本週自動駕駛與聯網車產業重點消息涵蓋Pony.ai、廣汽商用車（GAC）、Tesla、Waymo、Ouster、Lucid以及Bolt等多家廠商，從重卡商業化、撞車數據透明度爭議、國際市場拓展，到感測器硬體升級與AI偏誤研究，產業發展呈現多元面貌。
Pony.ai與廣汽商用車發表第四代Robotruck
於德國漢諾威舉行的IAA Transportation 2026展會上，Pony.ai與廣汽商用車共同揭幕一款L4級自動駕駛重型卡車，展現自駕貨運從技術展示加速邁向實際部署的進程。該車以廣汽T9電池電動重型平台為基礎，整合Pony.ai第四代自動駕駛系統，搭載專為無人駕駛設計的線控驅動（drive-by-wire）底盤，預計於今年稍晚啟動量產。
雙方鎖定的應用場景包括長途幹線運輸、專用物流路線以及港口拖運，這些重複性高、行駛里程密集的路線長期被視為自駕卡車最容易切入的應用領域。系統核心採用全面冗餘架構，涵蓋轉向、煞車、通訊、配電、運算與感測器等環節，並搭載由9組光達、3組毫米波雷達及13組攝影機組成的360度感知套件。
Pony.ai採用與第七代Robotaxi相同的域控制器架構，官方聲稱此設計使自駕套件的物料成本較前代降低70%。搭配0.4的風阻係數車體，以及可降低整體車隊能耗10%的專屬能源調度演算法，雙方預估每噸公里運輸成本可減少30%。此款卡車也是Pony.ai車輛中立「Virtual Driver」平台首次延伸至歐洲與中東物流市場，預計未來兩年內逐步展開。
Tesla撞車數據遮蔽爭議再起
並非所有自駕車產業環節都朝著透明度方向前進。知名出庭律師、Witherite Law Group創辦人Amy Witherite近日公開質疑Tesla向美國國家公路交通安全管理局（NHTSA）提交車禍遙測數據時的遮蔽作法，重新點燃汽車製造商究竟應被允許隱瞞多少資訊的辯論。
爭議源自2025年10月31日發生的一起致命車禍：一輛2020年款Tesla Model 3在亞利桑那州Loop 202公路的通行車道中停止，車輛自動駕駛系統經驗證確認處於啟動狀態。一輛Ford F-350從後方撞上這輛靜止的Tesla，造成Tesla駕駛身亡。在向監管機關提交的報告中，Tesla將核心運作細節——包括車禍經過敘述、當下啟用的軟體版本，以及系統運作設計領域（ODD）參數——列為機密商業資訊。
Witherite主張，專屬智慧財產權不應被用來遮掩決定車禍實際經過的關鍵數據，例如感測器偵測紀錄、警示系統啟動紀錄，以及任何系統解除作動的時間軸。她將這些遮蔽行為視為更廣泛資訊不對等的一環，製造商掌控了車禍受害者及其家屬理解事發經過所需的遙測資料、行車影像與事件紀錄器（EDR）資料。
這項審視並非僅限於一家律師事務所。NHTSA於2025年8月針對Tesla自駕系統車禍報告是否符合《常設一般命令》對時效性與完整性的要求展開正式稽核。在2026年3月涵蓋八起獨立事故的申報文件中，Tesla請求對其詳細報告給予永久保密待遇，此舉引發交通安全倡議人士新一波批評，要求提升整體車隊資料透明度。
Waymo瞄準東京市場
Waymo正準備在亞洲推出首個全自動駕駛商業服務。這家Alphabet旗下子公司已與日本計程車業者日交（Nihon Kotsu）及行動平台GO達成最終協議，預計於2027年在東京推出L4級Robotaxi服務，奠基於2025年於當地展開的監督式地圖建構與道路測試。
早期測試階段仰賴日交的安全派員協助訓練Waymo Driver系統，使其熟悉東京狹窄的住宅街道與密集的行人環境，這與鳳凰城或舊金山寬闊的林蔭大道截然不同。服務正式啟動後，使用者可透過GO應用程式或Waymo自家應用程式叫車，初期商業車隊預計擴充至約100輛，分布於東京主要行政區。日交將負責場站基礎設施、維護與地面物流，此種分工部分目的在於緩解日本人口老化所帶來的勞動力短缺問題。
