1. 人工智慧
自動駕駛汽車也稱為無人駕駛汽車，在複雜道路條件下，在很大程度上依賴成熟的人工智慧技術來導航，並安全將乘客從一個地點運送到另一個地點。此類人工智慧必須學習和遵守當地的交通法規，成功完成掉頭操作，以及執行其他只有人類駕駛員能夠完成的複雜任務。自動駕駛車輛不斷學習如何駕駛得更好，隨著它們在路上行駛的時間越來越長，它們的效能也會不斷提升。此外，一輛自動駕駛汽車學到的知識可以傳輸給其他自動駕駛汽車，從而提高整個車隊的效率。
2. 雲
自動駕駛車輛能夠不斷學習的關鍵就是雲，雲就是大量實時且持續累積的訓練資料。可以儲存在雲中的駕駛例項越多，就能更好地訓練自動駕駛汽車在公共道路上導航。機器學習模型和深度神經網路分析雲中的這些資料，改進訓練模型，使自動駕駛能夠實現。自動駕駛汽車製造商可以集中分析汽車物聯網感測器產生的聚合資料，利用分析結果改善駕駛體驗。
3. 邊緣計算
儘管上述技術對於實現自動駕駛汽車來說非常重要，但是沒有一種技術比邊緣計算更為關鍵。當自動駕駛汽車在路上行駛時，該汽車必須像人類駕駛員一樣，立刻做出駕駛決策，從而確保乘客安全，避免交通事故。在純粹的雲場景下，是不可能做出此類決策的。想象一下，自動駕駛汽車先試圖將實時資料傳輸到雲端，然後等待做出向右轉或是停下的決策，特別是在一個蜂窩網路有限甚至沒有蜂窩網路的地方，然後就可明白此種流程是行不通的。因此，自動駕駛汽車需要依靠邊緣計算當場做出決策，從而才可以正常的工作。
4. 物聯網連線性
自動駕駛車輛是物聯網的一部分，因此它們需要物聯網連線到蜂窩網路才能正常執行。自動駕駛車輛可能看起來像是獨立的產品，但是它們需要連線到邊緣計算服務和雲端，以便實時做出決策，並把分析結果傳送會其製造商，從而使其效能能夠得到持續改進。未來，5G將進一步加強上述連線，從而使自動駕駛車輛等創新變得越來越可行。
1. 人工智慧
自動駕駛汽車也稱為無人駕駛汽車，在複雜道路條件下，在很大程度上依賴成熟的人工智慧技術來導航，並安全將乘客從一個地點運送到另一個地點。此類人工智慧必須學習和遵守當地的交通法規，成功完成掉頭操作，以及執行其他只有人類駕駛員能夠完成的複雜任務。自動駕駛車輛不斷學習如何駕駛得更好，隨著它們在路上行駛的時間越來越長，它們的效能也會不斷提升。此外，一輛自動駕駛汽車學到的知識可以傳輸給其他自動駕駛汽車，從而提高整個車隊的效率。
2. 雲
自動駕駛車輛能夠不斷學習的關鍵就是雲，雲就是大量實時且持續累積的訓練資料。可以儲存在雲中的駕駛例項越多，就能更好地訓練自動駕駛汽車在公共道路上導航。機器學習模型和深度神經網路分析雲中的這些資料，改進訓練模型，使自動駕駛能夠實現。自動駕駛汽車製造商可以集中分析汽車物聯網感測器產生的聚合資料，利用分析結果改善駕駛體驗。
3. 邊緣計算
儘管上述技術對於實現自動駕駛汽車來說非常重要，但是沒有一種技術比邊緣計算更為關鍵。當自動駕駛汽車在路上行駛時，該汽車必須像人類駕駛員一樣，立刻做出駕駛決策，從而確保乘客安全，避免交通事故。在純粹的雲場景下，是不可能做出此類決策的。想象一下，自動駕駛汽車先試圖將實時資料傳輸到雲端，然後等待做出向右轉或是停下的決策，特別是在一個蜂窩網路有限甚至沒有蜂窩網路的地方，然後就可明白此種流程是行不通的。因此，自動駕駛汽車需要依靠邊緣計算當場做出決策，從而才可以正常的工作。
4. 物聯網連線性
自動駕駛車輛是物聯網的一部分，因此它們需要物聯網連線到蜂窩網路才能正常執行。自動駕駛車輛可能看起來像是獨立的產品，但是它們需要連線到邊緣計算服務和雲端，以便實時做出決策，並把分析結果傳送會其製造商，從而使其效能能夠得到持續改進。未來，5G將進一步加強上述連線，從而使自動駕駛車輛等創新變得越來越可行。