汽車導航，特別是車機導航，完全沒有未來可言。也許有人會說那自動駕駛還需要車機導航呢。沒錯，是需要，但是完全實現自動駕駛那都是很多年 以後的事情了，甚至可能當自動駕駛完全實現的時候，已經沒有私家車了，統統都是公共交通了。

關於汽車導航的未來，美行預估，在稍遠一些的將來，車載網聯導航一方面能夠為導航、為車載IVI（車載資訊娛樂系統）提供更多的線上功能、更強大的演算法、更好的使用者體驗；

另一方面還要融合車身感測器，做大資料分析和挖掘，把更多的感測器和訊號，放回到路上，放回到應用場景中，就能夠更有效的洞察使用者、分析業務和模組的效能、掌握元器件的衰減、分析故障的原因和影響範圍，協助車廠提供更多數字化的運營服務。

以使用者和車輛洞察為例。我們可以分析車主的駕駛行為、用車行為、出行行為，還可以分析零部件的效能、損耗、故障。透過這兩方面的洞察，我們可以尋找和度量人的行為與汽車狀態之間已知的或者未知的關聯，為使用者體驗的度量、功能改善、主動的售後服務提供資料依據。

拿常見的駕駛行為分析中的安全分析為例。我們常說的三急：急加速、急剎車、急轉彎，它們是不是真正的安全風險？未必！其實駕駛行為的分析要結合實際的周圍環境和道路狀況才能做出有效的判定。例如，在雨天的急剎車是危險的。再比如，夜晚的長時間連續駕駛是危險的。再比如，高速上的停車行為是危險的。只有將駕駛行為還原到具體的交通場景中，根據路況、地點、速度等各種因素做出綜合的評定，才能有效的分析駕駛行為的風險。

總之，把車身的資料融合到道路、交通環境中，挖掘人和車的互動場景，監控車輛的健康狀態，洞察目標使用者的需求，為汽車提供數字化的服務。這些可以為車廠的使用者研究、車型改進、功能創新、後市場服務提供數字化的支援，也可以為車主提供更智慧的人車互動場景，視覺化的故障預測與協助，降低車輛使用和維護的門檻。

以上是車載導航深度應用，也是手機導航所不能及的。