DIGITIMES Research觀察，以深層神經(jīng)網(wǎng)絡(Deep Neural Network;DNN)的深度學習架構為基礎的人工智能(AI)技術在全球如火如荼展開，并運用在影像識別上，其中，以美商NVIDIA和以色列業(yè)者Mobileye推出的車用半導體相關技術產品最受注目;因神經(jīng)網(wǎng)絡架構針對龐大數(shù)量影像能做更精確的識別處理任務，未來應用在汽車市場中，將能因應判別速度及精度要求更高的自動駕駛時代來臨。

NVIDIA于2017年美國消費性電子展(CES 2017)正式發(fā)布Xavier單芯片(SoC)產品，其具備8核心ARM 64處理器與新的Volta顯示處理單元，加上NVIDIA原本在繪圖處理器(GPU)的技術優(yōu)勢，讓自駕車的機器學習系統(tǒng)得以有效應用。透過GPU運算，Xavier能比現(xiàn)場可程式邏輯閘陣列(Field Programmable Gate Array;FPGA)、中央處理器(CPU)有更佳表現(xiàn)，也讓NVIDIA事業(yè)從GPU朝向人工智能領域發(fā)展。

另一方面，也有采用IP核心或FPGA的通用影像識別產品，其應用領域不只限于汽車市場，也廣泛用于其他影像處理芯片。其中，IP核心產品提共業(yè)者包括Cadence Design System、Synopsys、CEVA等美商，各家產品在動作頻率、數(shù)值表現(xiàn)和處理性能、耗電量等各有不同。例如CEVA推出的即時神經(jīng)網(wǎng)絡軟件架構CEVA深層神經(jīng)網(wǎng)絡，已被用于安全監(jiān)控需求的行人偵測和臉部識別、先進駕駛輔助系統(tǒng)等。

自動駕駛技術的挑戰(zhàn)在于城市路況復雜多變，恐無法做有效判斷，因此需將多種偵測裝置與數(shù)據(jù)作結合，以精確定位車輛位置，并偵測周遭路況、設定路線和控制方向盤。而神經(jīng)網(wǎng)絡的加入，讓車輛對周邊物體的探測和分類能力大幅提高，讓各傳感器所取得多項數(shù)據(jù)的結合變得更準確，而這些加工的數(shù)據(jù)也成為車輛感知、定位和規(guī)劃路線等的重要依據(jù)。