在向全自动驾驶L5汽车的发展过程中，人工智能(AI)将在日益广泛的自动驾驶应用中发挥着越来越重要的作用。这些应用涵盖目标分类和路径规划、驾驶员/乘客监控、动力传动优化等。该人工智能支持功能的实现，部分得益于视觉、激光雷达和雷达技术的高级深度学习能力，这预示着汽车安全、智能和环保性能将发生巨大变化。
目前，在采用非常耗电的通用处理器内核的数据中心级计算环境中，已建立了针对人工智能应用的深度学习算法和神经网络框架。但是，相应的复杂性、成本、功耗预算和开发工作流程无法转移到嵌入式汽车应用。因此亟需一种新方法——需要能够利用针对汽车应用进行优化的开发工具包、推理引擎和嵌入式处理平台，从而最大限度提高实时人工智能自动化的处理敏捷性和性能，同时满足严格的车规级质量和可靠性标准。