四个激光雷达探测器，四个鱼眼摄像头，两个窄视场摄像机，以及 GPS。
我们可能正以时速不超过 60 英里的车速沿着阳光斑驳的硅谷高速公路兜风。但是每一秒，我们专门装饰的豪华运动轿车都会获得无数的数据。
然而，若无法将这些传感器传来的数据汇总起来，数据再多也毫无用处。
伴着嗡嗡的汽车声，我们穿过硅谷的办公园区，车辆周围的所有情况尽收眼底，这要多亏我们工程师附加到中心控制台的显示屏，让我们可以透过奥迪 A6 的四个鱼眼镜头看清周边情况。但这些并不足以避免其他司机在我们迂回转弯时按喇叭。
我们人类的眼睛还达不到超人的能力，无法看到他。
察看前方和后方道路
在说明我们为何将深度学习从数据中心提取出来并运用到复杂的交通领域时，这个例子再合适不过了。因为单凭高级传感器之力无法做到。我们没有超人般的感知能力，若不运用人工智能，则无法解析这些传感器传入汽车的数据。
在本周于拉斯维加斯举办的 CES 2016 展会上，我们发布并演示了 NVIDIA DRIVE PX 2，就此制造了支持该系统的巨大汽车仪表板。
汽车的「挡风玻璃」会播放我们开着奥迪车在路上行驶时所拍摄的视频。「挡风玻璃」的下面演示的是下一代仪表组，您可以在此即时了解所有情况 (路面、其他车辆和计算得出的车辆前进路径)，就像您在从上方和后方观察车辆一样。
因此，只要看一眼就能让自己确定方向。而且，比起来回转头交替察看前窗、侧视镜和后视镜，这会让您更有信心。
面向新一代驾驶的数字引擎
我们在汽车领域应用深度学习技术要始于 NVIDIA DRIVE PX 2。DRIVE PX 2 以功能强大的新一代 Tegra 处理器和基于 Pascal 架构的离散 GPU 为基础，每秒可将超过 24 万亿项深度学习操作融入一个系统，而这个系统可以放进手套箱中。
如此强大的平台是实时处理从所有传感器流入汽车中的海量数据的唯一途径。这个绝佳的创意将取代研究人员使用的笨重的机架式服务器 (他们已经像在科学项目中一样操作自己的传感器融合系统)，代之以可以滑入正在生产的汽车的紧凑型系统。
这 24 万亿次浮点运算能力足以将由附加传感器收集的数据实时融入各种高级驾驶辅助功能。如果能以足够快的速度处理此类数据并将其提供给驾驶员，那么诸如环绕视觉、碰撞规避、行人检测、十字路口路况监测和驾驶员状态监控等功能便均可成为可能。
深入研究
还有更多精彩。我们将 DRIVE PX 2 设计成利用深度学习来习得大量信息。DRIVE PX 2 包括一个深度神经网络软件开发套件 DIGITS，以及视频捕捉和视频处理库。
深度神经网络通过经验学习，与人类的学习机制非常相似。正是由于这个原因，我们装有传感器的奥迪车才会于过去几个月在硅谷 101 公路上来回行驶这么多时数并记录驾驶情况。我们收集的数据越多，我们的系统就会变得更加智能。
然后，汽车制造商可以将由这些 GPU 驱动的深度学习系统创建的模块装入车辆中。装入到位后，它便可在 DRIVE PX 2 上实时运行。开发人员可以借助更多数据不断对该系统进行反复训练。
如此一来，您的智能汽车可以通过无线软件更新变得更加智能。讨论一下加速的问题吧。