汽车作为人类最主要的出行工具之一，也在渐进式地通过各种驾驶辅助功能将用车者从驾驶行为中解放出来，车机系统的智能性正越发成为人们评价一个车型的核心标准。
传统汽车行业集人类工业文明发展之大成，以机械部件的可靠性、座舱内部的舒适性、驾驶过程的操控性、外观设计的美观性作为评价车型的主要标准。然而，随着智能化终端对人类生活的渗透，人们越发信任并习惯于科技发展所带来的便捷。汽车作为人类最主要的出行工具之一，也在渐进式地通过各种驾驶辅助功能将用车者从驾驶行为中解放出来，车机系统的智能性正越发成为人们评价一个车型的核心标准。
自动驾驶是驾驶辅助功能的最终形态。早期的各种驾驶辅助功能控制逻辑较为直接，体现为控制车上单一维度的功能对数量有限的环境变量做出回应。进一步向自动驾驶的发展需要车机系统对车辆周围的环境信息做出整体统筹，并规划出安全、舒适、高效的线路。这需要车辆即时对周围运动单元的潜在轨迹做出判断，但不同情形排列组合可能产生的条件数量远大于有限的程序所能承载的范围，因而需要人工智能的介入对车机进行长期的训练。
自动驾驶系统具有高度的复杂性，训练的过程需要以海量场景数据的积累为前提。在训练的过程中，机器需要在有限的时间内对大量的图像信息完成处理，因而需要以巨大的算力作为支撑，造成了训练自动驾驶系统的高成本。与此同时，自动驾驶系统在真实世界中可能遭遇的场景难以穷尽，因而需要系统对驾驶行为进行持续不断的学习，拉长了自动驾驶系统训练的周期。大型车企或一级供应商往往选择建立自有算力资源。
但是，人工智能计算中心的搭建具有较高的技术门槛，运营与维护过程也需要较高水平的经验积累，因而需要与技术成熟的解决方案供应商开展合作。首先，数据中心解决方案供应商软硬件技术的先进性决定了人工智能计算中心所能提供的算力水平，其解决方案的成熟度又决定了前期搭建所需的时间周期，以及算力供给过程中的稳定性。这些因素共同决定了自动驾驶解决方案的开发周期，因而直接影响了相应的车企是否能够在智能驾驶领域取得市场先机。
在自动驾驶领域具有长期规划的车企或技术供应商需要掌握稳定的算力资源。就这一方面而言，硬件的选型与网络的规模将对数据中心的算力产生直接的影响，涉及 IT领域的专业知识，企业需要具备相关的知识储备，以及驾驭跨行业合作关系的能力。此外，搭建及运营人工智能计算中心的供应商需要提供一套集成的全栈式A I解决方案，以保证自动驾驶系统的开发项目能以最快的速度上线，并得到持续且稳定的算力支持。
