雷锋网新智驾（微信公号：AI-Drive）按：作为Mobileye的灵魂人物，Amnon Shashua热衷于谈论技术。所以你会发现，每次只要他演讲，他的分享无一例外都与“技术”有关。
在他看来，技术非常激动人心，它能改变生活，改变交通，改变城市的设计等等。具体来说，他指的“技术”便是自动驾驶技术。毫无疑问，凭借计算机视觉起家的Mobileye开创了自动驾驶技术的另一种可能。
在今年韩国举办的世界知识论坛（World Knowledge Forum）上，Mobileye CEO Amnon Shashua发表了主题为 Autonomous Vehicles：On Achieving a Safe and Scalable Platform 的演讲，主要谈论的是业内最为关注的问题：自动驾驶的安全保证和更为经济的、可量产的自动驾驶平台。
在将近40分钟纯技术分享后，Shashua也首次较为全面回答“为什么Mobileye选择英特尔作为收购方”这一问题。他答道：“加入英特尔，并不是因为其诱人的收购价格，而是其拥有的无价资源。”
Shashua说，当我们谈论自动驾驶时，我们谈论的不是某个产品，而是整个行业。我们不是谈论计算机视觉、人工智能、芯片系统，而是基础设施、云计算、汽车厂商、监管部门、5G网络、数据中心。一个只有650名员工的公司怎么能凭一己之力做到这些？因此，Mobileye需要加入一家行业巨头，翻开新的篇章。
这也是他为什么认为：现在看似风起云涌的自动驾驶行业，并不能仅凭一己之力，单打独斗就能获得成功。相反，自动驾驶是一个需要各方齐心协力，共同合作，并最终实现共赢的领域。
本文是Mobileye CEO Amnon Shashua在2017年世界知识论坛的演讲，由雷锋网新智驾独家编译整理。
在演讲之前，我想让大家关注这样一个问题：汽车行业如何让自动驾驶技术从现在的实验室项目，变成大规模生产的产品？这是我们现在亟待解决的问题。
要回答这个问题，我们首先需要看两个基本问题：一是自动驾驶的安全保证（Safety Guarantees），另一个是自动驾驶的经济性和可扩展性（Economic Scalability）。
我们经常说机器能造福人类，能拯救生命，但另一方面，机器有可能会夺走生命。社会能接受机器的正面作用，但不能接受其负面作用，因此我们需要弄清楚社会对自动驾驶技术的接受程度，想办法让社会真正接受自动驾驶技术。因此，安全保证是一个非常基本的问题。
第二个基本问题便是扩展性问题，我们需要基础设施，汽车成本、汽车保养、它是否需要额外的外部基础设施，比如通讯设备、地图等等。即使自动驾驶汽车再安全，社会对其再宽容，如果其成本过高，那么自动驾驶汽车的发展也将面临巨大阻碍。我们可以经常看到视频中自动驾驶原型车演示，但我们从未看到自动驾驶汽车的大规模生产。
如果我们不能合理解决以上两个问题，那么我们的自动驾驶技术就不能进行大规模生产。
总得来说，自动驾驶技术有三大支柱：感知（Sensing）、地图（Mapping）和驾驶策略（Driving Policy）。
首先，自动驾驶汽车需要感知周遭世界，因此它需要摄像头、雷达和激光雷达等传感设备——它们能让汽车接收到数据（比如其他车辆、行人、交通信号灯等），让汽车拥有一个360度视野。因此，没有传感设备，就没有自动驾驶技术。
其次，地图也是非常重要的。通常来看，我们在导航时才需要地图。但对于自动驾驶汽车而言，即使无需导航，地图也至关重要，因为它与驾驶安全息息相关。
地图多种多样，而自动驾驶汽车所需要的地图是非常细致和精确的，它需要反应环境的每个细节。同时，如果环境更新，地图也需要随之更新。那么，如何打造一款能随着环境实时更新的地图？这需要技术和交通共同的力量。
第三，看清周围环境，并知道自己在位置后，自动驾驶所需要解决的最重要的问题，依然是如何驾驶。感知与定位都是辅助手段，其决定性作用的还是最后的操作——需要与各方协商，作出正确决策。因此，自动驾驶汽车做出的驾驶策略也至关重要。
