由于无人驾驶路测仅限于在选定的城市和测试场地中进行，因此大多数消费者还没有亲身体验过这项技术。但它正在到来——假以时日，自动驾驶汽车将带来诸多益处，从而彻底改变交通出行方式。当汽车自动驾驶时，每位驾驶员实际上都变成了乘客。你可以在途中睡觉，也可以放松一下看个电影，或者在上班路上回复邮件。随着时间的推移，消费者们会思考如何打发车内时光，车内环境看起来可能会更接近办公室或客厅。
然而，自动驾驶汽车不会一夜之间到来。虽然汽车行业在自动驾驶方面已经取得了快速进展，但现实情况是，我们仍然只是处于开发阶段。一些建议提到，最早要到2034年，我们才能看到自动驾驶汽车上路。
为了迎接移动出行的下一个时代，汽车制造商需要考虑许多因素，例如安全性、法律法规、基础设施、消费者的认同、数据网络、伦理问题，等等。因此，在自动驾驶汽车上路之前妥善处理所有这些因素是非常重要的。
安全第一
整车厂一直致力于安全性，而这对自动驾驶汽车尤为重要，因为最终它们将不再使用踏板和方向盘，转而采用一系列传感器和自动化功能。随着汽车获得更多的自主权，它们需要具备理解道路情况及其所有复杂性的能力，以确保安全行驶。
这就是为什么自动驾驶汽车开发用的时间比预期要长的主要原因之一。在传统汽车中，人类预先配备了一个视觉系统(眼睛)，它与人类所知的最高端计算机(大脑)相连接。整个过程是如此天衣无缝，大多数人甚至没有考虑过他们一旦上路可能会面临什么挑战。
但是自动驾驶汽车必须考虑这一点，甚至更多。它需要有能力去应对纽约最冷、雪最多的日子，就像它能够在亚利桑那州明亮、刺眼的阳光下行驶一样。自动驾驶汽车需要像人类驾驶员一样礼貌待人，从而可以与行人和人类驾驶的车辆进行交流以表明自己的意图。它们需要应对变化多端的路况(泥泞、结冰、破裂的路面等)，甚至可能需要确定什么时候驾驶会很危险从而不能继续进行。它们还需要能够做出即时的判断。例如，是一块垃圾被吹过马路还是一个小孩在过马路。车辆需要像人类所做的那样去观察、分析并做出反应。
通过花费大量时间对所有这些因素进行实验，会使得无人驾驶汽车在准备投入使用时拥有巨大的优势。测试已经在许多地方进行，包括位于美国密歇根州安娜堡市的美国移动出行中心(American Center for Mobility)，他们拥有一个自动驾驶汽车测试场。这样做的目的是让消费者能够自信地出行，因为他们知道在这些车辆搭载自己的首位乘客之前早已经过了严格的测试和全方位完善。
吸引消费者
消费者的态度往往被认为是自动驾驶汽车部署的主要障碍，但最近的一项调查显示，这种局面已经改变了。国际自动机工程师学会(SAE International)是一家面向汽车工程师的全球性机构，他们对近1400名乘坐过自动驾驶汽车的消费者进行了采访。结果令人大开眼界：82%的消费者在试乘前对自动驾驶汽车“充满热情”。在体验这项技术后，近10%的消费者甚至表现出更高的热情。
超过四分之三的参与者(76%)认为自动驾驶汽车的体验与传统汽车相似或优于传统汽车。超过三分之一的参与者(37%)认为自动驾驶汽车会比人类驾驶的汽车更安全。这并不意味着消费者准备明天就放弃他们现有的汽车，但这标志着人们对移动出行的看法正在不断改变。这也表明，随着消费者亲身体验自动驾驶汽车，他们对技术的态度只会有所改善。
使城市智能化
未来智能基础设施和智慧城市的实现涉及两个要素。第一个是实现目标要面临一些挑战。自动驾驶汽车同时需要车辆对车辆(V2V)技术和车辆对基础设施(V2I)技术，而这两项技术仍处于开发的早期阶段。第二个是需要无处不在的连接——5G、Wi-Fi、专用短程通信(DSRC)或其他一些方法——以及大量的传感器，这些传感器需要被安装在路灯、交通信号灯、停车标志等位置。一家自动驾驶汽车初创公司为了使汽车能更好地在城市中行驶，已经部署了自己的自动驾驶汽车传感器，这是一项非常庞大的工程。
广泛部署自动驾驶汽车所需的技术仍在开发中，不可能在一夜之间令一切完全就绪。与任何道路建设项目一样，这是一项多年计划，需要花费一些时间。但是一旦它完成，将带来相当可观的好处。与其在道路扩建项目上投资数百万甚至数十亿美元，还不如去发展智能基础设施，实际上可能还会减少开支。智能基础设施可以使无人驾驶汽车以更近的距离和相同的速度行驶，从而无需宽阔的道路或额外的车道。
得之有道
简而言之，自动驾驶汽车是汽车制造商有史以来开发的最重要的机器，不能操之过急，因为有太多利害攸关的事情需要考虑。因此，稳扎稳打的方法才是正确的方法。
在您开拓自动驾驶应用的路上，Imagination可以提供全方位支持。比如我们的PowerVR GPU IP，在目前全球所有车用GPU芯片中，利用Imagination的GPU IP设计的芯片占40%，排名全球第一;同时，为了更好地支持未来的智能驾舱应用，我们最近推出了全新的IMG A系列GPU，可以在更长的运行时间里以极低的功耗预算提供最佳性能。
再比如我们的神经网络加速器(NNA)IP，最新的3NX NNA在多核状态下可以提供高达160 TOPS的运算能力，能够很好地应对4级、5级自动驾驶的要求;同时，NNA和GPU可以在技术层面上形成很好的配合，既利用NNA的高算力，又利用GPU的灵活性，二者结合具备最佳的PPA(性能、功耗和面积)指标，从而可以为自动驾驶应用提供极佳的异构计算解决方案。
