轿车职业是推进人工智能（AI）开展的重要职业之一，这是因为该职业致力于主动驾驭轿车和高档驾驭员辅佐体系（ADAS）的泛在利益。
轿车正在变得越来越智能，可是假如轿车职业要完结彻底主动驾驭的方针，他们还有很长的路要走。虽然业界还在评论完结全主动化所需的抱负技能组合，可是有一点是清晰的，那便是人工智能，尤其是神经网络将发挥重要作用。
神经网络
神经网络的作用是履行关于传统视觉或形式辨认体系来说具有挑战性的使命。经过使每个神经网络各自不同，并针对特定使命进行规划，它能够更高效、更精确地履行使命。
一切神经网络的安排形式都是在多个层面上屡次处理数据。因而，神经网络能够在不同的输入形式下运转十到二十次，而不是用一组特定的参数只运转一次操作。这个主意是，经过一切这些不同的途径，挑选的数量就会添加。当到了需求做出决议方案的时分，它现已从输入中提取了一切的信息。
在路标辨认的示例中，第一层或许正在寻觅一个标识的角形状，然后是色彩等各个进程履行下去，直到它能够十分坚信地说这是一个路标并阐明其意义。这样做的优点在于无需对每一个进程都进行编程，神经网络将会自己完结，而且跟着时刻的推移而不断学习。该算法知道它需求辨认的内容，并将测验不同的办法，直到完结方针，并在进程中不断学习。一旦神经网络在经过培训之后，它便能够在实践运用中发挥作用。这意味着工程师不用花费数小时来微调杂乱的算法，他们只需向神经网络展现它需求发现的内容并让其自学完结。
这些技能现已在车辆中被广泛用于方针检测、分类和剖析，而驾驭员监测、拜访操控以及语音和手势辨认也能够运用不同类型的神经网络。此外，将传统视觉与神经网络相结合的人工智能办法，可用于行人途径剖析和盘绕视图等运用场景，它将一起依靠于图形处理器（GPU）和神经网络加速器（NNA）。
在从传感器到电子操控单元（ECU）整个链路中也能够运用神经网络，在预处理、中心处理和后处理中运用的各种技能将人工智能引入了其间。
此外，车联网（V2X）技能正在开发中，该技能将首要运用主动驾驭轿车作为传感载体，为各种才智城市和才智交通场景供给数据和信息。相同，这些发展将依靠于选用GPU和NNA的办法完结人工智能，以支撑来自越来越大的输入集的各种剖析和核算。
传感器交融
主动驾驭和高度主动化的车辆将严峻依靠各种类型的传感器，包含摄像头、热成像、雷达、激光雷达（LiDAR）等。一切这些传感器传出的信号都需求进行解读和交融，以便全面了解车辆内部和外部产生的状况。
传感器交融关于主动驾驭至关重要，它将涉及到GPU和神经网络以及机器学习和人工智能的结合。
车辆内部传感器交融的一个很好的示例是驾驭员监测。在当今的车辆中，各式各样的传感器都能够检测到驾驭员是否留意力不会集。神经网络能够剖析拍摄到的驾驭员图画，以判别他或她是否在睡觉、处于疲倦状况、留意力不会集，乃至经过移动设备说话或发信息。这关于前期的主动驾驭车辆来说是至关重要的信息，因为它或许需求驾驭员在某些时分从头操控车辆，因为轿车需求知道驾驭员是否处于适宜的状况才干这样做。
驾驭员监测是怎么作业的？对准驾驭员面部的摄像头为剖析面部元素（尤其是眼睛）的算法供给了输入。是睁着眼睛仍是闭着眼睛？假如是闭着眼睛，闭眼多长时刻？目光是否飘忽不定？驾驭员正在看向哪里？
研讨整个面部能够确认驾驭员是气愤仍是哀痛。假如是愤恨，体系会主张驾驭员先靠边泊车并冷静下来，然后再持续行进。
一切这些都是依据构建一个面部图画，提取要害点并运用神经网络提取心情、凝视时刻等来判别驾驭员的精神状况。
在未来的两三年内，驾驭员监测或许会成为有必要从欧洲新车评价方案（NCAP）和美国国家高速公路通行安全管理局（NHTSA）取得同意的一项要求，因而驾驭员监测会成为轿车制造商有必要要施行的技能，不只要适用于高端轿车，还要适用于一切车辆。
