随着智能互联，自动驾驶等新兴概念的不断引入，汽车涵盖诸如人工智能深度学习(Artificial Intelligence)，现实增强(Augmented Reality)，物联网(Internet of Things)等诸多最前沿的科技潮流，如今的汽车可以说是我们生活中“最大”的一个终极智能设备。据预测，到2017年，60%的新车都将具备网联功能。

如今的汽车，传统发动机或动力总成已不再是未来汽车的核心竞争力，软件综合实力将成为未来汽车竞争的关键。

这一点从初创公司中也能看出。一家来自布达佩斯、名为AImotive的初创公司就是以人工智能算法来实现L5级别的自动驾驶。这家公司完成了一笔1050万美元的融资，资金来自于英伟达、博世以及Draper。目前，AImotive已经在硅谷开设研发中心，致力于自动驾驶的AI研发。

AImotive首席运营官尼克·伊登表示，AImotive希望加速推进汽车自动驾驶技术及整体市场的发展，为全球车企带来一套经济可行的无人驾驶解决方案，其正在研发的人工智能将保证车辆L5级别自动驾驶(全自动驾驶)在所有天气状况及道路状况下实现正常运转。

目前对于汽车自动驾驶的争论焦点主要集中于汽车的“视觉”，主流的解决方案有两种，一是激光雷达“LiDAR”，另一种则是摄像头，两种方案各有利弊，激光雷达成本较高，但可靠性明显强于摄像头，而摄像头则成本低廉，未来有望通过更强大的图像处理技术提高其可靠性。

AImotive因为定位“经济可行”的解决方案，选择的是摄像头方案。

摄像头解决方案的重点就是图像处理，如何确保准确识别图像中的不同事物，从而保证车辆做出正确反应。特斯拉的Model S 就因为其Autopilot系统识别错误造成过多次车祸。而AImotive的人工智能技术搭载有一个持续深度学习引擎，通过各摄像头获取的数据和单位像素级别的分区工具进行数据分析，保证在视野不佳的情况下车辆自动驾驶的安全，实现车辆周围环境的实时识别，定位，捕捉以及车辆控制。目前该技术已经可以识别行人、自行车、动物、障碍等超过100种事物。

不过，对于自动驾驶而言，可识别的数量并不是唯一的评判标准。如何在实际驾驶情况下，准确快讯地进行识别，并进而做出反应，才是关键。而这，则需要大量且场景丰富的驾驶数据来对深度学习的算法与引擎进行优化。

在伊登看来，特斯拉目前通过用户实测Autopilot来采集驾驶及周边数据，不断优化其自动驾驶技术在汽车产业中是史无前例的。对于深度学习算法来说，数据的样本数量相当重要，需要持续不断地进行积累。

目前，AImotive是通过实时模拟器来对深度学习算法进行培训，实时模拟器能够模拟不同的路况和天气状况，从而对算法进行测试与改进。所有的测试与行驶数据，都会被记录下来，作为算法的学习材料。