在自动驾驶汽车上路之前，我们需要提高自动驾驶汽车的决策能力。
首先，我们需要让它们的决策能力与人类相当。因为如果自动驾驶汽车在做决策时优柔寡断、相当保守，那么它在行驶的过程中会非常缓慢，并妨碍交通。
其实，在自动驾驶汽车上路时，这种情况时有发生。如果自动驾驶汽车决策能力低下，那么驾驶一两辆做测试可能不会影响交通，但一旦成百上千的自动驾驶汽车上路，必将造成交通堵塞。这样一来，到时候可能没有哪个城市愿意允许自动驾驶汽车上路。
因此，我们需要赋予自动驾驶汽车与人类相当的决策能力。同时，我们还需要让自动驾驶汽车的决策能力高于人类，因为人类在驾驶时也可能因为判断失误而发生事故。因此，想让自动驾驶汽车真正安全上路，它的决策能力必须比人类强很多。
汽车在融入车流、改道、转弯、掉头时，司机都需要作出正确决策。在没有司机的帮助下，要自动驾驶汽车自己作出决策，通常是非常困难的。这就是我们要解决的问题。
那么，我们怎么处理事故呢？我们要解决的基本问题是：如何一方面赋予自动驾驶汽车与人类相当甚至超越人类的决策能力，同时让社会接受自动驾驶汽车上路。
现在让我们来看看一份白皮书，这份白皮书发表于2017年。
对于自动驾驶汽车来说，“安全”指的是系统整体性。而“多方安全（Multi-agent Safty）”指的是事故发生避免率。一般而言，事故发生主要由两个原因。第一是计划失误，第二是传感失误。
那么，如何保证驾驶安全？
首先，我们有一个共识，那就是驾驶的熟练程度与驾驶里程成正比，如果司机的驾驶里程达到一定程度，那么他会对汽车驾驶性能、道路交通情况等了如指掌，出事故的几率也更小，也就是我们传统意义上的“熟能生巧”。
但我想指出的是，用这种方法来保证驾驶安全，是非常错误的。如果你继续靠这种方法保证安全，那么我们的道路上将永远不会有自动驾驶汽车。
为什么这种方法是错误的？
对于非自动驾驶汽车司机来说，驾驶一小时的死亡概率是10^6 分之一。乍看一下，这个死亡率非常低。但我们看看下一组数据就会发现，这个很低的死亡率也很可怕。相关资料显示：美国每年因交通事故而死亡的人数为3.5万。
而如果自动驾驶汽车的死亡率也是10^6 分之一，那么显然是不被社会所接受的。因此，自动驾驶汽车要上路，它的事故死亡率一定得比非自动驾驶汽车低得多。那么，它需要低到什么程度呢？1万？1千？
答案是，还远远不止，社会能接受的因自动驾驶汽车事故而死亡的人数为每年10到100。这样来看，驾驶一小时的死亡率需要不高于10^9分之一。如果要保证每小时的死亡率不高于P，那么司机必须在每次软件更新后，驾驶至少P分之一小时。
因此，如果要将死亡率降到10^9分之一，那么司机必须驾驶10^9小时，才能保证数据的效度。而驾驶10^9小时，里程将近为300亿公里，因此系统会产生300亿公里的数据。
但我需要指出的是，要收集300亿公里的数据，是非常荒谬的。我们来看看数据成本就知道了。
驾驶一小时产生的数据（包括摄像头、雷达和激光雷达）约为5兆兆字节，因此驾驶10^9小时产生的数据将达到5*10^18字节，也就是500万千兆字节。而1千兆字节需花费的成本大约为40万美元，因此500万千兆字节所需的成本将近为2万亿美元。
我们再看看设备成本。要收据到300亿公里的数据，我们需要让400万辆自动驾驶汽车每天行驶20小时，行驶整整一年。而如果一辆测试车的花费为10万美元，那么400万辆共需4000亿美元。同时，你还要雇佣400万位司机，这个成本还要另算。
因此，利用“熟能生巧”的方式来让自动驾驶汽车上路是非常不明智的，因为其背后的成本几乎是无法计算的。
所以，我们要指出的是：要保证自动驾驶汽车的安全，我们需要另一种方法，这种方法是基于模型并可以解释的。
在提出方法之前，我要指出的问题是：绝对安全是不可能的。上图中的蓝色汽车四周都被车辆包围，如果左边的绿色车撞了它，它无计可施，因为它三面环车。
