版权声明：本文内容来自Austin Craig，如您觉得不合适，请与我们联系，谢谢。
现在的自动驾驶概念非常火，几乎所有的相关和不相关的公司都投入这股大潮中去，觊觎这座很多分析口中的金矿。从现在的情况看来，在某些特定的环境中，这些自动驾驶汽车的行驶状态非常不错。但和谷歌眼镜、纳米技术和3D电视一样，我们认为自动驾驶汽车需要比较长的时间才能成熟，因为这种颠覆性的应用在法规和安全方面的要求是很严格的。
当然，我也要强调一下，这并不代表说自动驾驶不会到来。只是我们认为，现在这些厂商所说的足够智能的、安全的自动驾驶汽车离上路还有一段很长的时间，而这并不是我们自己的观点。
专注于自动驾驶汽车研究的卡耐基梅隆大学计算机科学家Phillip Koopman表示，我们不能抱有这个应用就快普及的想法来做这件事。
虽然我是这么想的，但包括福特和Tesla在内的众多玩家都在追逐。坦白讲，你真的愿意把你车的控制权交给一个机器，把你和你家人的生命交给一个设备吗？从某个角度看，我更愿意相信那些驾驶辅助之类的功能。
从现状看来，自动驾驶汽车会面临以下几点挑战：
法律法规挑战
现在包括Intel、Nvidia和AMD在内的众多公司都在推进不同格式的深度学习方案，以求在自动驾驶汽车中获得一席之地。所有的人都在大力推进推行新技术，但似乎并没有人深入考虑过当中碰到的可能问题：
假设在某种两个只能选一个的情况，一个路人和一个正在接近的车之间，“自动驾驶汽车”选择哪个？
如果车选择了路人，那么不被选择的一方，会有权起诉车的所有者吧；假设选了另一方，同样的问题也会出现。所以说这种情况的出现，对于汽车公司和软硬件开发者来说都是输家。
现在，很多硅谷的公司都在声称，这是深度学习的，我们能够教它。并说他门有camera和雷达。但你真的确定你可以教会那些汽车针对每种不同的情况作出正确的反应吗？
答案是很明显的，绝对不行嘛。深度学习并不能想出一个方案去解决所有的情况的，因为方案是随时变的。汽车需要通过数据、试验、编译反馈和仿真等方式去学习，然后对不同的情况进行反馈。这样的话，就不可能存在一种解决所有问题的公式。
这样说的话，车一定会有出事故的时候，而人也有会受伤的时候。这样带来的责任是相当巨大的，最终会导致法律问题和金钱问题。对于保险公司来说，这也是一个新的挑战。
人类本性
此外，人还是人。
某些汽车制造商（如特斯拉）表示，驾驶员需要被提醒，手也需要长期放在方向盘上，随时纠正汽车可能出现的错误。
特斯拉的自动驾驶汽车
可是这并不是人类本性。人类会睡觉，会用手机或平板上网，人们会做各种各样的事情，而不会仅仅是坐在椅子上像看风景一样看车外。有些人甚至会离开驾驶座。我们要强调，如果你叫你的车“自动驾驶”，这样就能帮消费者建立期望，消费者也能根据车名的含义去驾驶他的汽车。
人类并不会去购买一个自称为自动驾驶的汽车，但在驾驶的过程中，车子的智能模块仅仅是充当驾驶辅助的角色，驾驶者还需要把手放在反响盘上，应对随时可能面对的危险。坦白讲，如果你想在在深夜或睡觉的时候行车，所谓的自动驾驶汽车，是根本做不到的。现在自动驾驶汽车知识去帮你纠正你的行驶错误，当然这是一个好事。但是现在的自动驾驶汽车，只是一个不安全的白日梦。当然，如果车是在洲际公里或者特定的环境下，自动驾驶可能会做到，如果这样的话，价值就没有想象中那么大了。
而且，就我之前的观察，自动驾驶汽车在碰到问题的时候，有可能会选择违规的方式来规避事故。例如，跑到对面车道。这种解决问题的方法是不是程序员写到算法里面的？那么在碰到可能会撞到两辆车的情况，自动驾驶汽车怎么选择？
赢家和输家
几乎每一股科技潮流，都有赢家或者输家。在这场自动驾驶竞争中，现在的输家有可能就是传统的汽车制造商。在他们看来，在一个法律或许并不允许的产品上，一开始就投入数百万的资金，这看起来有点不明智。这恰恰就是他们落后的根源。
现在，已公布自动驾驶汽车计划的传统公司包括了本田、丰田、通用、菲亚特克拉斯勒、还有福特。虽然他们都加入了这个行列，但这在未来是否会给他们带来更多的汽车销售，这其实也是未知之数。
从现状看来，自动驾驶汽车的赢家就是那些深厚经验、有IP、且现在的技术能够平移到汽车上的公司。Nvidia、Intel和AMD就是当中的佼佼者。
