隨著智能互聯(lián)，自動駕駛等新興概念的不斷引入，汽車涵蓋諸如人工智能深度學(xué)習(xí)(Artificial Intelligence)，現(xiàn)實增強(Augmented Reality)，物聯(lián)網(wǎng)(Internet of Things)等諸多最前沿的科技潮流，如今的汽車可以說是我們生活中“最大”的一個終極智能設(shè)備。據(jù)預(yù)測，到2017年，60%的新車都將具備網(wǎng)聯(lián)功能。

　　如今的汽車，傳統(tǒng)發(fā)動機或動力總成已不再是未來汽車的核心競爭力，軟件綜合實力將成為未來汽車競爭的關(guān)鍵。

　　這一點從初創(chuàng)公司中也能看出。一家來自布達佩斯、名為AImotive的初創(chuàng)公司就是以人工智能算法來實現(xiàn)L5級別的自動駕駛。這家公司完成了一筆1050萬美元的融資，資金來自于英偉達、博世以及Draper。目前，AImotive已經(jīng)在硅谷開設(shè)研發(fā)中心，致力于自動駕駛的AI研發(fā)。

　　AImotive首席運營官尼克·伊登表示，AImotive希望加速推進汽車自動駕駛技術(shù)及整體市場的發(fā)展，為全球車企帶來一套經(jīng)濟可行的無人駕駛解決方案，其正在研發(fā)的人工智能將保證車輛L5級別自動駕駛(全自動駕駛)在所有天氣狀況及道路狀況下實現(xiàn)正常運轉(zhuǎn)。

　　目前對于汽車自動駕駛的爭論焦點主要集中于汽車的“視覺”，主流的解決方案有兩種，一是激光雷達“LiDAR”，另一種則是攝像頭，兩種方案各有利弊，激光雷達成本較高，但可靠性明顯強于攝像頭，而攝像頭則成本低廉，未來有望通過更強大的圖像處理技術(shù)提高其可靠性。

　　AImotive因為定位“經(jīng)濟可行”的解決方案，選擇的是攝像頭方案。

　　攝像頭解決方案的重點就是圖像處理，如何確保準(zhǔn)確識別圖像中的不同事物，從而保證車輛做出正確反應(yīng)。特斯拉的Model S 就因為其Autopilot系統(tǒng)識別錯誤造成過多次車禍。而AImotive的人工智能技術(shù)搭載有一個持續(xù)深度學(xué)習(xí)引擎，通過各攝像頭獲取的數(shù)據(jù)和單位像素級別的分區(qū)工具進行數(shù)據(jù)分析，保證在視野不佳的情況下車輛自動駕駛的安全，實現(xiàn)車輛周圍環(huán)境的實時識別，定位，捕捉以及車輛控制。目前該技術(shù)已經(jīng)可以識別行人、自行車、動物、障礙等超過100種事物。

　　不過，對于自動駕駛而言，可識別的數(shù)量并不是唯一的評判標(biāo)準(zhǔn)。如何在實際駕駛情況下，準(zhǔn)確快訊地進行識別，并進而做出反應(yīng)，才是關(guān)鍵。而這，則需要大量且場景豐富的駕駛數(shù)據(jù)來對深度學(xué)習(xí)的算法與引擎進行優(yōu)化。

　　在伊登看來，特斯拉目前通過用戶實測Autopilot來采集駕駛及周邊數(shù)據(jù)，不斷優(yōu)化其自動駕駛技術(shù)在汽車產(chǎn)業(yè)中是史無前例的。對于深度學(xué)習(xí)算法來說，數(shù)據(jù)的樣本數(shù)量相當(dāng)重要，需要持續(xù)不斷地進行積累。

　　目前，AImotive是通過實時模擬器來對深度學(xué)習(xí)算法進行培訓(xùn)，實時模擬器能夠模擬不同的路況和天氣狀況，從而對算法進行測試與改進。所有的測試與行駛數(shù)據(jù)，都會被記錄下來，作為算法的學(xué)習(xí)材料。

AImotive使用豐田普銳斯來進行測試