba na naniniwala na hindi kailanman ilalabas ng Tesla ang tunay na autonomous robotaxi.
Ang katotohanan ay marahil nasa gitna.
Sa teorya, kung kayang magmaneho ng tao gamit lamang ang kanilang mga mata, kaya rin ng AI, kaya ang paggamit lamang ng kamera ay hindi dapat maging hadlang magpakailanman. Sa parehong oras, ang ambisyosong estratehiyang ito, na maaaring tama sa pangmatagalan, ay malinaw na humadlang sa short‑term deployment ng Tesla, gaano man ka‑positibo si Elon Musk tungkol dito.
(Maaari mong basahin pa‑more tungkol sa Tesla sa nakalaang investment report nito)
Baidu
Ang Baidu, nangungunang search engine ng China, ay sumusunod sa yapak ng Google sa pamamagitan ng Apollo Go, sarili nitong self‑driving na kotse.
Lumipat na ang Baidu sa ganap na driverless operations sa ilang lungsod sa China, inaalis na ang safety driver mula sa kanilang mga sasakyan.
Nakipagkasundo ang Baidu sa Uber noong Hulyo 2025 upang dalhin ang kanilang driverless na sasakyan sa buong mundo labas ng USA at China.
Ang dalawang kumpanya ay nagsabi na ang multi‑year partnership ay magdadala ng ‘libu‑libong’ Apollo Go autonomous vehicle ng Baidu sa Uber globally.
Nabigay na ng Baidu ang 899,000 rides sa ikalawang quarter ng 2024. Sa 2025, lalawak ang pilot zones sa 20 lungsod.
Noong 2024, binuksan ng Baidu ang kanilang autonomous driving technology, na nagpapatunay sa trend ng Chinese AI tech patungo sa open source, tulad ng pagkilos ng generalist AI sensation na DeepSeek.
Para sa merkado ng USA, malamang na hindi gaanong umusad ang Baidu dahil sa tensyon sa kalakalan at alalahanin sa data ng mga gumagamit, ngunit maaaring maging seryosong kakompetensya sa Waymo at Tesla sa ibang bansa, lalo na sa suporta ng Uber.
Zoox
AMZN Tsart ng Presyo
Ang Zoox, isang subsidiary ng Amazon (AMZN ), ay madaling makilala dahil sa natatanging disenyo nito, na gumagawa ng robotaxi bilang dedikadong sasakyan na hiwalay sa mga karaniwang tampok ng ordinaryong kotse.
Source: TechCrunch
Kakakuha lamang ng exemption ang kumpanya mula sa National Highway Traffic Safety Administration’s expanded Automated Vehicle Exemption Program, na nagpapahintulot na ipakita ang kanilang custom‑built na robotaxi sa pampublikong kalsada. Ito ay mahalagang hakbang dahil ang mga robotaxi ng Zoox ay walang mga mahahalagang tampok ng normal na kotse, tulad ng manibela at mga pedal.
Inilunsad ng Zoox noong Hunyo 2025 ang kanilang unang production line para sa mga sasakyan, na naglalayong gumawa ng higit sa 10,000 robotaxi kada taon. Sinusundan ito ng mga pagsubok sa ilang US cities at pagpapalawak sa: Las Vegas, San Francisco Bay Area, Seattle, Austin, Miami, Los Angeles, at Atlanta.
Plano ng Zoox na ilunsad ang komersyal na alok ng robotaxi rides sa Las Vegas, San Francisco, at pagkatapos ay sa Austin at Miami sa mga susunod na taon.
(Maaari mong basahin pa‑more tungkol sa Amazon sa nakalaang investment report nito)
WeRide
WRD Tsart ng Presyo
Ang WeRide ay isang kumpanya na itinatag sa Silicon Valley noong 2017 at nakabase sa China. Nagsagawa ito ng maraming pagsubok sa buong mundo, partikular sa UAE, isang lugar kung saan ngayon ay lumalawak ito dahil sa pakikipagtulungan sa Uber. Ito rin ay ngayon ay nagde‑deploy ng 24/7 robotaxi sa Beijing.
Upang matugunan ang posibleng visibility issues sa gabi, ang robotaxi ng WeRide ay may higit sa 20 sensors, kabilang ang high‑precision, high‑dynamic cameras at high‑line lidars sa buong sasakyan.
Pinagsama sa kanilang multi‑sensor fusion algorithm at high‑performance computing platform, nakakamit ng system ang 360° blind‑spot‑free coverage sa detection range na hanggang 200m.
Mobileye
INTC Tsart ng Presyo
Mobileye ay isang kumpanyang nakabase sa Israel, na nakuha ng Intel (INTC ) noong 2017, at muling nag‑IPO noong 2022.
Bagaman may mga promising na teknolohiya, maaaring may mga problema sa kumpanya, na may balita noong Hulyo 2025 na nagbabalak ang Intel ng layoffs at mag‑sell ng 8% ng hawak nito sa kumpanya.
Maaaring ito ay sumasalamin sa mas pangkalahatang isyu sa Intel, na nagla‑layoff din ng mga empleyado sa iba pang aktibidad.
Gayunpaman, maaaring ito ay magdudulot ng problema para sa Mobileye, dahil mababawasan ang pondo at suporta mula sa kanilang parent company, na maglalagay sa kanila sa hindi kanais‑nais na kalagayan kumpara sa Waymo o Zoox, halimbawa.
(Maaari mong basahin pa‑more tungkol sa Intel sa nakalaang investment report nito)
Aurora Innovation
Ang kumpanya ay mas nakatuon sa driverless trucks, na nakatuon sa highway driving, na bumubuo ng napakalaking bahagi ng milyahe na tinatakbo ng mga trak.
