端到端 AI 很強，但僅 22% 專家認為是自駕主流！麥肯錫揭未來自駕大腦是「混搭風」
麥肯錫未來移動中心（McKinsey Center for Future Mobility）發布第三次半年一度的產業領袖調查報告，結果顯示全自動駕駛的普及時間表將持續延長。L4 等級的 Robotaxi 大規模商業化預期時間已從原先的 2029 年推遲至 2030 年，而私人擁有的 L4 自駕車與全自動駕駛卡車更預計要到 2032 年才能實現。
這種時間表的推遲，加上開發成本居高不下，迫使車廠（OEM）與供應商重新審視現有的技術路徑與商業模式。調查指出，市場焦點正從追求一步到位的 L4/L5，轉向務實的 L2+ 大規模量產。為了在漫長的過渡期中生存，產業更從過去由單一供應商提供「全套」模式，轉向更為靈活、碎片化的供應鏈結構。
端到端 AI 與混合架構並行，打破單一供應商壟斷
導致供應鏈重組的核心原因，在於底層技術架構的典範轉移。在傳統的車輛軟體開發中，設計師需要單獨定義感知規則、感測器資料融合和路徑規劃，但現在「端到端 AI」（End-to-End AI）正成為顯學。麥肯錫指出，端到端模型具備強大的泛化能力與擬人化駕駛行為，部分受訪專家更認為能降低開發成本。然而，由於其「黑盒子」特性帶來的不可解釋性與安全監管疑慮，僅有 22% 的專家認為端到端架構將成為主流。
調查中，絕大多數專家預測，未來的主流將是「混合架構」，也就是同時採用端到端 AI 模型來處理複雜場景，並結合傳統演算法來驗證安全邊界與可解釋性。這種架構上的「混搭」需求，直接導致了技術堆疊的來源不再單一。車廠可能從 A 供應商採購端到端模型，從 B 供應商採購傳統感測演算法，最後由自身或 Tier 1 供應商進行整合。
軟硬採購分家成常態，車廠轉型「超級整合商」
隨著技術架構的演變，車廠的採購策略也發生了劇烈變化。麥肯錫調查顯示，專家們預測到 2035 年，軟硬體分離將成為主流採購模式。這代表，車廠將不再購買綁定軟硬體的「套餐」，而是獨立採購晶片與軟體，甚至自行開發部分核心軟體。
約三分之一的受訪專家（34%）預期，未來將出現由科技公司與晶片廠商共同開發軟硬體，或由 OEM 業者一手包辦晶片與軟體研發的整合模式。
調查中另一個明顯的數據變化是，看好「混搭模式」（Mix-and-Match）的專家比例從 2023 年的 16% 大幅上升至 26%。在這種模式下，技術堆疊的各個組成部分來自不同的供應商，並由原始設備製造商 (OEM) 或一級供應商整合到最終產品中。
這反映出車廠為了掌控成本、開發節奏與數據資產，正逐漸轉型為具備高度整合能力的「超級整合商」。他們不再尋求一家通吃的解決方案，而是像「組樂高」一樣，在市場上尋找最佳的模組進行拼裝。
麥肯錫建議：保持敏捷與協作是生存法則
面對日益碎片化且充滿不確定性的供應鏈，麥肯錫認為未來的贏家不一定是最強的演算法公司，而是最懂得整合資源的玩家。報告建議企業應保持高度的敏捷性（Agility）與靈活性，以快速適應技術路線與法規的變動。
此外，成功的市場策略將建立在「核心業務聚焦」與「外部協作」之上。車廠應專注於自身具備競爭優勢的領域，而對於非核心的技術模組，則應透過靈活的合作夥伴關係來取得。在自動駕駛進入下半場的競爭中，能夠有效管理多方供應商、並將異質技術完美整合的企業，才能在這場持久戰中脫穎而出。
立即報名 3/3「AI 智慧大工廠」論壇台北場，解密 Agentic AI 如何重塑「超自動化」工廠