在今日的中國與美國，一項將為人們帶來巨大改變的技術正在發展，即是自動駕駛技術。這項技術將在方方面面，給予我們巨大的衝擊與影響，我們應該對它有深入的了解。
自動駕駛技術目前的發展
自動駕駛技術是當前人工智慧實際走入日常生活的關鍵路徑之一。相較於大型語言模型主要影響的是資訊處理與知識勞動，自動駕駛則直接介入人們最日常、也最具風險的活動之一——移動與通勤。在各種應用場景中，「計程車」之所以成為自動駕駛率先落地的核心領域，正是因為它同時承載了高度複雜的道路環境、連續決策需求，以及明確的商業與公共安全壓力，也是最能檢驗技術成熟度的場景。
目前此一領域中，最具代表性的兩條技術路線，分別由 Waymo 與 Tesla 所主導，其核心差異不在於是否「能不能自動駕駛」，而在於如何理解與建模現實世界。
Waymo 的自動駕駛系統，建立在高精地圖（HD Maps）與即時環境感知相互配合的架構之上。高精地圖提供的是道路結構、號誌位置與固定環境要素的參考框架，而車輛本身仍需依賴攝影機、雷達與 LiDAR 等多種感測器，即時感知動態物體、行人與突發狀況，並持續對地圖資訊進行校正與修正。地圖本身是降低即時感知負擔、提高決策穩定性的基礎層。
在這一架構下，Waymo 得以在地理範圍相對固定的城市中，實現高度穩定的商業化營運，例如洛杉磯、舊金山、鳳凰城、亞特蘭大、奧斯丁與紐約市等地。然而，這種高度依賴多感測器融合的方案，也意味著車輛硬體成本較高，部署前需投入大量前期測繪與系統校準資源。
其中，LiDAR 在豪雨、濃霧等極端天候條件下，其採樣品質可能受到干擾，但現行系統通常會透過訊號濾波、時間序列分析，以及與攝影機、毫米波雷達的資料融合，來部分補強其可靠性。多數工程研究亦指出，在可控範圍內，LiDAR 的整體穩定性仍普遍高於單純依賴人眼或單一攝影系統。問題主要在成本、部署彈性與極端情境下的邊際效益。
相較之下，Tesla 的 Robotaxi 路線則明確指向「通用型自動駕駛 AI」。其核心策略是盡可能減少昂貴且專用的感測硬體，主要依賴攝影機與大規模數據訓練，透過 FSD（Full Self-Driving）系統讓 AI 學習以近似人類視覺的方式理解環境，並在即時狀態下完成決策。這一路線的潛在優勢，在於一旦技術成熟，將具備跨城市、跨地區快速複製的能力，硬體成本亦有機會顯著低於多感測器方案。
然而，正因其追求的是通用性與高度抽象化的環境理解，Robotaxi 的實際商用進度相對於 Waymo 顯得更為謹慎，目前仍需車內監管員輔助。這並非單純的技術落後，而是來自其目標本身——通用型自動駕駛 AI 對數據規模、訓練時間與監管容錯的要求，遠高於限定場域下的自動駕駛系統。
（圖片來源：8891汽車）
產生的影響一・出行成本與舒適度
目前已有試跑的三個廠商，Waymo、Robotaxi與同樣使用Waymo系技術的百度「蘿蔔快跑」，在費用上各有不同。
Waymo：
（1）Waymo在舊金山目前單次搭乘的平均車資為20.43美元（對比Uber15,58美元、Lyft14.44美元）
（2）行程少於1.4公里，Waymo平均每公里26美元（比Uber貴31.12%，比Lyft貴41.48%）
（3）4.3至9.3公里的中程行程，Lyft每公里為$2.60、Uber為$2.90，而Waymo則是$3.50
（4）尖峰時段Waymo的平均價格比Lyft高出$11，比Uber貴了$9.50
