自動駕駛模式的運作，主要是靠先進的人工智能技術（AI）作基本的探測和規劃，再配合具有推理和斷定能力的硬件（inference hardware），使汽車能於道路上自動行駛。雖然香港運輸署現時限制了能夠使用自動駕駛技術的路段，但這種「駕駛」技術亦能為駕駛者在沉悶的道路上（例如在高速公路）增添些許樂趣。
其中一款電動車在硬件方面使用了矽片（silicon chips）來建構這個自動駕駛技術，在提高矽片性能的同時，亦十分重視建築結構（architectural ）的改良和進步，將平面規劃、時間和能量的技術都展現在汽車的設計上。同時亦使用完善和隨機的測試和記分板以驗證其功能和性能，並編寫了編譯器（compiler）和驅動器（driver）以對芯片進行編程和通信，並特別關注性能最大化和能源節能方面的問題，更使用最先進的方法來訓練深度神經網絡（Deep Neural Network），解決從感知到控制的問題。它又用分析原始圖像技術來進行語義分割（semantic segmentation）、對象檢測和深度探測，可以從世界上多個複雜場景中學習，能夠實時地從近百萬輛車中獲得不同資訊。
一個完整的自動駕駛網絡系統涉及48個網絡，及需要70,000個GPU小時進行訓練。實際上，所有車輛（無論是否啟用了自動駕駛功能）都可以將數據直接發送到雲端。每輛車都有軟件自動「修復」功能，從而避免意外發生，這項技術亦不需用到太多資源和成本。通過內部和外部傳感器，系統能有效地從其所有車輛及其駕駛員中收集數據，這些傳感器可以獲取有關駕駛員的手放置在儀表上的位置，以及他們如何操作車輛的信息。
除了幫助Tesla完善其系統外，這些數據本身也具有巨大的價值。據估計，到2030年，車載數據的市場規模將達到每年7,500億美元。
系統所收集的數據用來建構一個高度數據密集的地圖，能顯示從道路上平均行車速度的增長到導致駕駛員採取行動的危險位置等所有信息。雲端內的機器學習技術負責教育整個車隊，而在個別汽車，邊緣計算（Edge computing）可決定汽車現時需要採取的行動。
汽車能夠與附近的其他車輛形成網絡，共享本地信息。在不久的將來自動駕駛汽車普及情況下，這些網絡很可能還會與其他製造商以及其他系統（例如交通攝像頭，基於道路的傳感器或移動電話）的汽車相連接。
■洪文正
簡介：本會培育科普人才， 提高各界對科技創意應用的認識，為香港青年人提供更多機會參與國際性及大中華地區的科技創意活動 ，詳情可瀏覽www.hknetea.org。