2020 年，除了被喻為 5G 商用元年，原本也有望晉身自駕車元年。過去曾有一段時間，樂觀主義者預測全自動駕駛汽車將在 2020 年上路；如今，考慮到成本和復雜性，加上今春開年以來受肺炎疫情干擾，部分頂級汽車廠正轉為更務實的作法——電氣化，然俗話說＂禍福相倚＂，意外之喜是：防疫期間，為減少人際接觸的感染風險、善用有限人力或因應封鎖禁令下的交付需求，自駕車正被加速提上日程。從科技新銳、傳統車廠到政府法規，幾乎不約而同地動了起來。
汽車人工智能 (AI) 是自駕車的核心技術。去年，隨著特斯拉 (Tesla) 發表內建神經網絡加速器 (NNA) 的＂全球最強芯片＂，以及華為力推將＂升騰 (Ascend) 910＂AI 計算芯片用于訓練自駕算法及車聯網，已揭開熱身賽序幕。今年初，高通 (Qualcomm) 亦加入戰局，首度面向自駕車 AI 計算推出 Snapdragon Ride 平臺并宣布將與日本電裝 (DENSO) 共同開發下一代駕駛艙系統。但在談 AI 之前，數據的采集與喂入，更直接關系到機器學習 (ML) 建模的良窳及自駕車的安全。
在感測方面，攝像頭、雷達可說是基本配備，但最初被視為自駕車圖騰的＂光達＂(LiDAR)，礙于笨重、昂貴等不討喜因素，一直存在爭議，也因而促成在鏡面內部置入微機電 (MEMS) 的＂混合固態光達＂興起；另為讓光達看得更遠、更清晰，設法拉大視場＆增加光通道數是訣竅。此外，ML 模型易受特定信號或輸入影響且須顧及語料庫的正當性，所以，上路前的仿真與測試馬虎不得；麻省理工學院 (MIT) 新近發表的＂VISTA＂(虛擬圖像自動合成與轉化) 仿真系統便是由此誕生。
多倫多大學也積極涉足，與在線學習工具 Coursera 合作提供四門基于 Web 的自駕車軟件開發課程，包括：自動駕駛汽車簡介、狀態估計和定位、無人駕駛汽車的視覺感知與無人駕駛汽車的運動計劃等。最后特別一提的是，今年三月，美國國家公路交通安全管理局 (NHTSA) 首次對其車輛安全規則調整，而中國大陸亦比照美國汽車工程師協會 (SAE) 規劃自有《汽車駕駛自動化分級》并定調為＂規范性國家標準＂，擬于明年元旦實施。產官學研，正有志一同上路中！
或許，自駕車滿街跑仍是路迢迢，但的確已逐漸走入我們的現實生活。