这种情况在道路上是很常见的，我们无法避免。因此，我们没有办法保证百分之百的安全概率。但我们可以保证另外一种可能：一旦发生车祸，相关部门就会开始调查，找出谁是责任方。
因此，我们要保证的是：如果车祸发生，责任方不是自动驾驶汽车，而是其他因素。这就是保证自动驾驶汽车安全的王道。
要保证自动驾驶汽车不是责任方，首先，我们要事先制定“事故责任”规则，而不是等着事故发生之后才开始调查谁是责任方。如果事后才开始调查，那么媒体将会重点关注自动驾驶汽车，这样又会引起社会轰动，带来一波自动驾驶汽车安全的怀疑之风，监管部门会加紧自动驾驶汽车的政策，这样便会阻碍自动驾驶汽车的发展。
其次，我们要保证自动驾驶汽车一直处于“安全状态（Safe State)”。也就是说，除非有其他因素的影响，自动驾驶汽车不会自己造成事故。
要让自动驾驶汽车处于“安全状态”，我们需要规定自动驾驶汽车与周围环境的“安全距离”。如果这个规定适用于所有城市，那么自动驾驶汽车全面上路将指日可待。
我们来看看“安全距离”是怎样算出来的。如上图所示，它由四个因素构成：
自动驾驶汽车反应时间；
道路状况（干、湿等）；
车辆速度；
最大减速。
如果自动驾驶汽车以100km/h的速度行驶，反应时间为200毫秒，最大减速为0（匀速行驶），那么它的安全距离是5.5米。但如果其他因素不变，最大减速为50km/h，那么安全距离便是33米。因此，自动驾驶汽车在行驶得非常快时，也可以保证安全。
同样，在超车时，我们也可以计算出安全距离。超车时，如果我们知道需要降速多少，反应时间是多少，我们就能算出超车时的安全距离。一旦算出安全距离，就意味着知道了自动驾驶汽车在变道时的速度可以达到何种程度，有了这个速度的限制，自动驾驶汽车驾驶安全系数将会提高。
通常来说，当我们做超车假设时，道路上的汽车速度是一样的。如果是这样，那么汽车是不能变道的。因为道路上的车道很多，本车没有空间来变道。
因此，我们需要做另一种假设：在超车时，后方汽车的速度减慢了，这样本车才能顺利超车。所以，我们需要与相关监管部门进行协商，规定超车时的安全距离，让自动驾驶汽车在变道和超车时也可以处于“安全状态”中。
在处理突然横穿马路的车辆或行人时，我们也可以运用相同的办法。如果你在驾驶自动驾驶汽车的途中撞到了前方横穿过来的行人，那么责任方有可能是你。那么，如何避免这种情况？
如果我们能够计算出保证横穿过来的车辆或行人安全的最大速度，问题就会迎刃而解。一旦计算出这个最大速度并保持不高于该速度的状态行驶，那么即使前方有即将横穿过来的车辆和行人，你也不会撞到他们。
我们可以和相关监管部门协商，将这个速度推广到各个城市，变成规定。这样一来，自动驾驶汽车的安全性又会大大提升。
上图是“路线优越性（route priority）”（因时间关系，略过）。
美国高速公路安全管理局(NHTSA)做了一项调查，覆盖了99.4%的交通事故。
通过表格我们可以发现，交通事故的原因是多种多样的。比如前方车辆加速、前方车辆突然停止等等。那么要如何排除这些原因，让自动驾驶汽车安全？
根据上述描述，大家应该已经知道了自动驾驶汽车的“安全状态”，那么我们如何让它们一直保持在“安全状态”中？很明显，要预测未来所有的状况是不可能的。
有时候，驾驶自动驾驶汽车时会发生“蝴蝶效应”。也就是说，作为司机，我们不经意间做了一个无关紧要的小动作，但这动作看似无关紧要，其实在日后会带来大灾难。
因此，我们需要保证自动驾驶汽车的任何一个小动作，都不会带来“蝴蝶效应”。
首先我们来认识两个概念：
“默认紧急策略（Default Emergency Policy）"，指的是自动驾驶汽车在紧急状况下默认作出的决策，在做出这种决策时，自动驾驶汽车不会作为责任方造成事故；
“谨慎命令（Cautious Commands）”，指的是不管外界环境如何，都可以保证自动驾驶汽车处于“安全状态”的命令。
所以，我们就可以得出一个保证自动驾驶汽车安全的框架：自动驾驶汽车以“安全状态”启动，在行驶的过程中一直使用“默认紧急策略”和“谨慎命令”，那么它将永远不会造成自己作为责任方的事故。