主动驾驭的等级
美国轿车工程师学会（SAE）和美国高速公路交通安全管理局已将主动驾驭轿车的才干分为六个等级。基本上，等级0彻底没有主动化，而在等级1中，轿车将为驾驭员供给一些协助。等级2具有更多的驾驭辅佐功用，乃至能够自主履行一些使命，例如主动紧迫制动以防止磕碰。
等级3是一个扎手的问题，虽然轿车是主动驾驭，但驾驭员有必要随时预备驾驭车辆。驾驭员监测将是等级3主动驾驭的要害，因为驾驭员有必要做好干涉的预备，而且在必定程度上，车辆有职责保证驾驭员做好预备。
在等级4中，即便驾驭员能够接手车辆驾驭，但从理论上讲，车辆也能够处理它所在现场的一切状况。等级5的车辆将完结全主动化，没有方向盘和踏板。
车辆主动驾驭功能每前进一个等级，所需的核算功能就会添加大约十倍。这便是为什么神经网络很重要的原因，因为它们能够在十分低的功耗下供给这种功能。
方针检测
以一个行人为例，轿车的车载摄像头和传感器能够记载行人是在行走或站立；神经网络可被用于制作行人或许要走的路途，并核算车辆是否需求减速或快速制动。神经网络还能够调查同一幅图画并对其进行切割，从中挑选出其他物体，并运用方针辨认技能来判别出它们是否代表了车辆需求留意的东西。一切这些都有必要把车辆的方位以及它想要去的当地归入考虑之中，假如车辆正在倒车，并检测到在车辆后边有一个小孩，就需求敏捷处理并进行刹车。要做到这一点，就需求人工智能和神经网络来检查那里是否有物体存在，并对其进行辨认认出是一个孩子，然后向履行器或驾驭员发送一个信号，以采纳办法。
因为摄像头一般会带有某种鱼眼镜头，因而这将使其变得愈加杂乱。这会产生一张变形的图片，需求先纠正然后进行解读。来自这个设备以及其他传感器的输入需求结合起来，然后在瞬间做出决议方案。
数据处理
与此一起，来自轿车周围的其他信息也源源不断地被送达，包含来自于一切传感器的以及从其他车辆或基础设施经过无线通讯接收到的信息。这是一个巨大的数据量，或许在太字节（terabyte）范围内。
ECU将遍及轿车遍地，并依据数据做出决议方案。这或许会涉及到100个或许更多的ECU。业界正在运用一些办法来研讨怎么用更少的ECU和更多的核算才干来完结这一点。摄像头或传感器周围的嵌入式人工智能能够做出一些决议，然后削减车辆需求传递的信息。
这意味着需求不同等级的处理方式。数据能够在捕获点进行预处理，例如拉直鱼眼镜头的图画。中心处理或许包含各种已方案的使命、方针辨认、决议方案拟定等。之后能够进行后处理，当信息能够被整理规整并显现在屏幕上时，让驾驭员就知道正在产生什么或现已产生了什么。
运用
这些数据处理技能也被用于创立当时正在开发的运用，以在车内创立虚拟环视车身支撑柱。在此用例中，将在支撑柱（衔接车顶和车身的支撑柱）上装置摄像头来捕获车外产生的作业。支撑柱的内部将供给一个显现器，以显现这些摄像头正在捕获的内容，然后为驾驭员供给一个不间断的视场。
这个进程十分难以完结。体系有必要了解驾驭员正在检查的另一侧是什么情形。图片将需求批改变形并放置在不平坦或曲折的表面上，然后从头变形到支撑柱的概括上。
虽然这一前进是未来的趋势，但一些高端车辆现已供给了盘绕视图体系，而且它们很快将运用于中档和入门级车辆。GPU被用于剖析遍及车辆周围的各个摄像头所捕获的图画（一般有四个或五个摄像头），并将图画拼接在一起。依据拼接的图画，神经网络将履行方针检测和途径猜测，以检查这些方针是否有或许拦截车辆的途径。
信息文娱和导航
