根据业界的共识，考虑安全等因素，无人车最早在商用车领域落地，而非乘用车市场。不过，此前商用无人车落地更多是悄然发生的。但从今年初开始，几个商用无人车的试运营搅动了原本平静的湖面，因为无人商用车已经走出封闭的厂矿，进入大众视野。例如，创业企业驭势科技的无人车在广州白云机场提供摆渡乘客服务，京东集团的物流机器人在5大校园提供最后一公里配送服务。
这是目前国内为数不多的无人商用车在日常环境下的试运营。这些在现实场景下的试运营，是更大规模商用无人车落地的前兆。正如京东集团X事业部自动驾驶研发中心商务负责人樊晨所说的那样，在京东X事业部的蓝图中，计划5年内用无人配送车去覆盖至少50%的配送场景。商用无人车落地是正在进行时。
在国际上，正在兴起对无人卡车的研发和测试热潮。德国车企戴姆勒是其中的先行者，它与美国内华达州达成协议，率先获批自动驾驶卡车上路。2016年4月，戴姆勒公司的3辆自动驾驶卡车上路，从德国斯图加特沿高速路“开”到荷兰鹿特丹。目前，无论谷歌、Uber，还是更多创业公司如Otto，正在进行无人卡车军备赛，但还没有真正商用。
在乘用车市场，根据英特尔这家方案供应商看到的产业链时间表，大部分车企在2020年量产L3级产品，在高速路等特定路段实现无人驾驶。很多厂家在2023到2025年之间量产高度自动驾驶车和全自动驾驶车。这个时间点已经近在咫尺。
由于无人车的加速落地，行业人士非常关注几件事，一个是激光雷达成本，这似乎是决定无人车具有合理商用成本的一个代表性部件——2015年底，无人车采用的LiDar激光雷达的价格高达70万元，半年后批发价格已经降到50万元。激光雷达公司Velodyne预计，如果2017年拿到100万个订单，64线激光雷达单价就直线下降到500美元；2020年激光雷达价格会降到300美元左右，2025年会降到200美元左右。这让产业人士看到了希望。
第二个是数据共享。人工智能和机器学习需要巨大的数据集，从而让无人驾驶汽车在任何情况下都能做出恰当反应，保证安全。这对无人车的商用落地至关重要。百度在2017年宣布开放基于其人工智能模型RoadHackers的自动驾驶训练数据，首期包含1万公里的L3数据，涉及一、二线十几个城市的高速、环路、快速公路数据。百度还计划之后开放司机开车习惯等大数据资源，当收集足够的公路数据、场景数据、用户数据、车的数据，并结合激光雷达数据，可以让未来L4高度无人驾驶尽快落地。在国际上，英特尔等企业也正在与标准组织建立数据共享交换的技术标准。
第三是如何迈过公众质疑的关卡。例如，无人车出了事故如何认定责任？人不遵守交通规则“欺负”了无人车带来事故怎么办？数据被黑客窃取带来怎样的不良后果？但目前仍没有相关法律法规出台。
目前看到的法律进展是2015年，根据谷歌描述的车辆设计，美国国家高速公路交通安全管理局把无人车的“司机”理解为自动驾驶系统，而不是车上的人。2016年初，联合国欧洲经济委员会对《维也纳道路交通公约》进行了修改，从原先“驾驶车辆的职责必须由人类驾驶员负责”，改为“在全面符合联合国车辆管理条例或者驾驶员可以选择关闭该技术的情况下，将驾驶车辆的职责交给自动驾驶技术可以被允许应用到交通运输当中。”
中国目前还没有具体的法律法规面世，但京东樊晨等业界人士表示，并没有太担心法律的阻碍。目前，政府相关部门正在开展相应工作，法律会追赶现实。