上图是自动驾驶模拟器，图中显示车流驶入两条分路，白色汽车驶向左边道路，红色汽车驶向右边道路。从速度来说，你会发现它们很像人类驾驶行为。虽然车辆很密集，但是每辆车行驶得井井有条，没有任何差错和事故。
因此，你可以让自动驾驶汽车像人类一样驾驶。同时，无需驾驶300亿公里，也能保证车辆的安全。此外，因为我们可以向社会解释这种模型的运作方式，社会和监管部门都将接受这种模式。
我们来总结一下自动驾驶安全问题，我们把这种模式称为RSS模式。
首先，RSS模式并不基于实证模型+模拟器的形式，而是基于一种保证的措施。
其次，RSS需要相关监管部门制定政策，接受“交通事故责任方”的规定方式，这样才能确保自动驾驶汽车的安全性。
再次，RSS模式下的自动驾驶汽车不会作为责任方造成事故。
最后，如果事故是由传感错误引起，那么驾驶搭载3个传感装置的自动驾驶汽车10^5小时，便能收集到足够的数据，这样能保证自动驾驶汽车的死亡率不高于1/10^9。
我们来讲讲自动驾驶汽车的经济、可扩展性问题。即使自动驾驶汽车再安全，如果不合理解决好经济问题，那么自动驾驶汽车的发展也会面临巨大阻碍。
这一问题包括很多因素，其中一个重要因素就是地图。我们需要精确度非常高的地图（定位精度达到 10 厘米）。
现在，我们制作地图的方式很多都是基于人工操作的，如果在实验室做研究，这种地图还尚可使用。但如果我们想将地图运用到整个自动驾驶行业中，那么我们需要更加高端、性价比更高的地图。
现在，驾驶辅助装置的目的是避免事故。在一些国家，每一辆汽车都安装前置摄像头作为驾驶辅助装置，而大部分的技术都来自Mobileye。2017年，我们销售了将近900万颗芯片，我们的技术安装在将近900万辆车上。
摄像头可以收集到非常重要的数据。一方面是外部环境的数据，比如附近车辆、建筑、交通信号灯、道路标志等等；另一方面是道路上的标志线。
驾驶1公里将收集到1万字节的数据，100公里为100万字节，芯片能将这些数据计算和储存。如果你一年驾驶了2万公里，那么芯片便能收集到2亿字节的数据。而将2亿字节的数据上传到云端，只需0.5美元。
这些数据发送到云端之后，将会用于制作精确度非常高的地图。
REM（Road Expeirence Management，道路体验管理）背后有三个架构：收集数据（Harvesting)、整合数据（Aggregation）和定位（Localization）。
首先，收集道路（线路、交通信号灯等等）和地标信息，创造1万字节／千米的数据；
其次，将所有数据上传至云端的RoadBook中并进行整合；
最后，使用RoadBook和实时地标检测系统为车辆进行准确定位，其准确程度满足相关政策的要求。
为了更加直观理解REM，我们来看几张图片。
上图显示了一辆行驶在拉斯维加斯道路上的自动驾驶汽车，左半部分是汽车的前方视觉，右半部分是汽车在Google地图上的状态。
紫色的线为道路上真实的线，你仔细看会发现它非常笔直，这表明地图的精确度非常高，因为如果精确度不高，那么紫色线将会变得弯弯曲曲。
上图是一辆搭载第三等级自动驾驶技术的尼桑汽车在日本高速公路行驶的视图，这是汽车厂商们发起的一个项目，目的是自动驾驶汽车高速公路驾驶提供指导。
这个项目有诸多合作伙伴，包括宝马、日产以及很多其他汽车厂商。在行驶的过程中，这辆自动驾驶汽车能够不断收集数据，而这些数据可以用来打造地图。2018年全球将生产200万辆自动驾驶汽车，这些汽车都能收集并发送数据，帮助打造地图。
打造自动驾驶地图并不断进行更新，如果要用到特殊的装备，其实是非常昂贵的。但是，这种方法无需其他特殊装备，所以它能很好的控制成本。
因此，通过联合多方力量，利用自动驾驶汽车收据的数据来打造地图，是降低自动驾驶地图制造成本的好方法。
现在，Mobileye的EyeQ系列芯片已经非常强大。