Waymo平均的高價格源於前文提到的車輛成本。Waymo的第五代車，共需29個攝影機與5個光達，每輛車的造價在20萬美元，五代車也作為主要運行的車款，同時，Waymo平台對比已經運行許久的Uber等平台不夠靈活，無法做到尖峰離峰攤平成本，也因車輛數固定而無法調整上線人數。
然而，價格問題依舊有解方，以第六代車來說，隨著系統的進步，感應器下降需求，變成只需13個攝影機、4個光達，造價是從20萬美元到目前小於7萬美元（若能完全採用中國Zerk製造，到美國改裝，參考百度目前製車的價格，大概是2.8萬美元一台）。平台問題可以靠著Waymo與Uber合作解決（在亞特蘭大、奧斯丁便是如此）、而數量問題也會隨著使用的普及解決。
價格問題外，乘車的舒適程度也是自動駕駛車的優勢，調查中16.3%願意多付$5以內，10.1%願意多付最高$5，16.3%願意多花$10，在美國，大量在出行預算有餘裕的人們，在相對貴的價格下選擇轉向Waymo。
另外兩間廠商，目前Robotaxi試駕（德州南奧斯丁、加州與9/19開放的內華達州）每趟不論距離皆為4.2美元（125台幣），每輛車前座皆配備安全監管員。特斯拉並未公佈他們的製造成本，已有的資訊則顯示因硬體上僅新增八台攝影機，因此造價與一般ModelY相同，而目前ModelY最便宜的後驅款是52490美元，裝配FSD軟體則是多加8000美元。
蘿蔔快跑則被評價為大幅降價，深圳平日的起步費：1.5公里16-20元（70~90新台幣）；里程費：每公里1.95元-2.25元（8~10新台幣）；時長費每分鐘0.7-0.8元（3~3.5新台幣）；遠途費：每公里1.5元（6.7新台幣），超出8公里計入，較一般網約車便宜1/3~1/4。
對比台灣的一般計程車（以大台北地區為例）起步價：1.25公里 85元；里程費：每200公尺 5元；延滯計時：時速5公里以下，每60秒5元；夜間加成：23:00~06:00加收20%。以雙北來說，汽車/計程車約能在40分鐘內到達所有地點，但公共運輸可能需要1個半小時到兩個小時，以Tpass計算，一天40元，需要時間在2～4個小時通勤，若自動駕駛使計程車價格降到目前的一半甚至三分之一，而通勤時間又能壓在一小時內，對大多數人而言將是極具吸引力的。
中國的無人駕駛計程車（圖片來源：今周刊）
產生的影響二・安全性
自動駕駛技術所面臨的挑戰，除了技術成熟度與成本結構之外，另一個關鍵問題在於：人們是否願意將方向盤交給一個自己無法即時理解、也無法情緒性干預的系統。這種不安並非源自實際風險，而更多來自對「失去控制感」的直覺恐懼。然而，當我們從統計與公共風險管理的角度檢視，自動駕駛與人類駕駛之間的安全差距，這種恐懼便顯得與現實存在明顯落差。
以 Waymo 公開的最新長期測試數據為例，涵蓋2023至2025年的實際道路行駛情況，在每百萬英里行駛距離中，涉及人員受傷的事故約為0.41次，而同期人類駕駛的平均值則約為2.78次，事故風險降低約85%。在需報警處理的交通事故中，自動駕駛車輛的發生率約為每百萬英里 2.1次，相較人類駕駛的 4.85 次，亦降低超過五成。進一步拆解事故型態，行人受傷事故下降約九成以上，自行車與機車事故下降約八成，而事故最為集中的十字路口場景，風險亦出現顯著下滑。
