基礎模型降低自動駕駛創業門檻，但部署安全仍待驗證
Trucks VC 表示，截至 2026 年，該基金已接獲 81 家新自動駕駛（AV）新創公司的提案，較去年多三分之二，亦超過上一輪熱潮時的數量。基金認為，生成式 AI 所帶動的基礎模型，正引發規模更大的第二波自動駕駛創業潮。
不過，這個訊號首先反映的是單一早期投資者看到的募資與創業活動，並非整個市場的融資、營運或商業部署統計。報道未提供這些公司實際上路的安全表現、營運範圍、客戶數目或監管進度，因此不能把提案增加直接視為自動駕駛已進入成熟普及階段。
從端到端理想，走向較低成本的起步
Trucks VC 合夥人 Puneeth Meruva 認為，基礎模型提供了建立端到端自動駕駛系統的技術架構。這類模型較擅長把不同環境和情境的學習遷移到新案例，理論上可減少系統針對每個場景重新開發的成本和時間。
報道亦提到，Nvidia 的 Alpamayo，以及 Qwen 的通用視覺—語言—行動模型等開源模型，令團隊更容易起步。Trucks VC 稱，近來持續看到有新創在數個月內部署，集資額少於 100 萬美元。
這組說法的意義在於，自動駕駛的早期成本可能正由「自行訓練完整模型與建立龐大技術堆疊」，轉向「以現成基礎模型整合特定任務」。對新創來說，資金門檻下降可讓更多團隊測試倉庫、建築、農業、採礦等有限場景；但模型可泛化，並不等同在複雜道路環境中已具備足夠可靠性。感知錯誤、罕見情境處理、系統冗餘與營運責任，仍需由實際部署驗證。
Robotaxi 熱度回升，競爭或先集中於小範圍
Meruva 的看法是，小型公司未必需要在全球規模與大型營運商正面競爭，而可針對特定地區或路線建立服務。
這是一項合理但尚未獲公開營運數據證實的產業判斷。若基礎模型確實壓低研發成本，具備明確地理範圍、重複路線或單一運輸任務的市場，可能更容易讓新團隊嘗試切入；相反，當服務延伸至更多城市、道路和天氣條件，安全驗證與營運成本會否同步上升，將決定低門檻能否轉化為可持續業務。
下一步值得觀察的，不是提案數字會否繼續上升，而是這些低成本起步的公司能否公開交代其部署範圍、安全紀錄及商業客戶。這些資料才能較具體地反映，基礎模型帶來的是創業熱潮，還是可複製的自動駕駛能力。
延伸閱讀
AI 輔助說明： 本文由 AI 協助整理，並經兩輪獨立自動品質審核；資料及連結仍以原始來源為準。
參考來源
- TechCrunch — TechCrunch Mobility: A new, bigger AV boom is here — original report
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