我们已发布EyeQ3，其长度为40纳米，采用4个创新型向量微码六核处理器（VMP）和4个CPU，已于2014年11月正式投入生产。EyeQ4芯片长28纳米，采用了6个VMP、2个可编程宏阵列（PMA）和4个CPU，将于2018年3月正式投入生产，用于宝马、大众、日产、福特、通用、本田等汽车。
EyeQ4芯片是可扩展摄像机系统的重要组成部分，不仅会出现在碰撞避免系统中用于单目镜影像处理，来满足欧洲新车评估测试（NCAP）、美国国家公路安全局（NHSTA）以及其他地区规章要求，还将使用在三焦距摄像机结构中用于实现一些高端客户需求，例如半自动驾驶功能。
EyeQ4芯片能够与雷达传感器和扫描光束镭射完美兼容，为用户带来更先进的服务体验。
EyeQ5仅长7纳米，使用了先进的半导体制作工艺——10纳米甚至精度更高的FinFET新电晶体架构制程，其加速器核心经过了优化，如计算机视觉、信号处理、机器学习任务以及深度神经网络。EyeQ5具有异构性，完全可编程的加速器，芯片内置的四种类型加速器均经过其系列算法优化。
Level 5 级别（SAE）的自动驾驶汽车将使用两颗 EyeQ5 芯片以及英特尔 CPU 的支持。EyeQ5样品将于2018年8月发布，将于2020年3月投入生产。
总结
我讲了两个非常基本的问题，但这两个问题经常是被大家忽略的。
通常来说，说到自动驾驶，我们会讲到与传感器相关的问题，但这些问题其实都不复杂。真正复杂的，是如何让社会接受自动驾驶技术。
如果社会不接受，那么自动驾驶汽车将永远不会大规模生产。所以我们需要保证自动驾驶汽车的安全，这就需要汽车行业和监管部门的合作。
同时，我们还需要解决自动驾驶的经济性和可扩展性的问题，因为即使自动驾驶汽车再安全，如果人们不接受它的成本，那自动驾驶汽车将不能大规模上路。
我列举了几种降低自动驾驶成本的方法，比如打造地图、优化驾驶策略、设计芯片。因时间关系，还有一种方法（Low power SoCs）我没有讲，如果你们感兴趣，可以下载相关论文。
Q：我们知道今年三月，Mobileye被英特尔收购。您能谈谈为什么选择英特尔作为收购方？
A：加入英特尔，并不是因为其诱人的收购价格，而是其拥有的无价资源。
Mobileye成立于1999，今年已经18岁了。2014年8月，Mobileye在纽约证券交易所上市，当时的市场营业额已经达到了55亿美元。我们从驾驶辅助（基于前向 ADAS，与毫米波雷达融开始，一举成为行业的领头羊。
但是，我们意识到：当我们谈论自动驾驶时，我们谈论的不是某个产品，而是整个行业。我们不是谈论计算机视觉、人工智能、芯片系统，而是基础设施、云计算、汽车厂商、监管部门、5G网络、数据中心。
那么，一个只有650名员工的公司怎么能凭一己之力做到这些？我们知道，是时候加入一家业内巨头，并具有强烈工程师文化的公司。
其实，我们缺的不是钱，而是资源，包括人力资源、基础设施资源等。我们需要与相关监管部门协商，但是以Mobileye的规模，我们只能与以色列国内的监管部门协商，而不能与其他国家监管部门协商。
但以英特尔的规模，它能和全球范围内的监管部门协商。因此，我们清楚地知道：Mobileye需要加入一家行业巨头，翻开新的篇章。
英特尔有一个部门专门致力于自动驾驶，他们在理念上与我们达成共识，因此我们选择加入。与此同时，英特尔的以色列分部有将近1万名员工，它在以色列的布局很大。这也是英特尔吸引我们的原因。截止到两个月前，英特尔以色列分部的200名工程师加入了Mobileye，从事下一代芯片EyeQ5的开发工作。
现在，我们已经打造了100车辆的自动驾驶车队，它们将一边收集数据，一边进行自动驾驶测试。如果单凭Mobileye的一己之力，我们不可能打造规模如此庞大的自动驾驶车队，但有了英特尔的力量，这就小菜一碟。
Q：在很多文化中，失败意味着完蛋。但是在硅谷，失败有着另一种含义。因此，您能谈谈“失败”这个话题嘛？
A：这个话题很有趣，因为它与文化息息相关。有一本著名的关于以色列的书叫做《创业的国度:以色列经济奇迹的启示（Israel - The start-up nation）》，但它的作者不是以色列人，而是两位美国人。