特斯拉 Robotaxi 所採用的 FSD 系統，在近年逐步減少人工介入後，其安全性數據亦呈現相同趨勢。依其2025年第二季公開的安全報告，在高成熟度版本下，搭載 FSD 的車輛約每 一千萬英里 才發生 一次碰撞事故；相較之下，未使用任何輔助系統的人類駕駛，平均約每 一百三十萬英里 即發生一次事故，差距接近 一個數量級。早期仍高度依賴人工監管、並混合使用 LiDAR 的階段，確實曾出現過致命事故與特定場景（如鐵路平交道）無法使用的限制，但這些問題並未在後續版本中持續擴散，反而成為系統快速迭代的修正對象。
這些結果並非偶然。根據 世界衛生組織（WHO） 與 美國國家公路交通安全管理局（NHTSA） 長期彙整的資料，全球約 94% 的道路交通事故 可歸因於人為因素，而非車輛本身的機械故障。這些人為因素包括：
1.使用電子設備造成的分心（車內、車外或認知層面）。
2.超速行駛、酒駕與藥駕（包含部分處方藥）。
3.疲勞駕駛、反應遲鈍、微睡眠（Microsleep）、情緒失控與攻擊性駕駛。
4.對速度與距離的誤判，以及操作失誤（如過度轉向或急煞）。
5.違反交通規則、未依路權行駛、闖紅燈或違規變換車道。
6.視野盲點與能見度下降（雨、霧、逆光、夜間駕駛）。
在現有事故案例中，自動駕駛車輛最常見的事故型態反而是「遭人追尾」。其原因並非系統失誤，而是自動駕駛車輛在加減速與路權判斷上更為保守、守法，缺乏人類駕駛常見的「預期外冒險行為」，使得後方人類駕駛難以預測其行動模式。換言之，這類事故暴露的並不是自動駕駛的危險性，而是人類駕駛行為本身的高度不穩定。
若將視角拉高至整體社會層級，差距更為殘酷。以近年 OECD 國家的公開統計為例，美國每年約有 四萬人 死於交通事故，德國與法國每年各約 三千至四千人，日本約 兩千六百人，台灣近年亦維持在 接近三千人 的水準。全球範圍內，每年約有 一千三百萬人 死於道路交通事故、數千萬人受傷，其死亡與傷殘規模，遠高於多數受到高度關注的重大交通災難（如空難或鐵路事故）。
在此意義上，是否推進自動駕駛技術，已不再只是「科技選擇」，而是一個是否接受可避免的大量社會傷亡持續發生的政治問題。
（圖片來源：今周刊）
產生的衝擊——計程車產業
隨著技術的成熟，自動駕駛技術近一步影響我們的生活將是肯定的。一個更便宜、安全、舒適的選擇，哪怕不談其外擴的影響，單就直擊計程車產業而言，也將帶來巨量的失業與社會衝擊。
事實是，人們對計程車的評價並不好，「計程車」卻是大部分在產業邊緣者維生的手段，依據交通部2023年的報告，目前計程車登記量為91654輛，專職74900人，兼職16754人（近年佔比增加）。計程車的從業平均年齡為53.6歲，平均年資13.5年，若以一個人對應2～3位人，整個產業總計影響26.6～36.6萬人。
參考人們對自動駕駛的高評價，台灣計程車被取代的可能性相當高。政府的保護政策、計程車司機的抗爭可能阻擋一時，但就如Uber落地時，激起的風浪，對比如今四處可見，符合消費者需要、大眾需要的產業與服務終究不可擋。在這個可能隨時到來的抗爭場合，我們應該找到正確的道路，使得運動不被龐大的民意碾壓、崩潰，使得從事計程車產業的人們真正找到得以生存的路徑。
對比Uber司機大多提供更好的服務，就市占率30%的台灣大車隊而言，後者的組成高齡，經濟水平大多較低，若需要「更換自己的車輛」，來適應新的計程車市場，或者得到培育，可以擔任自動駕駛的監管員，這兩者都是非常困難的。
他們勢必離開這個產業，為此而生的抗爭，應該跳脫「我要如何留在這」，而往「如何補償」、「如何再培訓」移轉，足額的賠償是路徑之一。另一條路徑是在此之下，爭取經常性的普發現金，或許成為人們得以生存，並且間接共享社會果實的可能路徑，此部分的討論可見我們過去的文章《從一次性補貼到制度化保障 普發現金的下一步》。