Noong Mayo 2025, nag‑pull ang Aurora ng kanilang unang tunay na driverless run, matapos ma‑record ang tatlong milyong autonomous miles, na nag‑haul ng higit sa 10,000 customer loads.
Itinatag ang kumpanya ni Chris Urmson, isang maagang lider sa self‑driving car project ng Google, na kilala ngayon sa ilalim ng brand na Waymo.
“Ako ay nag‑cruise sa highway sa 65 milya kada oras, hindi sa likod ng manibela, kundi sa likod na upuan, pinapanood ang tanawin habang isang truckload ng pastries ay dinadala ng teknolohiyang aking tinulungan likhain,”
Plano ng Aurora na palawakin ang kanilang driverless service sa El Paso, Texas, at Phoenix, Arizona, bago matapos ang 2025.
Ang mga Kumpanyang Sumuko
Habang ang mga matagumpay na kumpanya ay nagpapakita na ito ay simpleng usapin ng pagtitiyaga upang manalo sa self‑driving race, dapat alalahanin ang mga proyektong namatay sa daan:
- Inilagay ng General Motors ang Cruise noong Disyembre 2024 (GM ).
- Inilagay ng Apple ang sarili nitong self‑driving plans noong Abril 2024. (AAPL )
- Inilako ng Uber ang kanilang driverless car segment sa Aurora Technologies noong 2020.
Non‑Car Self‑driving
Maraming kumpanya ang nagtatrabaho sa self‑driving, ngunit nakatuon sa mga sistema maliban sa kotse.
Halimbawa, ang maliliit na delivery robot, na teknikal na self‑driving na sasakyan, ay sapat na maliit upang makalusot sa regulasyon na nakatuon sa mga kotse. Sa ngayon, ang mga nangunguna sa rolling robots ay Estonian Starship Technologies, na inilunsad ng mga co‑founder ng Skype, at ang Chinese e‑commerce giant na Alibaba ; pareho silang gumamit ng maliit at hindi mapanganib na disenyo na hindi gaanong naiiba sa mga droid ng Star Wars.
Source: Starship
Dahil sa mga regulasyong dahilan at ang malaking epekto ng anumang aksidente sa mabibigat na sasakyan, ang autonomous trucks ay patuloy na umaasa sa input ng tao, kasama ang mga kumpanya tulad ng Kodiak, Gatik, at Pony.ai na sumusunod sa yapak ng Aurora Innovation.
Isa pang ideya ay ang paggamit ng mga lumilipad na drone para sa paghahatid ng maliliit at magagaan na item. Sa ngayon, ang lider ay malinaw na Zipline, sinundan ng Wing at Meituan (3690.HK). Maaaring ito ay isang tunay na rebolusyon, ngunit humaharap ito sa mas maraming regulasyong hadlang kaysa sa self‑driving delivery trucks, kaya maaaring mas mabagal itong ma‑deploy sa sukat.
Source: ARK Invest
Konklusyon
Pagkatapos ng maraming taon ng mabagal na pag‑galaw sa kabila ng “malapit na” na ganap na self‑driving na kotse na inaasahan nina Elon Musk at iba pang lider sa larangan, ang 2025 ay isang malinaw na punto ng pag‑accelerate para sa teknolohiyang self‑driving.
Maraming lungsod na nag‑risk nang maaga ay ngayon may robotaxi na regular na nagmamaneho sa kanilang mga kalye, na nagpapababa ng presyo ng ride‑hailing.
Sa ngayon, tila ang USA at China ang dalawang bansa na nangunguna sa buong mundo, kapwa sa mga kumpanyang nangunguna sa larangan, at sa mas flexible na regulasyon, kung saan ang positibong feedback loop sa pagitan ng inobasyon at isang welcoming regulatory framework ay maaaring maging mahalagang case study para sa mga ekonomista sa hinaharap.
Sa ngayon, ang bisyon ng limitadong, geofenced, at dahan‑dahang pag‑deploy ng robotaxi na may kumpletong set ng kamera, LIDAR, radar, at iba pang sensor ay tila naging winning combination upang hindi na kailanganin ang mga driver.
Malaki ang pakinabang na nakuha ng Waymo sa kanilang maingat na lapitan, na sinusundan ng Zoox at maraming iba pang kumpanya na humahabol nang mabilis.
Samantala, patuloy pa rin ang Tesla sa pangarap nitong isang pangkalahatang “full self‑driving” na teknolohiya na maaaring magmaneho sa anumang kalsada at umasa lamang sa kamera, na ideal na maisakatuparan sa pamamagitan ng simpleng software upgrade sa lahat ng umiiral na Tesla na kotse. Ito ay isang mapanganib na pustahan, ngunit isang kawili‑wisang ideya na tila ang tanging makakapaghatid ng walang limitasyong self‑driving sa lalong madaling panahon.
Malamang na ang geofenced na teknolohiya ay unti‑unting ma‑deploy sa buong mundo, paunti‑unti, at limitado lamang sa pakikipagkumpitensya sa tradisyonal na serbisyo ng taxi sa malalaking lungsod. Ito ay nag‑iiwan sa mesa ng malaking bahagi ng potensyal na multi‑trillion‑dollar na premyo mula sa “tunay” na robotaxi na makakapagpalit ng pagmamay‑ari ng kotse sa ultra‑cheap, 24/7 ubiquitous EV rides.
Kaya, ayon sa kultura ng kanilang kumpanya, maaaring ang Tesla ang magiging ultimate winner at lumikha ng isang ganap na bagong napakalaking merkado at baguhin kung ano ang kahulugan ng kotse, muli, ngunit lamang kung malulutas nito ang tila hindi matitinag na teknikal na hamon.
