很多人对自动驾驶有一个误解：觉得它就是"车顶上装个摄像头，AI看着路开"。但吴恩达在课程里用自动驾驶做案例，展示了它远比这复杂。
自动驾驶不是"一个AI在开车"，而是多个AI模型同时协作：一个在检测前方的车、一个在检测路边的人、一个在规划路线、一个在控制方向盘。而且这些模型必须实时协作——任何一环延迟了 0.5 秒，可能就出事故了。
第一步：车辆检测。
自动驾驶的第一个任务，是搞清楚"周围有什么车"。这个模型需要实时识别其他车辆的位置、速度、方向。不只是正前方的车，还包括侧面的、后面的、正在变道的。这需要计算机视觉技术——从摄像头画面中识别出"这是一辆车"。
第二步：行人检测。
比检测车辆更难的是检测行人。车是有固定形状和运动轨迹的，但行人——尤其是小孩、推着婴儿车的、牵着狗的、突然从路边冲出来的——变化极大。而且"没检测到一辆车"和"没检测到一个行人"的后果完全不同，后者可能是致命的。所以行人检测的准确率要求极高。
第三步：运动规划。
知道了周围有什么车和行人，接下来要规划"我该怎么走"。这个模型需要综合所有信息——前方车辆的速度、红绿灯状态、车道线、导航路线——然后决定：加速？减速？变道？停车？这个过程在毫秒级完成，而且需要持续更新。
多种传感器协同工作。
吴恩达特别强调：自动驾驶不只用摄像头，它同时使用摄像头、雷达和激光雷达（Lidar）。摄像头看颜色和形状，雷达测距离和速度，激光雷达建 3D 地图。三种传感器的数据融合，才能保证可靠性。单一传感器都有盲区——摄像头在大雾天看不清，雷达分不清行人还是电线杆，激光雷达在暴雨中性能会下降。
为什么自动驾驶这么难？
因为这不是"一个AI模型能不能做到"，而是"多个AI模型能不能在毫秒级协同工作，且任何情况下都不能出错"。这比做一个聊天机器人难太多了——聊天机器人说错一句话无所谓，自动驾驶判断错一次可能就是事故。