在车载信息文娱体系（IVI）和导航方面，GPU也起着重要作用。它们还参加语音操控，这很或许成为人与车之间的要害接口。因而，关于卫星导航体系来说，驾驭员不用操作按钮和键盘来输入目的地，而是只需说出邮政编码或大街姓名，然后就可要求体系制作出路途。
外表盘将被衔接到外部摄像头，以用于路标辨认等操作。假如摄像头捕捉到一个限速的标志，该标志能够在有用的时刻内显现在驾驭员面前；假如轿车超越限速，就会宣布动静正告。
实践上，整个外表显现区将运用GPU进行图画烘托和信息优先级排序。假如体系确认驾驭员需求了解一些要害信息，该信息或许会从外表显现区中弹出，乃至能够投射到挡风玻璃上。挡风玻璃上的图画也能够被用作导航体系的一部分，向驾驭员显现正确的转弯方向或阐明轿车在即将到来的路口需求驶入哪条车道。
后视镜的换代是另一个首要的、潜在的开展方向。一些新式轿车现已在开发中，其上的后视镜已被可显现来自不同摄像头视图的屏幕替代。与传统的后视镜相同，除了显现车后产生的状况之外，它们还可被用于盲点检测。在此，神经网络能够向驾驭员宣布关于有关其无法看到的轿车的正告，并主动阻挠轿车变道进入另一辆轿车的路途。
才智城市
世界各国的各地政府正在朝着一个长时间方针跨进，那便是让才智城市具有主动驾驭和高度主动化的车辆，并将其集成到掩盖整个乡镇或城市的智能交通体系中。
其背面的理念是，一切的城市服务和规划作业都是彼此协谐和联络的，以便让市民取得更多的信息，让城市生活更愉快，更重要的是愈加健康。为完结这一方针，削减污染和交通拥堵至关重要。
智能交通体系将操控整个城市的交通基础设施。该基础设施将与车辆进行通讯，交通讯号灯和车辆也将彼此通讯，并将收集到的数据发送回去。
这方面的一个实例便是操控交通讯号灯，使车辆四通八达地以最佳速度经过一个区域。假如紧迫服务车辆需求快速驶入，则能够运用这些相同的交通讯号灯来阻挠其他路途运用者，并为他们创立一条安全的路途。
假如一地产生交通堵塞，车辆能够将此信息传递给基础设施；反过来，基础设施又能够告诉其他车辆远离该区域，这样就不会添加问题的严峻性，以便交通堵塞能够被更快地被铲除。这乃至能够被用于城市以外的当地，例如在高速公路的进口匝道上。假如体系现已从反向行进的轿车中得悉了备用信息，它能够在驾驭员驶入高速公路之前对其宣布正告，然后使他们能够考虑其他路途。
为了完结这一方针，城市将需求有一个中心智能纽带，该中枢能够处理传入的信息并核算哪些数据要发送给其他车辆或交通讯号灯。这只有在结合了神经网络、人工智能、机器学习和先进算法之后才干完结。
定论
NHTSA的研讨发现：高度主动化的车辆将比由人类驾驭的车辆愈加安全，94％的事端是由人为失误形成的。依据AI的技能在呼应才干和辨认需求快速呼应的要挟方面现已优于人类驾驭。
为了完结这些车辆所需的处理才干，将需求NNA和GPU合作运用。跟着轿车职业转向全主动驾驭轿车，核算才干将需求被大幅进步，NNA将应需而扮演重要人物。据估计，一辆等级5主动驾驭轿车需求的核算才干是等级1主动驾驭轿车的10,000倍。
这是处理功能的极大前进，但也有必要在一个给定的功耗预算内完结。一个神经网络加速器（NNA）的功能现已是中心处理器（CPU）的100到800倍，而其制品封装却比CPU大小小许多。一辆车或许有一个很大的CPU，一起还有许多NNA遍及于车辆遍地，并以比相同遍及车辆遍地的CPU低得多的功耗和更高的功能来履行各种使命。
Imagination Technologies供给了GPU和NNA硅知识产权（IP）。其运用在数字外表盘中的技能比任何竞争对手都要多，而且公司在先进驾驭员辅佐体系（ADAS）和主动驾驭轿车市场中也处于领先地位。赋能主动驾驭轿车实用化所需的一切要素都将取决于这些技能，而这些技能成为实际仅仅时刻问题。