產生的衝擊——機車產業、運輸倉儲業
在計程車產業之外，自動駕駛的應用場景也包含一切以移動為主的產業，其中包含運人與運貨，又以機車——與自動駕駛計程車的使用場景有所重疊，以及運輸倉儲業可能受到最大的影響。
機車最廣泛的的應用場景總結為三種，一是作爲與小轎車相同的來使用，因為價錢而成為選擇（視作中途）；二是短途（在此定義為走路20分鐘內，腳踏車的方便距離）；三是作為移動到大眾運輸交通的前置。上述場景中，普及且便宜的公共電動腳踏車，可以很好的滿足短途交通需求；而若是便宜的自動駕駛上路，在中途、大眾運輸前置的兩個場景上，則能提供更加安全、舒適的選擇。
所造成的影響，以台灣來說，每年國內新（機）車銷售量約在60萬至80萬輛之間波動，總持有量是1466.5萬台。若能大幅取代，機車產業主要影響的傳統零組件製造業，包括： 動力系統、 車體機構、外觀件與塑膠件、電子電裝都可能受到衝擊。
而在運輸倉儲業，主要產生影響的，是訓練完整的FSD系統，相較上路、作為計程車而言，工廠內貨物的搬運、科技園區與機場內的來回、校內接駁車無疑是更簡單能應用的場景，以及諸如公車、客運、火車、捷運、高鐵等交通工具，若都能利用自動駕駛，在這些產業中的人們也可能面臨失業。
正如在安全性與計程車處提及的，在運輸產業自動駕駛技術仍是更好的選擇，例如貨車與客運都有夜間疲勞駕駛導致車禍的問題，靠著自動駕駛，在效率與安全上都能有所改善。這也延伸出了上述從事這些產業的人員若是大量失業該怎麼辦？
除了前面提及的經常性普發現金與輔導轉型外，對於本就有一定年紀、再就業可能性低的群體，直接的現金補助、提高退休金撥補比例與計算基準及其他的社會福利制度，也都是產業發展下應該被大力推動的政策。 
現在臺灣路上非常常見的機車、公車、計程車及其背後的產業，都可能受到自動駕駛的衝擊（圖片來源：自由時報）
產生的衝擊——電力基礎建設
上述提及的許多願景與衝擊，都建基於自動駕駛技術的普及，而它最後一項會產生的衝擊便是對電力基礎設施的要求。
中華民國國貿協會統整美國數據，預估2040年自動駕駛資料中心相關伺服器用電量將成長5倍達16TWh，車載電腦耗電量將達26TWh，相當於5,900萬台桌上型電腦用電。儘管車載電腦電力需求僅佔電動車整體用電量一小部分（對標台灣每年總的用電為2833.5億，自動駕駛單就資料中心與車載電腦的粗估便達420億度電）。
以台電計算若台灣在2024年的汽機車全數轉電車，每日增加4011萬度，直接推算每年要增加164.4億度電，因此若不以自動駕駛計程車去處理這樣的需求，5%的用電增加量與需要的基礎設施，對各國的基建都會產生巨大的挑戰，但同樣，若是期望自動駕駛技術得以普及，統樣仰賴政策閘門與大量的基建投資，甚且是廣泛的社區參與、制定。
（圖片來源：臺灣電力公司）
那，為什麼一定要自動駕駛？
提及完不同的影響與衝擊，我們究竟應該如何看待自動駕駛技術？它究竟有什麼必要性，執得我們面對這麼多龐大的衝擊。
鄉村通行
在鄉村，根據各類報導，一班公車平均要等15～30分鐘，市區到家裡約十公里的距離就需要耗費1個多小時，就算目前鄉下的地區覆蓋率已達91.9%，但在時間覆蓋率上仍不足。
鄉下車少、搭的人少、班次少、能到的地方侷限、路線固定，自動駕駛計程車若在價格上能比公車低廉，對於鄉下的通勤、安全性的提升與環保程度皆會提高，也避免年長者需要長途步行到公車站。
環境與污染
