【麥肯錫自駕車報告】49% 專家預測大眾市場回歸「務實的 L2+」，為何車廠開始放棄全自動承諾？
這份源自麥肯錫的《下一步該怎麼走？自動駕駛汽車專家的見解（Where to next? Insights from autonomous-vehicle experts）》深度報告，或許能為自動駕駛產業帶來清醒的現實校正視角。
報告揭露，儘管商業營運已啟動，但大規模落地時程卻全面延後，且「高昂成本」已取代技術成為最大路障。為何車廠不再將 L3 視為大眾市場主流？為何「混合 AI 模型」才是未來解方？報告內容洞悉產業如何從畫大餅走向拼執行力，有助企業制定更務實的部署與投資策略。
📌 這份報告適合誰閱讀？
內容涵蓋市場採用時程、技術架構辯論、成本結構分析以及供應鏈策略，推薦以下讀者閱讀：
- 汽車與科技業的高階戰略主管，提供資訊修正市場預期與資源配置
- 研發總監與 AI 技術架構師，決定技術路線與開發架構
- 產品經理與市場規劃人員，確認產品定義與消費者需求
🔴 報告洞見
自動駕駛從技術狂熱
走向商業部署現實
根據麥肯錫的報告，自動駕駛技術正處於從早期的「概念驗證」邁向「全面部署」的關鍵入口。截至報告發布時的 2026 年初，全球市場每週已能完成超過 70 萬次的付費全自動駕駛計程車（Robotaxi）行程，其中美國與中國市場分別貢獻了 45 萬次與 25 萬次，顯示商業化營運已初具規模。
儘管營運數據看似亮眼，但產業內部的氣氛卻從過去的技術狂熱轉向冷靜與務實。決策者們普遍意識到，要跨越下一階段的投資與技術障礙，必須重新校正對未來的預期，這也意味市場雖然潛力巨大，但競爭將回歸到更為嚴酷的成本控制與商業效益考量。
💡 Robotaxi 商業化已啟動，但大規模落地時間被推後
在現實挑戰下，專家們對自動駕駛大規模商業化的時間表進行顯著修正。與兩年前的調查相比，各類應用場景的預期落地時間平均推遲了一至兩年。
具體而言，儘管美中部分城市已開始營運，但全球範圍內的 Robotaxi 大規模商業化預計要到 2030 年才能真正實現，而非先前預測的 2029 年。私家車的 L4 級城市自動駕駛功能，以及全自動駕駛卡車的商業可行性，則進一步被推遲至 2032 年。這顯示出產業界對於解決複雜交通場景與邊緣案例的難度有了更深刻的認知，也確立了 Robotaxi 將先於私家車與卡車成為首個大規模商業化應用的趨勢。
除了時間上的延遲，地理區域的發展落差也正在擴大。調查顯示，美國與中國將持續領跑全球，成為首波採用的核心市場，而歐洲與亞洲其他地區預計將滯後 3 至 7 年。
造成這種顯著差距的原因是多方面的，專家指出，美中兩國擁有更快速的開發週期、更具活力的商業組織與新創文化，以及相對充裕的資金支持與 AI 軟體基礎。此外，監管環境的支持度以及大規模測試新技術的意願，也讓這兩個超級大國在自動駕駛的競賽中拉開了與其他地區的距離。
💡 私家車策略從 L3 退回務實的 L2+ 高階輔助
在私家車領域，還有個重大的戰略轉折正在發生：產業界不再盲目追求昂貴的 L3（有條件自動駕駛），而是將重心回歸到更務實的 L2+（高階輔助駕駛）。
高達 49% 的受訪專家認為，到了 2035 年，私家車的大眾市場將以 L2+ 功能為主，這與 2023 年時超過半數專家看好 L3 的情況形成強烈對比。
這項轉變揭示了 L3 產品定位的尷尬處境。過去業界曾假設 L3 系統成本會快速下降，且其允許駕駛「在塞車時休息或玩遊戲」的特性，將成為吸引消費者的殺手級應用。然而，現實情況是 L3 的開發與驗證成本居高不下，且技術進步速度不如預期，導致其性價比難以說服大眾買單。
目前僅剩 39% 的專家仍看好 L3 及以上系統能主導市場。這種信心下滑的主因在於，為了達到 L3 承諾的「責任轉移」（即車輛負責駕駛），車廠必須投入巨資處理極端邊緣案例，這讓 L3 注定只能是昂貴的「選配功能」。
因此，未來的市場格局將更為兩極化。L2+ 將成為大眾車款的標準配置，提供更安全但不承諾完全接管的駕駛輔助；而 L3 及以上功能恐將僅限於高階豪華車款，成為一種「利基產品」而非原本預期的主流標配。這意味著車廠與供應商需要重新思考產品路徑圖，停止在平價車型上過度承諾高階自動駕駛功能。
💡 成本上升已超越技術與法規，成自駕最大商業障礙
這份報告還揭露了一個殘酷的現實，即「高昂成本」已正式超越技術瓶頸、責任歸屬或法規問題，躍升為阻礙自動駕駛發展的第一大痛點。
