Robotaxi 是個大題目，已準備了一段時間，一直等Uber-Nvidia 最後合作方案出台，最終黃仁勳在GTC 正式官宣了端到端（E2E）自動駕駛Full-Stack AV，並將此完整方案導入 Uber 平台及設定在 2028 年底前將無人計程車服務擴張至全球 4 大洲、28 個市場。
自 2025 年末至 2026 年初，全球自動駕駛計程車（Robotaxi）產業已正式跨越「實驗性試點」階段，進入大規模商業化擴張與跨國競爭的新紀元。這場競賽不僅是技術路徑的對決，更是商業模式、供應鏈整合能力以及全球監管適應性的全面較量。
當前市場呈現出三足鼎立的態勢：以 Tesla 為首的「視覺方案垂直整合派」、以 Waymo 為代表的「傳感器融合技術領先派」，以及由 Uber 協同 Nvidia 打造的「資產輕型平台生態派」 。由於內容太豐富，本系列將分成三部份發佈，逐一介紹三大體系的技術及戰略佈局。
根據最新的市場數據顯示，全球 Robotaxi 市場規模在 2025 年已達到約 48 億美元規模，並預計以高達 86% 的年複合增長率（CAGR）在 2033 年突破 6,938 億美元 。2026 年被視為產業的「拐點」，因為 Nvidia 的 Alpamayo 推理模型與 Tesla 的非監督式（Unsupervised）FSD 同步進入商業化關鍵期，按黃仁勳的說法，標誌著物理人工智慧（Physical AI）的「ChatGPT 時刻」已經正式到來 !
市場規模、經濟結構與全球擴張趨勢
2026 年全球 Robotaxi 市場規模預計達到57億美元，目前市場由亞太地區（尤其是中國）貢獻了約 32% 的份額，北美與歐洲則在監管框架完善與高端技術研發上保持領先 。
Robotaxi 的核心價值在於結構性地降低運輸成本。摩根士丹利（Morgan Stanley）指出，Tesla 利用現有 Model Y 車隊進行營運，其每英里成本約為 0.81 美元，優於 Waymo 的 1.43 美元與傳統網約車的 1.71 美元 。隨著專用無人駕駛車輛 Cybercab 的量產，預計長期成本將進一步下降至每英里 0.30 至 0.37 美元 。
Tesla 的「視覺優先」與規模化策略
Tesla 在 2026 年的戰略核心是從電動車製造商全面轉型為人工智慧與機器人平台 。其策略依賴於三大支柱：FSD 軟體變現、Robotaxi 網絡運營，以及 Optimus 機器人的工業布署 。
特斯拉的自動駕駛計程車（又稱 Cybercab）建立在下一代車輛平台上，採用「無箱工藝」（Unboxed Process）等先進製造技術。專為自動駕駛設計的 Cybercab 預計於 2026 年 4 月在德州超級工廠進入量產階段 。該車型完全取消了方向盤與踏板，僅配置兩個座位與感應式無線充電系統 。Elon Musk 強調，Cybercab 的產能爬坡將遵循「S 曲線」，初期增長雖緩慢，但長期目標是每年生產 200 萬至 400 萬輛 。
同時，Tesla 正在將 AI4 硬體標準化，利用 500 萬像素的高動態範圍感測器取代昂貴的光學雷達（LiDAR），採用純視覺（Vision-only）系統與 AI 技術以實現極致的成本控制 。 特斯拉的 Robotaxi 服務已於 2025 年 6 月在德州奧斯汀首度以有限規模推出，初期使用改裝的 Model Y 且前座配有「安全監控員」（Safety Monitor）。
2026 年 1 月，特斯拉開始在奧斯汀將「無人監督」的車輛整合進車隊決。目前該服務已獲准在德州、加州、內華達州運行，近期更獲得亞利桑那州交通部的批准，可在公共道路上測試。特斯拉計畫在 2026 年上半年擴展至額外 7 個城市。
為了支援無人車隊的營運，特斯拉開發了一款專屬的創新「清潔機器人」。該機器手臂能在 5 分鐘內完成車內清潔，具備旋轉微纖維布擦拭螢幕、強力吸塵器清理座椅、自動識別並移除乘客遺留物品，以及 UV 紫外線消毒系統等功能，實現全自動化的車隊維護。不過，我個人對目前機械人的清潔效率及實性，還是抱著懷疑態度。
FSD 的全球落地與監管挑戰
美國國家公路交通安全管理局（NHTSA）針對特斯拉「全自動駕駛」系統展開的深入調查，重點在於該技術於低能見度環境下的安全性缺陷。
研究指出，特斯拉過度依賴純影像攝影機而捨棄雷達與光達監測，導致車輛在遭遇強光或大霧時，往往無法及時偵測障礙物並警告駕駛者。相關事故數據顯示，多起致命碰撞發生前，自動系統並未對路面異常做出反應，引發外界對其軟體演算法可靠性的嚴肅質疑。
