当前的自动驾驶的策略更多的基于规则（rule-based）：通过人设计具体的策略来进行驾驶。也有很多学者基于“模仿学习”（imitation learning）的方法进行研究，即让车辆模仿人在不同的情况下的驾驶选择。曹金坤表示，这两种方法都有弊端，前者是人难免‘百密一疏’......

根据国际汽车工程师学会（SAE）对自动驾驶等级的定义，L5是最高级别的自动驾驶，车辆的控制权由人转移向车。但是，对于L5真正实现的时间，业界认为仍然遥远，这次大会上，李彦宏似乎急于证明他已接近这个目标。

任何一位经验老道的司机，都能在不同路况下，轻易判断出前方车辆与我们的距离，从而为保障行车安全而留出一定车距。但对传感器而言，要想判断物体远近必须要理解物体的深度，不然在他们眼中，距离我们10米和5米的两辆完全一样的车，就会被认为是一大一小的关系。

车厂强调，在“辅助驾驶”状态下操作电动车，驾驶员仍需对车辆的行驶负责。这是由于“辅助驾驶”目前的功能有限，对于某些路况无法识别。而即便是全无人自动驾驶汽车，也仍存在技术缺陷......施工路面、自行车、左转弯和行人是目前制约全自动驾驶汽车AI系统的主要障碍，而且每个城市都有不同的挑战与特点。

一般传统算法的感知训练都需要人工标注，例如小女孩骑自行车就会画个框来标注，每年第三方标注的人工成本就需要10亿美元，Waymo就使用大量虚拟测试来来完成算法开发和回归测试。也因此，新老自动驾驶公司都在招聘具有Unity、Unreal等虚拟引擎背景的复合型人才。

L3是自动驾驶系统的一个分水岭，前面是以驾驶员为责任主体，机器为辅助；后面是机器为责任主体，驾驶员逐渐脱离驾驶任务。由于L3级自动驾驶存在驾驶员和自动驾驶系统之间的控制权限切换，导致安全责任较难区分清楚，因此各大企业对于L3级自动驾驶的态度不一，既有坚定发展的，也有质疑观望的，更有明确不发展的。

实际上，电动汽车的核心技术就是电池、电机和电控，即所谓的三电技术。我们所熟识的智能汽车，主要可以掰成几块来看，第一是驱动部分，往往也会通过电机和电控决定。第二是智能座舱，它决定了用户在车机以及空间上的软性体验。第三则是智能驾驶，自动驾驶和辅助驾驶系统提供的功能都包括在此类。

软件定义汽车是流行的误解......目前汽车数字化赛道上主要的三股力量——造车新势力和科技企业、中国自主车企、国际大厂及合资车企——在软硬件能力上各有所长，这也造就了三方在汽车数字化赛道上的不同处境。

车联网是指使用传感器、软件和其他技术，来促进汽车、卡车、摩托车和其他车辆之间通过互联网交换数据。它有望彻底改变汽车行业，提供更好的驾驶体验、安全性、油耗和客户终生价值。因此，考虑到这一点，让我们来看看2021年及以后最引人注目的联网汽车、车联网和远程信息处理统计数据。

2014年，在包括Ian Goodfellow在内的众多计算机科学家的努力下，深度学习出现了爆炸性的普及。他在开发和定义生成对抗网络（Generative Adversarial Networks，GAN，一种通过充当生成器和判别器来帮助人工智能产生输出的神经网络）方面的工作，使人们觉得，几乎任何自主性的壮举，都可以通过算法和神经网络来完成。

自动驾驶微循环接驳车。基于产业园区到地铁站、商圈的短距离通勤需求，部署自动驾驶微循环接驳车，解决区内公众通勤障碍，先期拟开放经海路地铁站-信创园接驳线路；干支线物流货运卡车。拟开放高速公路、马驹桥物流基地、北京奔驰汽车零部件运输网络等场景，开展自动驾驶物流商用项目。

当前主流的AI芯片分为三类，GPU（图像处理单元）、FPGA（现场可编程门阵列）、ASIC（特定用途集成电路）。由于技术壁垒限制，国内车载AI芯片厂商在GPU、FPGA领域缺乏有竞争力的产品，只是基于国外已有GPU、FPGA产品做进一步开发。更多的国内企业集中于ASIC技术路线的车载AI芯片研发。