產業已從單純的研發階段，進入對商業化極為敏感的部署階段。隨著自動化等級的提升，軟體開發的複雜度與成本呈現指數級增長，專家估計，L4 和 L5 級別的軟體開發、測試與驗證成本，竟是低階系統的 4 到 7 倍之多。
這種巨大的資金門檻正在篩選市場參與者。對於 Robotaxi 與全路程自動駕駛卡車的全面部署來說，報告指出，若要達到市場就緒狀態，預計需要投入超過 30 億美元的軟體研發資金。
特別值得注意的是自動駕駛卡車領域，其成本預估修正幅度最大，較兩年前上調了 50% 至 60%。這反映出業界過去嚴重低估了卡車在處理長尾邊緣案例以及產品工業化過程中的難度。此外，硬體成本雖然也受關注，但其更多取決於車型載具本身，自動駕駛卡車的硬體成本依舊顯著高於其他交通工具。
💡 混合 AI 模型成未來路線，純端到端仍不被主流看好
為了應對日益膨脹的成本並提升性能，業界也開始探索新的技術架構，其中「端到端」AI 學習模型成為熱門話題。
這種架構有別於傳統將感知、決策、控制分開編寫規則的方式，而是由單一大型 AI 模型進行訓練。端到端模型的優勢在於能模擬類人的駕駛行為，並具備更快適應新環境的潛力；約三分之一的專家認為它能降低 10% 到 20% 以上的開發成本，這對急需控制預算的企業極具吸引力。
然而，儘管有成本與效能優勢，純粹的端到端模型並未獲得壓倒性支持。專家們最大的擔憂在於其「黑盒子」特性帶來的監管與安全疑慮。當 AI 做出決策時（甚至產生幻覺），工程師往往難以解釋其背後的邏輯；因此，僅有 22% 的專家認為「純端到端」模型會成為主導，而絕大多數專家預測「混合模型」將統治未來。
所謂的混合模型，是指利用端到端 AI 計算車輛軌跡，但在執行前會經過一層傳統演算法進行安全檢查。這種架構既利用了 AI 的泛化能力與效率，又保留了傳統規則的可解釋性與安全性，成為平衡創新與風險的最佳解方。特別是在 L3 以上的高階應用中，幾乎排除了純端到端模型的可能性（支持率低於 10%），混合架構被視為兼顧性能與安全的唯一可行路徑。
💡 地緣政治與供應鏈重塑自動駕駛競爭版圖
地緣政治的張力與技術主權的考量，正在深刻重塑全球供應鏈的樣貌。高達 74% 的專家預測，中國將發展出獨立於歐美之外的自動駕駛技術堆疊。這種「技術脫鉤」的預測，源於中國消費者對 ADAS 功能的高度興趣、當地獨立且完整的供應鏈體系，以及全球地緣政治的不確定性。這意味著跨國企業可能需要針對中國市場採取雙軌策略，無法一套系統打天下。
在採購模式上，產業也正在經歷結構性的變革。專家預測，到了 2035 年，OEM 車廠將不再依賴單一系統供應商提供的軟硬體打包方案，主流趨勢將轉向「軟硬體分離」。
與此同時，混合搭配的採購模式正在興起，其比例從 2023 年的 16% 上升至 26%。這與混合模型架構的興起密切相關，車廠可能會從一家供應商採購端到端 AI 系統，再與另一家供應商的傳統控制系統進行整合，這無疑將增加供應鏈管理的複雜度，但也提供了更高的靈活性。
💡 自動駕駛從畫大餅展望，走向成本與執行力競爭
儘管面臨成本激增與時程延後的雙重挑戰，但自動駕駛產業的前景並非黯淡無光。
調查顯示，「競爭」被列為目前最小的痛點，這暗示市場整合已經發生，倖存的玩家將有機會瓜分巨大的價值池。要在這個新階段勝出，企業必須展現極高的敏捷性，以應對區域化技術堆疊與採購模式的分歧。
此外，成功的戰略將不再是單打獨鬥。企業應在非核心業務領域（如地圖數據）積極尋求合作夥伴，並將內部資源集中於核心競爭力。同時，回歸客戶價值至關重要，與其盲目追求技術指標，不如開發消費者真正願意付費的功能。
隨著產業從研發走向部署，建立跨行業的安全標準以及提升組織內部的協作效率，將是控制成本並實現規模化獲利的關鍵。產業正在告別畫大餅的時代，進入了拼執行力與成本控制的硬實力競爭階段。
＊閱讀完整報告內容，請見：Where to next? Insights from autonomous-vehicle experts
【更多產業研究報告】
◆ 【人形機器人 2030 市場規模與趨勢】硬體是基礎，軟體是金礦，解構價值鏈利潤轉移
◆ 【Google 2026 網路安全預測報告】資安長的關鍵難題：誰來監管 AI？治理失控將比外部攻擊更早發生
◆ SEO 退場？GEO 上線：如何在 AI 時代讓品牌被演算法選中而非只是排名
◆ 開發速度快 660% 的代價：45% AI 代碼有毒，企業如何建立不被拖垮的資安法則？➡️ 其他產業研究報告
＊初稿由 AI 協作，首圖來源：Unsplash