隨著智能互聯，自動駕駛等新興概念的不斷引入，汽車涵蓋諸如人工智慧深度學習（Artificial Intelligence），現實增強（Augmented Reality），物聯網（Internet of Things）等諸多最前沿的科技潮流，如今的汽車可以說是我們生活中「最大」的一個終極智能設備。據預測，到2017年，60%的新車都將具備網聯功能。
如今的汽車，傳統發動機或動力總成已不再是未來汽車的核心競爭力，軟體綜合實力將成為未來汽車競爭的關鍵。
這一點從初創公司中也能看出。一家來自布達佩斯、名為AImotive的初創公司就是以人工智慧算法來實現L5級別的自動駕駛。這家公司完成了一筆1050萬美元的融資，資金來自於英偉達、博世以及Draper。目前，AImotive已經在矽谷開設研發中心，致力於自動駕駛的AI研發。
AImotive首席運營官尼克·伊登表示，AImotive希望加速推進汽車自動駕駛技術及整體市場的發展，為全球車企帶來一套經濟可行的無人駕駛解決方案，其正在研發的人工智慧將保證車輛L5級別自動駕駛（全自動駕駛）在所有天氣狀況及道路狀況下實現正常運轉。
目前對於汽車自動駕駛的爭論焦點主要集中於汽車的「視覺」，主流的解決方案有兩種，一是雷射雷達「LiDAR」，另一種則是攝像頭，兩種方案各有利弊，雷射雷達成本較高，但可靠性明顯強於攝像頭，而攝像頭則成本低廉，未來有望通過更強大的圖像處理技術提高其可靠性。
AImotive因為定位「經濟可行」的解決方案，選擇的是攝像頭方案。
攝像頭解決方案的重點就是圖像處理，如何確保准確識別圖像中的不同事物，從而保證車輛做出正確反應。特斯拉的Model S就因為其Autopilot系統識別錯誤造成過多次車禍。而AImotive的人工智慧技術搭載有一個持續深度學習引擎，通過各攝像頭獲取的數據和單位像素級別的分區工具進行數據分析，保證在視野不佳的情況下車輛自動駕駛的安全，實現車輛周圍環境的實時識別，定位，捕捉以及車輛控制。目前該技術已經可以識別行人、自行車、動物、障礙等超過100種事物。
不過，對於自動駕駛而言，可識別的數量並不是唯一的評判標準。如何在實際駕駛情況下，準確快訊地進行識別，並進而做出反應，才是關鍵。而這，則需要大量且場景豐富的駕駛數據來對深度學習的算法與引擎進行優化。
在伊登看來，特斯拉目前通過用戶實測Autopilot來採集駕駛及周邊數據，不斷優化其自動駕駛技術在汽車產業中是史無前例的。對於深度學習算法來說，數據的樣本數量相當重要，需要持續不斷地進行積累。
目前，AImotive是通過實時模擬器來對深度學習算法進行培訓，實時模擬器能夠模擬不同的路況和天氣狀況，從而對算法進行測試與改進。所有的測試與行駛數據，都會被記錄下來，作為算法的學習材料。
AImotive使用豐田普銳斯來進行測試AImotive使用豐田普銳斯（參配、圖片、詢價）來進行測試