在機車段落，曾提及全台共有1466.5萬台的機車持有量，若自動駕駛技術都能取代其需求，另一造成的影響便是環境與污染的改變。
我們先以數據了解汽機車的碳排狀況：
（1）行政院環保署數據指出，台灣運輸部門每年造成3629萬公噸二氧化碳當量，佔全部排放量的13.03%，其中以汽機車為主。
（2）中國的汽機車污染物（CO、NOx、PM、HC）排放總量为1389.6萬頓。
（3）碳排上，中國約10-11億噸級，美國約5-6億噸級，歐洲約4-5億噸級，日本約1.5億噸級，約1億噸左右。比例上，交通部門都在每個國家碳排的¼～⅕ ，汽機車都佔其中的主要成分。
可能將有人質疑，若是自動駕駛技術所需大量電費，是否同樣會因為能源需求而提升碳排，但實際上，隨著碳捕捉技術與能源科技的發展，我們越來越有能力在限定範圍內減少造成的各種環境問題。然而，汽機車的卻是分散型的污染源，汽機車排出的尾煙更是都是增熱的主要因素。面對上述的質疑，當然毫無疑問我們該對電力發展進行監督、減少發電過程造成的污染，然而，我們更應該正視自動駕駛的發展是大幅推進減少油車使用的轉型利器。
面臨將可能摧毀人類生存的氣候危機，這自然可以回應「為何一定要有自動駕駛」。
（圖片來源：路透社）
生活品質與空間
自動駕駛技術雖然影響著的是人們通勤的方式，但實際也影響著各種空間規劃、人們生活品質等方方面面。
根據北京的研究，城市中的停車空間約佔地面空間的20%～30%，若是自動駕駛得以代替大量的汽車停放需求，除了釋放這些空間，有些地方停車位過多，有些過少，或特定時間不足，特定時間全空的情況都有機會被解決。而在道路設計上，紅綠燈、交通號誌、標誌、車道線的需要減少，也可能更多的釋放空間。
若是自動駕駛廣泛推行，通勤的時間減少、舒適度增加，且不再依賴巨大硬體設施、房屋公設時，人們選擇居住的場域更可能向外移，選擇離工作、教育場域較遠的郊區，而不一定需要住在市區，讓市區適居性增加、人均樓地板面積增大，減少人們的都市病。
以交通時長與健康程度來說，日本對通勤族的研究中，通勤時長超過一個小時所感到的壓力程度，對比低於30分鐘的通勤時間，感到巨大壓力的比數是八倍。就睡眠時間來說，通勤時間半小時內、半小時到一個小時、一個小時以上，則分別是6小時25分鐘、6小時1分鐘與5小時53分鐘，睡眠時間也顯著的減少。以雙北來說，汽車/計程車約能在40分鐘內到達所有地點，但公共運輸可能需要1個半小時到兩個小時，就交通部與勞動部的調查，每一次旅程的時間約在28分鐘，代表平均每天的通勤時間大多高於一個小時。
哪怕在更大的城市，乘車時間再拉長，自動駕駛計程車也較需要轉車、環境不適的大眾運輸和需要親自駕駛的汽機車提供更輕鬆的出行。
資源浪費／閒置、汽車對個人的消耗
汽車的閒置時間並沒有明確的統計，但就日常經驗而言，考慮到長時間停放與臨時停車，一個人使用汽車的時間大概是一天1～2個小時。僅美國這類以汽車公路為主要交通方式的國家，時間會較長。大量汽車被閒置於停車場、城市各角落卻不被使用，既浪費空間，也浪費造車所需的人力、物力。
而對一般使用者而言，汽車也帶來個人資源的浪費。就汽油的使用而言，各主要國家每月汽油費用大致介於2400（大部分國家）至4300（歐洲）新台幣。個人資產上，汽車首年折舊，各主要國家（中、美、德、日、台）都在15～20%。
在汽車保養價格上，美國每年保養費用約在5500美元上下（約16萬台幣）；日本月平均保養費用約1萬2400日圓（約3100台幣）；德國一般保養每月約31.5歐元（約1100台幣），大保養價格約400-700歐元不等（約1.3萬至2.4萬台幣）。包含稅金、保險等年均支出約180-200歐元/月。
