自动驾驶汽车是一个巨大的计算问题。传统的计算机视觉技术无法解决它是如此艰难。因此，NVIDIA已经转向了人工智能技术，被称为深度学习，培养了能够“学习”如何识别道路上的危险，并安全地引导自驾车的脑电图。
该技术需要巨大的模式识别和神经网络计算能力。这意味着它需要NVIDIA的图形处理单元或GPU，以处理负载。在云中或汽车超级计算机中有足够的GPU，深度学习任务更加实用，在2016年国际CES（本周拉斯维加斯的大型技术贸易展）的新闻发布会上，Nvidia首席执行官Huang更加实用。
他说，NVIDIA的战略是创造GPU来实现深度学习，为他人创造一个深入学习的平台，并创建一种学习和解决现实世界问题的端到端的深学习网络。
黄说，其中一个钥匙将涉及深度学习网络，随着时间的推移，在识别危险的驾驶情况下识别物体，例如行人。所以公司解决问题的一部分是建立了一个深学习平台，被称为杰森，这将能够学习如何识别驾驶图像。
使用NVIDIA的新车超级计算机，NVIDIA PX 2，这部分处理的一部分将发生在汽车中。但它也将取决于基于云的深度学习网络。黄说，GPU通过20x至40倍提高学习的学习速度。这意味着这种平台将有用超越自动驾驶汽车问题。
“我们看到的深度学习应用的数量完全相当惊人，”黄说。
NVIDIA将有一个深度学习平台，用于从PC到自动驾驶汽车。
“我们将从最后结束解决这个问题，”黄说。
NVIDIA可以部署神经网络，从抽头技术的汽车中收集数据，然后回去教导网络正确的东西以及它出错的是什么。NVIDIA正在培训在已知的成像仪集合上的网络，包括其中120万个图像。这样，深度学习网络随着时间的推移更聪明。
目前的NVIDIA深神经网络被称为NVIDIA Drovenet，相当于3700万神经元，或脑状细胞，并且需要400亿次运行网络一次。每次网络运行时，它会变得更好。7月，它成功地识别约39％的时间。现在它的准确性高88％。迄今为止，NVIDIA培训了120万物体。
黄说，福特是采用深学习技术的几家公司之一。
NVIDIA的新推出的PX 2超级计算机将收集数据并将其发送给NVIDIA CX，运行汽车信息娱乐系统，包括仪表板，因此驾驶员可以实时看到它。
“在一个平台的方法之后，NVIDIA聪明，”Moor Insights＆Strateg的分析师Patrick Moorhead说，在一份声明中。“他们有能力使它发生，但让开发人员和客户做很多工作更为重要。只需查看Apple和Google以及他们如何利用生态系统。如果NVIDIA可以说服汽车和汽车电子制造商，他们的汽车愿景有效，他们现在对每个人都有优势。“
