針對此次在CES 2016展期主要仍將重點放在車載系統，並且公布採用新一代Tegra處理器架構與全新「Pascal」顯示架構構成的Drive PX 2模組，Nvidia執行長黃仁勳認為無論是目前眾人所看好的虛擬實境與車載系統，背後所涵蓋的運算技術始終都代表其重要性，例如從車載系統發展所帶動的深度機器學習，因而構成龐大類神經網絡系統所呈現人工智慧，進而應用在無人車、機器人系統等帶動人類生活變革。
▲此次Nvidia在CES 2016期間揭曉的Drive PX 2車載系統運算模組，直接藉由車輛水冷系統確保高達8TFLOPS運算量的穩定度與正確性
人工智慧發展還在起步階段
就黃仁勳個人看法，雖然串連雲端系統、深度機器學習等技術已經在過去談了許多，但真正有明顯技術性突破卻是在近幾年才開始，甚至相較過往能以更小的電腦系統配合圖像平行運算，藉此發揮更龐大的資料運算量，這都是過去所無法實現的技術，因此認為今年開始將是包含虛擬實境技術應用、神經網絡系統與人工智慧等技術進入更深成發展的一年。
不過，黃仁勳認為即便目前已經有更多廠商投入無人車、自動駕駛軟硬體技術發展，甚至諸如微軟、Google等廠商也在影像識別等電腦學習認知技術也有明顯突破，同時百度也已經能夠讓電腦系統像學齡兒童般學習中文，並且進一步了解相關語句含意，但現在都還是僅處於起步階段，距離未來能讓電腦系統更「了解」世界，讓運算系統能像人腦般進行自主思想、猜測都還有相當長遠距離。
▲Nvidia執行長黃仁勳
目標讓電腦能夠從經驗中自我學習
因此Nvidia選擇從日常生活中經常會接觸到的車輛開始著手，進一步透過以影像平行運算作為輔助的深度機器學習應用在車載系統，藉此讓車輛變得更為「聰明」，從可輔助駕駛更快速理解車輛附近狀況、協助駕駛觀察任何沒有察覺到的路況細節，到發展成為穩定的無人自動駕駛系統，黃仁勳認為數位化電腦認知技術將成為相當重要關鍵，而其中也需要更龐大、即時且正確的運算資源。
而光是只有龐大的運算資源其實還不夠，畢竟電腦與人腦構成模式還是有很大不同，主要還是以眾多資料比對挖掘最佳解決方式，並不會有像人腦多半會參考過去經驗法則、直覺、猜測等方式進行判斷。舉例而言，電腦系統會根據眾多資料比對找出最近、且最方變得上半行經路線，卻不像人腦可能會因為今天心情不錯改走另外一條上班路線，對於電腦系統而言，這樣的選擇模式並不符合「正確的」運算邏輯。
終端、雲端系統相輔相成
從另一方面考慮的話，讓車輛系統持續學習更好的駕駛技巧與行為，其實也是建構龐大運算系統之後更重要過程，同時如何讓車輛終端演算與雲端龐大運算資源相輔相成也會是日後智慧車載，乃至於人工智慧發展重要環節。例如車輛本身無論如何都還是有其運算資源極限，因此需要雲端系統作為背後支撐，但也不可能讓所有運算資源全數交由雲端系統負責，因此如何在兩者比重拿捏也將考驗日後相關技術發展。
從黃仁勳的說法認為，透過車輛終端的運算系統將可進行更即時、個人化的人工智慧反應模式，但勢必要透過雲端系統進行反覆驗證，一旦發現與眾人不同的反應模式時，系統便會比對大數據資料確認是否產生異常，進而告知系統對此留意，並且做出後續反應，這樣的狀況也就類似人類會持續在不同狀況學習，藉此成為許多「經驗」，並且能越來越精準判斷哪些內容是正確或錯誤。
用人工智慧改變生活
就Nvidia現行發展方向，期望能讓車載系統能像一般人在駕駛過程中透過過去累積的經驗法則判斷，而非在每一個環節逐次慎重思考，藉此讓車輛系統也能有相同學習思維，進而推動無人車、自動駕駛技術所帶來生活改革，例如Uber近期便投入無人車技術發展，期望未來能藉由無人車系統替代更多駕駛人力，甚至之後也能將深度機器學習套用在機器人、自動系統等發展，藉此能協助人腦進行更多判斷。
而針對眾人持續投入的人工智慧系統是否可能引發不同恐慌，例如像電影劇情般因電腦系統過於強大而影響人類生活，黃仁勳表示這將會是許多發展此類系統廠商所應正視環節，就本身立場除了持續提供運算資源提昇人工智慧系統精度，同時也會透過持續與各界溝通、並且採取開放銜接任何資源的態度進行發展，藉此採納不同領域的看法使人工智慧系統「想法」更符合普羅大眾觀感，並且讓每個可能產生問題的環節都能被提出改善解決措施，避免產生人工智慧系統產生偏差。
以車載系統為例的話，整個邏輯便會像是告訴車輛最終目的地之後，必須加上不影響其他人安全、讓車輛內乘客感覺舒適等情況條件，藉此讓車輛學習如何正確完成任務。因此回過頭來，黃仁勳認為如何教育眾人讓系統學習正確觀念，而非刻意惡搞也預期將成為日後重要發展課題。