正如“当局者迷，旁观者清”，外国人观察以色列，能给予我们一个不同的视角。在读这本书时，有两个观点让我感到很惊奇。其中一个就是关于失败的问题，在以色列文化里，因粗心大意而失败是值得批评的，但因你想尝试某种新事物而失败，是无可厚非的。
如果你拼尽全力创立一家公司，但失败了，人们不会批评你，而是会说你有经验了，那么下次你就不会犯相同的错误。因此，这样的失败并不会让你失去信念。
另外，以色列没有等级制度。以色列公司文化是很扁平的，如果我的员工用正当理由指出我的错误，那么他不会被解雇，反而有可能会升职。这样缺乏等级制度的文化让员工们能够畅所欲言，这一点在创立初创公司时是非常重要的。
Q：现在的自动驾驶领域风起云涌，竞争激烈，你认为哪家公司会赢？
A：我认为赢家不只一个。自动驾驶领域有如Google、苹果、Uber这样的科技公司，也有奔驰、通用这样的汽车公司。另一些公司与Mobileye这样的供应商进行合作，比如宝马。去年，宝马就和Mobileye进行了合作，一起打造2021年生产的自动驾驶汽车。
接来下，我们还会宣布与更多公司的合作。有了这样的合作，我们就能影响整个行业。所以，我觉得赢家不只一个。
你看看航空领域，会发现飞机的外观相差不大，各个航空公司也将近趋同。我认为自动驾驶最后的格局将和航空领域相似，大家一起共赢。
Q：您能谈谈特斯拉的自动驾驶技术吗？
A：首先，特斯拉的Autopilot系统是基于Mobileye的技术。特斯拉现在的自动驾驶技术还处在自动驾驶的Level 2 水准，它叫做“半自动驾驶”。Levle 2的问题是我们必须告知驾驶员Autopilot系统的限制。驾驶员必须随时待命，在系统退出的时候随时接管。如果驾驶员放开方向盘，让车自己驾驶，那么将会面临问题。
一般来说，但是当我们谈论“自动驾驶”时，我们谈论的并不是第二等级，至少第三等级或以上。我们与奥迪合作开发A8车型便是 Level 3 级别的自动驾驶技术。
除此之外，我们还与日产、本田等汽车制造商合作开发第三等级技术。如果自动驾驶等级达到第三等级，那么在某些环境条件下，驾驶员可以完全放弃操控，交给自动驾驶系统进行操控。
如果系统需要驾驶员进行一些操作，驾驶员可偶尔对方向盘进行干预。驾驶员不需要全身关注看车外的情况。此等级特点就是，系统某些条件下完全负责整个车辆的操控了。
而Level 4更加高级，自动系统在某些环境和特定条件下，能够完成驾驶任务并监控驾驶环境，但在一些特定的环境中，它还不能完成任务。
但是，Level 5可以解决这个问题，这一级别的自动驾驶系统能够覆盖所有情况，在所有条件下都能完成的所有驾驶任务，它是自动驾驶技术的最高等级。
Q：在自动驾驶汽车要做出决策时，是云端来做决定，还是车内装置来做决定？
A：自动驾驶汽车在做决策时，时间是非常关键的。
首先，我们不可能让云端来做决策，云端能做的是与地图、收集其他车辆数据、更新规划路线等相关的事情。它就像我们现在使用的地图，比如Google地图等等，不断收集环境中的数据，进行更新，然后来重新规划路线。
自动驾驶汽车要做决策需要的是人工智能，其能帮助处理很多问题，比如传感、收集并处理传感原始数据、像人类一样理解虚拟世界等等。人工智能还能为驾驶做规划和决策。在做所有这些决策时，时间是非常关键的。你没有时间向云端发送信息，然后等着它作出反馈。
现在，自动驾驶汽车车内一定会安装高性能计算机，搭载人工智能技术。因为自动驾驶汽车要做出决策，只有极短的时间，所以它必须自己在车内做出决策，而不经过云端。
雷锋网推荐阅读：
想靠数学模型解决自动驾驶时代的事故问题，Mobileye 的工程师思维“很傻很天真”？
Mobileye被收购后首发声：不走这条路，自动驾驶永远都实现不了
关注“新智驾”微信公众号，在微信后台回复关键词“Shashua演讲”，即可获得Amnon Shashua关于本文的演讲视频。
正在生成分享图...
nebula