光达(LiDAR)技术正成为投资界和汽车产业的技术新宠。促成这一趋势的原因有二：其一是光达技术尚未定型的发展前景；另一项因素在于广泛认同「光达是自动驾驶出租车的必备技术之一」…

很快，汽车就将实现自动驾驶了，这在很大程度上要归功于传感器集成、AI、摩尔定律等技术的发展，同时也要感谢那些在偏远地区工作的人们，他们通过标记图像让智能系统更加准确而谋生。

报告指出，Herzberg 的不幸是一系列错误导致的多米诺骨牌效应的结果，在这起悲剧中，人和机器都出了错。从这份报告中，我们也能看出，Uber 在自动驾驶测试上确实漏洞百出。

雷达、激光雷达和高性能IMU不断演进，这些变革性技术将是未来高级安全与自动驾驶应用快速推进的强大基础。

雷达技术一直在变得更好；如Magney所言，它抵抗天气的能力比摄像头更好。在另一方面，雷达的最大问题仍然是“误报”。

从百度离开的AI人才，大部分都选择了披甲创业，如今，他们几乎已经撑起了AI圈的半壁江山。

本文将展望MEMS和传感器技术在汽车行业中的未来发展动态。

随着高分辨率画面需求和各种人机交互（如语音、手势、人脸、多点触控等）的出现，工程师也面临着巨大的设计挑战。

嵌入式FPGA（eFPGA）将在这类芯片中扮演重要角色。如为了满足第六条中提到的车辆外部360度视频监控数据的获取和处理，采用eFPGA来设计相关功能芯片具有很明显的优势。

自动驾驶技术存在软件问题，而人类驾驶分心则是另一个问题。哪一项能先解决，可是价值上兆美元的问题。

现在车厂对于汽车功能的定义，包括在这个定义驱动下对软硬件性能的要求，已经到了相当夸张的地步。对于汽车这样一个复杂的电子产品而言，底层硬件处理器加上操作系统，是所有应用的承载。二者的组合决定了上层应用可以达到的高度。

虽然在起跑时落后于百度、腾讯，但对于一家市值 4 千多亿美金的公司来说，一掷千金下的弯道超车也绝非夜谈。

Uber事故的悲剧带给我们的教训，是消费者、产业界与主管机关都应该停止简单的争论，找出确保道路安全的方法；而我们更应该关心的是，让自动驾驶车辆能安全地与行人与其他人类驾驶车辆共存之前，还有多少工作要做。

过去一年半以来，科技业者(还有媒体)忙着促成全自动驾驶车辆的即将实现，却漠视了无数挥之不去的、关于自动驾驶的“未知”……

今年初，一家位于美国密执安州的一级代理商Visteon也宣布与DeepScale展开合作，并开发出首款自动驾驶技术平台——DriveCore。然而，最令人印象深刻的是，DeepScale执行长Forrest Iandola在接受电话采访时所说的话——当今世界上还没有足够的深度学习专家。