Nvidia CEO黄仁勋在展示Nvidia的未来汽车大脑 Xavier
（1）Nvidia的自动驾驶汽车计划
在2016年4月初开幕的图形处理器技术大会（The Nvidia GPU technology Conference, 简称GTC）上，NVIDIA展示了针对VR虚拟现实和深度学习应用的最新技术和产品。
在开场的主题演讲中，NVIDIA联 合创始人兼CEO黄仁勋在反复重申“一个全新的计算模型”这样的字眼。他指出，“消费市场需要的计算机可再也不是那种马马虎虎就能打发的一般产品。大家都愿意享受超级计算速率带来的快感，特别是基于GPU加速带来的计算体验”。
当然，超级计算时代的到来并非只是想想就能实现的，基于这样的目标，NVIDIA在今年的GTC大会上推出了包括GPU芯片Tesla P100（基于全新Pascal平台架构上打造）、DRIVE PX2（用于自动驾驶汽车的开发平台）和用于深度学习研究的超级计算机DGX-1（使用Tesla P100芯片建造，运算速度可达170万亿次）在内的一系列新技术和新产品。
NVIDIA Tesla P100图形处理器芯片
驱动自动驾驶汽车发展的深度学习
尽管深度学习有成千上万种潜在的应用领域，但迄今为止，车云菌认为可能发展相对成熟的要数其在自动驾驶技术研究上的应用。尽管基于深度学习打造的自动驾驶汽车平台仍处于概念阶段，但NVIDIA一直都在同主机厂和软件开发商合作，设计开发不仅能够模仿人类驾驶员同时还可以在复杂情况下做决定的自动驾驶平台。
DRIVE PX 2是NVIDIA最新开发的用于自动驾驶汽车的硬件计算平台。而尽管看起来体积如此之小，但它却是之前很多无人驾驶试验车后备箱塞得满满当当的，体积庞大的计算机的替代品。
NVIDIA DRIVE PX 2自动驾驶开发平台
我们不妨先看看DRIVE PX 2的一些基本性能参数：
1. 基于16nm FinFET工艺，功耗高达250W ，采用水冷散热设计。支持12路摄像头输入、激光定位、雷达和超声波传感器；
2. CPU部分：两颗新一代NVIDIA Tegra处理器，当中包括了8个A57核心和4个Denver核心；
3. 首发NVIDIA的新一代GPU架构Pascal（即帕斯卡，宣称性能是上一代的麦克斯韦构架的10倍），单精度计算能力达到8TFlops，超越TITAN X，有后者10倍以上的深度学习计算能力。
那么既然有了如此强大的性能，NVIDIA的DRIVE PX 2平台到底如何在自动驾驶汽车上发挥作用呢？这里要重点讲一下它在高精度地图绘制上发挥的优势。DRIVE PX 2能够将外部传感器获取的图像数据加工处理后制成单个的高精度点云。系统将所有DRIVE PX 2平台的点云数据上传至云端服务器，经过DGX-1处理后，可融合为一副完整的高精度地图。所以，车内的DRIVE PX 2，云端的DGX-1配合发挥作用，形成了NVIDIA完整的自动驾驶技术平台解决方案。
而在2017年1月初举行的CES上，英伟达黄仁勋推出了Driver PX2的升级版，他表示，新Drive PX 2 搭载了 12 个不同内核，浮点运算能力达每秒 8 万亿次，每秒可执行 24 万亿次深度学习运算。该公司采用 16 纳米架构，Drive PX 2 这个性能怪兽需要 250 瓦的电源。最后，Nvidia 还使用了液体冷却系统。因为 PX 2 将来是用在汽车里的，这一点问题不大，而且 Nvidia 声称，汽车制造商只需将该设备连到现有的冷却系统中即可。
黄仁勋继续说，PX 2 的性能相当于 150 台 MacBook Pro。该公司肯定是拿 13 英寸 MacBook Pro 的显卡性能做对比的，目前该型号的 MacBook Pro 配置的是英特尔 Iris Graphics 6100 集成显卡。PX 2 有两块次世代 Tegra 处理器，以及一块基于 Pascal 架构的显卡。硬件堆叠起来，这台系统的浮点运算能力达每秒 8 万亿次，利用 AlexNet 基于神经网络的深度学习算法每秒可识别 2800 张图像。
