之前在12.10 的貼文中，我站在自駕系統硬體面的角度觀察技術發展的前景。現在我要從全球價值認同面、產業面、市場面、與AI人工智慧發展面來說明，為何接下來的10年將是自駕技術的爆炸性成長期⋯
- 依去年美國ANSYS公司所做的涵蓋22,000人、13個國家的駕車的可能性。這個數據較之前類似的調查大為提升，也意味著接下來接受度必將逐年上升，排斥度會逐年下降。
- 環保節能、大量且更有效率的人際溝通聯結 （ 交通、通訊 、網路 ）、與汽車共享行業的發展需求，這些主流價值觀與生活消費趨勢將是驅使自駕技術不斷成長的最大動力。
- 科技業藉自駕技術跨界進入了汽車業領域已數年，接下來就是檢視投資回收的時刻到來；而汽車業的結盟合作與併購新創公司的動作頻頻，期較科技業更能搶得市場先機。激烈的跨業競爭將可加快量產商品化的腳步。
- 從具絕對指標性的全球五大車展近年自駕車接受度市調結果顯示，已有77%受訪者接受日後搭乘自
展演主題與動向來看，已經開始發生質變，尤其竟與一些世界級的3C產品展覽會發生了互有消長的微妙變化。這充份說明了車子將再也不是傳統的車子，自駕技術將引領科技業者登堂入室，進而左右汽車業未來發展的遊戲規則。
- AI 人工智慧發展過程中，重要的技術指標之一就是圖像辨識。美國的ImageNet 自2010年起每年都舉辦ILSVRC圖像辨識大賽，因2015年之後冠軍隊伍的圖像辨識錯誤率已開始勝過人類，故在2017年辦完最後一屆後，自2018年起改由Google支持的WebVision 接手，競賽主題由圖像辨識改為更具挑戰性的圖像理解（ Image understanding )。2019年的前三名得主都是大陸團隊⋯ 阿里巴巴、商湯科技 （ SenseTime, 由香港中文大學團隊創立 ）、與華為。從比賽成績的逐年躍升，與參賽陣容背後支撐的深厚資源來看，AI 在自駕技術的運用必將落實於更細膩的環節上，從而邁向更高安全標準的層次。此外在一年前，Uber 開放了名為AVS 的自駕車圖像標準化平台，在此平台上可清楚描繪每一自駕系統的「圖像性能」- 包括接收的感測資訊、影像分類、以及物體移動的推斷，並讓系統開發業者利用此標準化圖像資訊，進一步集中資源以專注在自駕系統其他核心技術的開發上。