無人駕駛如同高爾球比賽一般

在高爾夫球運動比賽中，隨著比賽各個階段的不同，球桿使用也需要根據比賽場地變化進行更換；發球桿，沙坑桿，或者果嶺推桿等不同的球桿根據特定的環境幫助比賽者提供最佳的比賽表現。

一輛無人駕駛汽車需要用不同的處理器來進行“驅動”，如同選擇使用不同球桿來打完高爾夫球場上的18個球洞一樣。除此之外，選手們在高爾夫球比賽中同樣需要發揮更多智慧和創造力，無人駕駛汽車上不同類型的傳感器可以生成不同類型的數據：攝像頭生成像素，激光雷達生成點云，雷達生成模擬波形等等。不同傳感器接受的數據類型需要不同的處理方式，人們需要選擇適合每種數據類型的專用工具來開發無人汽車的大腦，而不是用一個游戲處理器應對一切任務。

人工智能支撐無人駕駛汽車

智能駕駛領域中有一種說法：無人駕駛汽車中的人工智能所扮演的角色就是“計算機視覺”，一種特定類型的計算元素能夠用于無人駕駛汽車中的所有人工智能。其實，這句描述并沒有完整表達人工智能的應用在無人駕駛技術上所面臨的挑戰，人工智能的特征遠遠不只是關系計算機視覺的處理，無人汽車駕駛技術中的人工智能應用需要從自然語言處理到個性化處理，再到決策層面的整體需求去考慮。

從人工智能應用中的感知、認知、行為特征方面看，感知部分難度最大，技術應用也是最多。感知技術依賴于傳感器，比如攝像頭，由于其成本低，在產業界倍受青睞。以色列公司Mobileye在交通圖像識別領域做得非常好，它通過一個攝像頭可以完成交通標線識別、交通信號燈識別、行人檢測，甚至可以區別前方是自行車、汽車還是卡車。人工智能技術在圖像識別領域的成功應用莫過于深度學習，近幾年研究人員通過卷積神經網絡和其它深度學習模型對圖像樣本進行訓練，大大提高了識別準確率。認知與控制方面，主要使用人工智能領域中的傳統機器學習技術，通過學習人類駕駛員的駕駛行為建立駕駛員模型，學習人的方式駕駛汽車。

英特爾中國研究院院長宋繼強認為，人工智能包括深度學習，對無人駕駛技術而言至關重要，但仍需其他層面相應的技術予以配合。目前，英特爾已經和寶馬、Mobileye 等汽車企業進行深度合作，提供諸如車內計算、云和機器學習的解決方案，甚至還包括高帶寬、低延遲的連接系統、強大的內存和 FPGA技術、人機接口，以及安全技術等。融入了這些技術的寶馬下一代無人駕駛汽車，能夠更為完整的體現出未來智能汽車的發展趨勢。