2024年自動駕駛技術已成為汽車行業和高科技行業的熱門話題，尤其在技術展覽會、企業戰略發布以及相關技術會議中頻繁被提及。
自動駕駛技術的等級劃分主要是依據國際汽車工程師學會（SAE International）的標準，從Level 0到Level 5，每個等級代表的自動化程度逐漸提升：
Level 0 - 無自動化 (No Automation)，駕駛者完全控制車輛。
Level 1 - 駕駛輔助 (Driver Assistance)，車輛在特定情況下能自動執行一項駕駛任務，例如自動巡航控制或車道保持輔助，駕駛者仍需隨時監控道路狀況並隨時準備接管控制權。
Level 2 - 部分自動化 (Partial Automation)，車輛可同時自動執行多項駕駛任務，如加速和轉向，駕駛者仍需監控環境，隨時準備介入操作。
Level 3 - 條件自動化 (Conditional Automation)，車輛可在特定環境下完全自主駕駛，如高速公路自動駕駛，駕駛者在車輛要求時必須能夠接管控制，但在自動模式下不需要持續監控。
Level 4 - 高度自動化 (High Automation)，車輛在特定環境或條件下能夠完全自主操作，不需要駕駛者的介入，車輛即使在出現技術問題時也能安全地處理情況。
Level 5 - 完全自動化 (Full Automation)，車輛在所有道路條件和環境下能夠完全自主運行，不需要駕駛者的存在，車輛可能也不設有駕駛控制裝置，如方向盤或踏板。
在自動駕駛技術中，Level 2與Level 3的實際應用案例已在市場上相當常見。Level 2技術如特斯拉的Autopilot，提供了自動換道、自適應巡航控制及車道保持等功能，儘管具備這些先進功能，駕駛員仍需隨時準備接管控制。
在Level 3上，如奧迪A8的Traffic Jam Pilot允許在高速公路上低於60公里/小時的情況下完全自動駕駛，駕駛員可以暫時不參與駕駛，但需在系統要求時迅速接管。
反觀Level 4，這項技術則須在限定的場景中才可以執行，例如，在美國，亞利桑那州鳳凰城的郊區提供Waymo One服務，在中國，百度Apollo則推出了名為RoboTaxi的無人計程車服務，於北京、長沙等城市進行試運行。目前Level 4自動駕駛技術需要在可受控環境中行駛，大多數仍處於試運行階段。
儘管目前Level 4自動駕駛技術提供了高度自動化的可能，但在技術成熟、法律完善、公眾充分信任之前，它的應用仍將侷限於特定的、可控的環境中。
關於全自動駕駛實現的可能性
過去在Level 4的實驗場域中，採用”雲端”運算，雲端運算採用的模式是將車子感測器上收集到大部分的影像跟資料，回傳至雲端上，進行AI運算，再將計算結果傳入邊緣端進行反應，而車輛這種對時間要求極高的運具，如果沒有在邊緣端進行運作並立刻做出反應的話，就會造成安全上的疑慮。
以特斯拉為例，車輛會記錄並收集數據，如駕駛行為和環境數據，這些數據被傳送至雲端，用於升級和改進其自駕演算法，最終這些自駕模型，會被更新於車輛的邊緣系統中。特斯拉還設有專門的雲端數據中心，以支持這一數據流和演算法升級過程。
未來邊緣運算在Level 4至Level 5自動駕駛技術中極其重要，邊緣運算可大幅降低數據傳輸的延遲，這對於需要即時處理大量感測器數據以迅速做出決策來說，是不可或缺的。例如，在緊急迴避或複雜交通情況下，車輛必須在幾毫秒內作出反應，這種速度只有通過在車輛本身進行數據處理才能實現。
要實現全自動駕駛場域，業界談到一項技術，自動移動機器人（Autonomous Mobile Robot, AMR），目前主要應用在倉儲和物流，AMR在倉庫中自主運送商品，從貨架到打包區，已大幅提高物流效率。
假設未來所有車輛都能彼此互聯，甚至與交通信號燈等基礎設施也能進行互聯，那麼就能在更宏觀的層面上進行交通調控。例如，可以在容易發生交通擁堵或事故的地點自動降低車速，這種智能交通系統的實施將大大提高道路的安全性和流暢性。
你可以想像在一個車輛A行駛到路口時，可能會遇到盲點或死角的問題。此時，如果另一輛車B裝有感測器或攝像頭，並且能夠察覺到A車未能觀察到的盲點，B車就可以通過車輛間的通信技術向A車發送警告， 進行群機溝通，這就是AMR的關鍵技術。
這項技術的應用是未來執行Level 5的可能性之一。