儘管執行長馬斯克持續宣揚該技術的優越性，但監管機構正針對其安全性偵測系統進行工程分析，這可能導致大規模召回。目前，司法部門與受害者家屬也透過法律行動，試圖揭開特斯拉長期視為商業機密的後台數據，以釐清自駕功能與交通事故之間的真實關聯。
FSD 致命車禍的歷史包袱
《華爾街日報》蒐集了超過 200 起 Tesla Autopilot（自動輔助駕駛）事故的影片與數據，顯示外界長期以來對 Tesla 採用以攝影機為基礎（有別於業界其他方案）的技術所提出的疑慮，已經在實際道路上浮現，並對公眾安全構成風險。以下是WSJ 獲得艾美獎提名，在Youtube 上高達1.6M 播放量的調查報導Documentary。
Tesla 的「純視覺」（Vision-based）感測系統（應用於 Autopilot 與全自動駕駛 FSD 系統）在低能見度與複雜路況下面臨著多重核心挑戰：
缺乏備援感測器（捨棄雷達與光達）
與競爭對手（如 Waymo）採用光達（Lidar）和雷達來建構更完整的周遭環境全貌不同，Tesla 選擇完全依賴攝影機進行電腦視覺辨識。
雖然光達能有效協助偵測障礙物，但執行長 Elon Musk 認為這些昂貴的感測器是不必要的，並堅持純視覺系統的發展方向。專家指出，這項與業界不同的決策將大眾置於風險之中。
機器學習與訓練資料的盲點
無法辨識「未曾見過」的障礙物：電腦視覺系統仰賴人類標註大量的影像資料來進行機器學習訓練（例如標註車輛、行人或紅綠燈）。然而，如果系統遇到訓練資料中缺乏的罕見情況（例如翻覆且車燈位置異常的半掛式卡車、或停在路邊的警車），系統可能完全無法理解眼前的狀況，進而無法煞車或避讓。
前方障礙物偵測失效：華爾街日報 分析的碰撞數據顯示，有多起事故是因為 Autopilot 未能對正前方的障礙物停下或讓行。美國國家公路交通安全管理局（NHTSA）審查的碰撞紀錄也指出，系統在某些情況下會「失去追蹤或從未偵測到」行駛路徑前方的車輛。
攝影機校準與視角不一致問題
車輛配備了多個攝影機（例如前方有三個），但前員工指出這些攝影機有時並未正確校準，有機會出現多鏡頭資訊衝突。
這會導致同一個物體在不同攝影機畫面中呈現不一致（例如在一個畫面中完美置中，在另一個畫面中卻顯得偏移或漂浮）。如果不同攝影機「看」到的資訊不同，系統在辨識障礙物時就會面臨極大困難。
在 2021 年洛杉磯附近的一起事故中，駭客取出的原始數據顯示，當路上出現一輛撞毀的皮卡車時，車上的一個攝影機看到了它，但另一個卻沒看到，導致系統無法辨識障礙物並全速撞上。
應對惡劣氣候與低能見度的能力不足
為了彌補移除雷達後的影響，Tesla 導入了「降級偵測系統」（degradation detection system）來應對能見度下降的問題。然而，NHTSA 發現該系統無法有效偵測到如刺眼陽光、起霧或空氣中有粉塵等常見的視線不良路況。在這些能見度降低導致碰撞的案例中，系統未能適當警告駕駛，往往直到即將發生碰撞的最後一刻才發出警示。
駕駛過度信任與人機互動的隱患
由於系統在多數時候表現得「還不錯」，加上高層對自駕能力的宣傳，容易讓駕駛對技術產生錯誤的信任感與過度自信。
儘管 Tesla 強調駕駛必須隨時準備接管車輛，但當純視覺系統因上述的視線不佳或辨識盲點突然失效、甚至突然偏移時，駕駛往往已經沒有足夠的反應時間，這正是導致嚴重傷亡事故發生的重要原因之一。
總結來說，專家認為純視覺是一項「存在嚴重缺陷的技術」。它不僅在面對惡劣天氣時缺乏足夠的環境感知能力，其核心的影像訓練盲點與多鏡頭校準問題，也讓車輛在面對未知或異常路況時，面臨著極高的安全風險。
AI4 核心運算能力與架構升級
針對安全性問題，特斯拉（Tesla）進行了第 4 代自動駕駛硬體 Hardware 4 (簡稱 HW4 或 AI4) 的架構及軟體。
HW4 搭載了全新設計的第二代全自動駕駛電腦（FSD Computer 2），運算能力與架構有了顯著提升：
處理器與算力升級：採用三星（Samsung）Exynos 7奈米或4奈米等級製程。CPU 核心數由 HW3 的 12 核增至 20 核，最高時脈達 2.35 GHz。神經網絡（NN）處理器由 2 個增至 3 個，總算力從 HW3 的 36 TOPS 提升至 50 TOPS。
重新導入安全冗餘 (Redundancy)：為了確保安全性，HW4 的主機板重新加回了硬體冗餘設計（HW3 時期曾為追求算力極大化而移除）。每個電路板具備兩個節點，可以同時計算並比對資料，確保單一節點故障時車輛仍能安全運作。