服務正式上線仍有賴日本相關主管機關與地方運輸監管機構的許可核發，但這對Waymo而言仍是一個重要里程碑，使其自駕足跡從美國15個都會區市場延伸至首個海外商業部署據點。
Ouster新款光達為點雲添上色彩
在產業硬體端，數位光達製造商Ouster推出Rev8 OS1 Max感測器，這是一款256通道的產品，將原生48位元彩色點雲擷取功能直接整合至單晶片上。該感測器以Ouster專有的L4 Max系統單晶片（SoC）為基礎，在硬體層級執行時空融合（spatial-temporal fusion），逐點將RGB色彩資料與3D距離座標進行對位註冊，解決了過去行動測繪作業流程中多感測器校準繁瑣、視差誤差與紋理延遲等難題。
關鍵性能數字包括：1-sigma距離精度達正負0.25公分、絕對精度正負1.25公分，以及116分貝的動態範圍，使感測器能從近乎全黑的環境一路運作至200萬勒克斯的強光環境。其每秒最高可輸出1,040萬點，在10%表面反射率下偵測距離可達200公尺，理想條件下更可達500公尺，整體精度約為前代Rev7的兩倍。
Ouster已透過與地理空間酬載解決方案商GeoCue的合作將此感測器投入實際應用，將Rev8 OS1 Max整合至GeoCue的TrueView無人機硬體與LP360處理軟體中。於阿拉巴馬州亨茨維爾進行的測試顯示，此組合能在高空走廊飛行作業中解析纖細的電力線導體、結構邊緣以及輸電線路，同時符合《美國製造、購買美國貨法案》與國防授權法案（NDAA）第164條對國內採購的規定。
Lucid與Bolt結盟佈局歐洲Robotaxi
Lucid Group透過與叫車平台Bolt的新合作關係，將其軟體定義車輛（SDV）策略推向歐洲市場。雙方計劃在歐洲各城市共同開發並部署至少25,000輛SAE L4級自動駕駛車輛，採用Lucid即將推出的中型平台（Midsize platform），這也是Bolt於2035年前營運10萬輛自動駕駛車輛更大目標的一部分。
這些車輛將以NVIDIA Hyperion參考架構為核心，從平台設計之初即整合中央化運算與標準化感測器套件，而非事後加裝。新成立的Lucid Technologies部門將與Bolt Autonomous Driving Solutions合作，使硬體冗餘、安全系統與遙測架構符合歐洲監管要求。
Bolt將擁有並營運最終車隊，並運用其在全球850個城市既有叫車服務所累積的營運數據，來調整軟體參數、乘客介面與派遣系統。雙方均表示將與各地區政策制定者直接合作，於商業自駕服務擴展至歐洲主要公共交通網絡之際建立合規路徑。
自駕系統對行人辨識存在偏誤
英國倫敦國王學院（King's College London）的研究正對自駕車感知系統中的公平性提出嚴峻質疑。這項研究檢視了日益廣泛應用於自駕車決策流程的大型語言模型與視覺語言模型，發現煞車決策與行人讓步比率存在可量化的差異——這些決策與人口統計特徵、膚色及身障狀態相關，而非僅取決於速度、距離等運動學參數。
《Automotive News》與《CarBuzz》等媒體報導的這項發現，呼應了身障倡議人士長期的疑慮。身障權利教育與防衛基金會（Disability Rights Education & Defense Fund）指出，雖然現今自駕系統普遍能可靠辨識站立或行走的行人，但其物體分類網路在處理使用輪椅、代步車或白色導盲杖的行人時往往表現不佳——而這些正是安全、可預測行為最為關鍵的極端情境。
對此，倫敦國王學院研究團隊提出一套測試方法，建議從模型輸入層中剝除人口統計相關特徵，旨在確保路徑規劃決策係基於安全攸關的因素，而非AI系統對行人身分的主觀感知。