无人驾驶or自动驾驶？两会期间，李彦宏和他汽车圈里的本家哥哥（书福童鞋）掀起了概念之争。甭管是无人驾驶还是自动驾驶，也别管是谷歌、百度还是沃尔沃，这些老贵族新土豪们想要玩转未来，都得仰仗一位华人兄弟——英伟达（NVIDIA）的创始人、CEO黄仁勋。
—————————————————————————————————————————————————
自2013年以来，黄仁勋每年在CES上都会做主题演讲，连续四年谈的话题都是汽车自动驾驶技术，今年他更是把NVIDIA展台搬到了汽车馆，只展示最新的车载智能终端和自动驾驶技术，其起家的业务游戏、GPU都抛开不谈了。
这位与“飞人”乔丹同年同月同日生（1963年2月17日）的华人IT英雄，《财富》杂志2001年度“40岁以下的40位富翁”中排名比乔丹还要靠前一位，如今，他仍在不断向未来发起挑战，冀图打造出汽车的未来——自动驾驶技术平台。
“全自动驾驶的硬件环境已经很接近实用了，现在我们的系统就可以让汽车在高速公路和城市的复杂路况上都实现自动驾驶。”黄仁勋透露，沃尔沃将成为第一个全面使用该整套系统的品牌，而像宝马、福特、奥迪以及奔驰也在部分方面使用英伟达的这项技术。
汽车主场（更多有营养、接地气的汽车业界干货，欢迎关注汽车主场微信号：carnets-cn）为大家整理了黄仁勋关于自动驾驶以及未来洞察的主要观点。
1.自动驾驶技术的代表就是这次CES上发布的PX2车载终端（整套系统的高度，仅和可乐罐差不多，进行了高度的集成，并容易装车），应用了下一代Pascal架构的智能驾驶平台。
2.自动驾驶的首要目标必须是更安全。我们现在使用汽车的模式其实风险非常高，而感知能力超越人类，又永远会集中精力的计算，将极大提高汽车的安全性。在未来，个人化的公共交通工具也将有望实现，比如实现一个没有司机的Uber。
3.作为与生命安全紧密相关的应用，汽车的自动驾驶平台必须具备超过人脑的感知能力和稳定的注意力才可能被广泛应用。而具备深度学习能力的神经网络平台，正是汽车自动驾驶所需要的，这也是NVIDIA这几年最看重的市场。奥迪的自动驾驶功能就是在NVIDIA提供的平台上实现的。
什么是神经网络？
神经网络是一种有趣的计算技术。简单地说，它是一个由很多节点组成的数据处理网络。节点之间互相连接，上一层节点的输出是下一层节点的输入。每个节点的输入权重可以调整，需要经过学习才能确定。神经网络的学习过程就是拿大量的数据样本作为输入，然后考察网络的输出，对正确的结果予以“奖励”，错误的结果进行“惩罚”，然后对应调整节点的权重和作用。最后，通过海量的数据训练，神经网络自己就学习到了能获得最佳输出结果的模式。
与常规的程序不同，神经网络在写好的时候并没有任何智能，而是需要训练才能发挥作用。这也让它具备了动态学习和升级的能力。这是神经网络在人工智能应用中非常重要的优势。
普通的神经网络可以做垃圾邮件检测这样的工作，但要做到实时而且可靠地识别行人、汽车甚至路牌标志，就需要深度神经网络了。随着节点数量和网络层级的快速增加，训练和运行深度神经网络需要的计算能力也呈指数级别提升，只有强大的并行计算引擎才能有效完成这个工作。NVIDIA新一代的神经网络技术，已经可以将以前需要一年时间的训练缩短到一个月就完成。
NVIDIA的自动驾驶框架
在NVIDIA看来，要实现汽车的自动驾驶有三个问题需要解决。
1知道自己在哪里。借助GPS、地图以及传感器，汽车需要了解自己的位置，不但要知道在哪个地点，还得精确到厘米级别，在主路的第几条车道上。
2知道汽车周围有什么。汽车需要能“看见”周围的情况，也就是汽车需要像人类一样知道前面是卡车在减速，左面后方有SUV在远处，右边人行道有小孩、远处路口是绿灯而且不能左转，分辨交通时这样的信息。
3作出正确的驾驶决策：现在从左侧超车可以安全地通过路口，并控制汽车完成相应的动作。
显然，要解决这三个问题都需要人工智能才可以。
可以成长的软件架构
神经网络具有传统程序无法超越的灵活性，如果是直接针对每一种情况写程序，即使消耗海量的资源能写出来，只要路面上出现一辆从没见过的汽车类型，程序就无法处理了。
而神经网络可以从云端下载新的数据，自动完成升级——这种应用的学习过程需要在超级计算机上才可以，而以前的学习时间是以年为单位计算的。
司机在自动驾驶过程中对汽车的操作，比如某种情况下必须刹车，也能反应到云端，当数据积累足够多的时候，司机也在帮助训练神经网络。因为自动驾驶的初始设定必然很保守，神经网络也可以实现司机的个人驾驶风格，比如有的人总是喜欢快一点拐弯或者尽量提前加速，在操作汽车的时候，它也能在安全的前提下学习并记住个性化需求。
软件能够成长，模块化的NVIDIA驾驶平台也有广泛的硬件适应性。NVIDIA在这次CES上发布的PX2系统，能够支持不同级别的自动驾驶操作。如果只需要简单的封闭高速公路驾驶，那么较少的摄像头和传感器以及最少的处理器数量就能完成。而如果需要在任何城市内复杂路口都能自动而且安全地驾驶，系统的配置就需要最大化。
在一个架构、一个平台、一个软件体系上，NVIDIA能够实现从辅助驾驶到全自动驾驶的能力，如何选择取决于汽车厂商。