在台灣，國產車每次保養（包括換油等基礎保養）約2000至4000元新台幣，進口車約5000至9000元新台幣。平均一年保養1-2次，費用約6000至15000元左右；中國的家用轎車基礎保養每次約400至800元人民幣（約2000至4000元台幣），一年基本保養約1500元人民幣左右。
私家車的使用本身便是一筆不合算，卻在小型公共交通依舊昂貴的現在，使得人們必需繳納的一筆鉅款。
城市中的大量空間被用來停放閒置車輛（圖片來源：自由時報，記者許國楨翻攝）
總結
自動駕駛技術並非洪水猛獸，而是一項高度成熟、且已在安全性、效率與社會成本上明確優於人類駕駛的生產力躍進。在此意義上，支持其落地、應用與加速推進，不僅不是「向資本妥協」，反而是對社會整體利益最為理性的選擇。更安全的道路、更低的出行成本、更穩定的交通系統，意味著人們每日所承擔的時間成本與風險將被實質削減，生活負擔亦將因此下降。
同時我們也應該正視另一個現實：這項技術幾乎必然具有極高的資本門檻與技術門檻。在可預見的未來，能夠完成大規模部署、並建立平台網路效應的企業，極可能高度集中於極少數科技巨頭之手，其中尤以特斯拉此類「軟硬體垂直整合＋平台化營運」的企業最具壟斷潛力。一旦自動駕駛進入全面商用階段，其邊際成本將急遽下降，價格競爭力甚至可能遠低於任何人類駕駛的運輸服務，進而形成事實上的自然壟斷。
正是在這一節點上，政治與制度不再是「是否該介入」的問題，而是如何精確介入、介入到哪一層級的問題。我們主張，應對自動駕駛平台課徵一項專門的「人工智慧稅」，可依總乘車費用按比例徵收（例如 5%），並將其制度化為專款專用的公共基金。此一基金的用途不應模糊化為一般財政收入，而應明確指向三個方向：一，對被結構性淘汰的計程車、運輸與相關從業者提供足額補償；二，支持再就業與職業訓練，使其能轉入其他社會所需的勞動部門；三，對於年齡偏高、再就業機率極低的群體，提供直接且長期的現金給付。
此外，若僅將人工智慧稅視為「失業補償工具」仍是不足的。在偏鄉地區，搭乘人數顯著降低，企業在市場運作下更可能忽視這些地區的出行需求。因此，該基金亦應被部分挹注於偏鄉交通補貼，用以降低偏遠地區的出行成本、改善高齡人口與弱勢族群的移動可近性。唯有如此，自動駕駛才不會僅僅成為「城市中產的便利工具」，而是真正發揮其作為公共交通補充系統的潛能。
在監管層面上，對新技術的治理不應走向保守主義。統一法規、明確責任歸屬、資料與安全標準的建立，皆是必要的前提；但任何以「保護既有產業」為目的、實質上拖延技術進步的管制，或僅因為對技術的恐懼而超出範圍的管控，都只會導致社會承擔更高的死亡風險與效率損失。監管的目的不在於阻止技術前進，而在於確保其成果不被少數人私有。
最終問題並非「我們要不要自動駕駛」，而是在自動駕駛已然不可逆的前提下，勞動者與社會是否具備組織能力，將這項先進生產力轉化為公共利益。歷史反覆證明，阻擋生產力只會導致雙輸；真正的出路，在於透過制度與集體力量，使技術進步不再意味著個體的被淘汰，而是社會整體生活條件的躍升。
自動駕駛技術，將成為一次重要的試金石：它考驗的不是人工智慧的成熟度，而是人類社會是否有能力，讓生產力的進步不再以犧牲勞動者為代價。
我們應透過制度與集體力量，使技術進步不再意味著個體的被淘汰，而是社會整體生活條件的躍升（圖片來源：未來城市）