整合式資訊娛樂系統：在知名駭客 Green 的拆解中發現，HW4 將資訊娛樂系統的 GPU 直接整合在同一塊主機板上，不再使用獨立的子板，使整體主機變薄，且維持相同的 AMD CPU/GPU、16GB RAM 與 256GB NVMe 儲存空間。
感測器套件全面進化
HW4 放棄了特斯拉曾在 2021 年力推的「純視覺（Tesla Vision）」方案，帶來了全新鏡頭與雷達配置：
12 組高畫質鏡頭支援：HW4 電腦板上具備高達 12 個鏡頭連接埠（其中一個標示為備用）。鏡頭解析度從 1.2MP 巨幅升級至 5MP，擁有更廣的視野與更好的色彩還原度（鏡頭外觀帶有紅色鍍膜）。此外，前擋風玻璃鏡頭還新增了加熱元件以應對惡劣天氣。
新增前保險桿鏡頭：除了 Cybertruck 已確定搭載前保險桿鏡頭外，硬體拆解也發現了預留給保險桿的連接口（SVC），未來可能用於改善車頭前方的視覺死角。
重新回歸的高解析度雷達 (Phoenix)：HW4 重新加入了名為「Phoenix」的特製雷達，據推測為 72 GHz 的 Arbe Phoenix SAR 高解析度雷達，探測範圍達 300 公尺。這能大幅改善車輛在夜間、雨雪或大霧等視線不佳環境中的感知能力。
全新 GPS 模組：採用了帶有三頻天線的全新大型 GPS 模組，進一步提升定位精準度。
各車款的實裝差異與「降本」設計
特斯拉並未大張旗鼓地宣布 HW4 上線，而是悄悄導入新車型中，且不同車款的 HW4 配置有所差異：
Model S / X / Cybertruck：搭載「完整版」的 HW4 配置（包含 Phoenix 雷達），Cybertruck 更是自上市起便標配 HW4。
Model Y 的降本版 HW4：2023 年 5 月起出廠的 Model Y 雖搭載 HW4，但進行了明顯的成本縮減。例如移除了高級音訊硬體、部分 GPU 元件、採用較便宜的非 ECC RAM，並拿掉了前保險桿等額外的鏡頭連接埠。
軟體表現：FSD v14 的躍進與硬體差異化
軟體資源正快速向 HW4 傾斜，舊版 HW3 的更新順位已被延後：
FSD v14 的專屬優化：2025 年末至 2026 年推出的重大更新 FSD v14 採用了 10倍大的神經網路模型，能提供更流暢的邊角案例（Edge cases）判斷，並具備為 Robotaxi 與無線充電設計的「完美自動停車（Perfect Autopark）」功能。目前這些更新主要依賴 HW4 的算力。
最新測試版展現了極度擬人化且自信的駕駛風格。優點包含：卓越的雪地應對能力、修復了窄路容易擦撞路緣的 Bug、變換車道不猶豫，以及全新的 Unreal Engine 3D 視覺介面。然而缺點包含：無法有效避開坑洞（甚至會直直開過去）、偶發的導航邏輯失誤、Drive-thrus車道辨識仍有困難。
因算力限制，HW3 車主在 2026 年第二季預計只能獲得閹割版的「FSD v14 Lite」；此前的 v12.5 更新（參數增加 5 倍）也是優先在 HW4 上推出，後續才花費大量精力優化代碼以相容 HW3。
對周邊配件的衝擊 (供電架構改變)
HW4 不僅提升了算力，其電力系統也迎來巨大改變：
16V 架構與高耗電：HW4 的待機耗電量大約是 HW3 的兩倍，並且車輛電壓系統從 12V 升級到了 16V。
HW3 升級 HW4 政策逆轉：由於 HW4 的主機板尺寸、冷卻管路與耗電量完全不同，特斯拉原先表示「絕對無法」提供改裝。但在 2025 年 1 月的財報會議上，馬斯克承諾，凡是「買斷」FSD 軟體的 HW3 車主，特斯拉都會為其進行 HW4 硬體升級，即便這項工程將會「痛苦且困難」。
Level 5 完全自動駕駛的 HW5 (AI5) 晶片
Tesla 的下一代全自動駕駛（FSD）運算晶片 AI5（原稱 Hardware 5 或 HW5）代表了該公司在硬體與實體 AI 領域的重大飛躍。AI5 晶片的性能提升亦正式為Tesla 開展Physical AI 時代作好準備。
如果這篇內容對你有幫助，歡迎 Like、Share、Comment 、Restack。
你的支持，是我持續寫作最重要的動力！
以下是付費權益內容，如有需要請以網頁版打開。
餘下一節會介紹AI5 晶片及昨天剛剛發佈的Terafab 項目，而最後一節則檢視市場競爭數據對比 (Tesla vs. Waymo vs. Uber/Lyft)，包括收費、等車時間、滿意度調查。