黄仁勋表示，以工程师思维来看的话，对于Uber自驾车此次事故更重要的是厘清实际发生原因，并且将此次事故变成自驾车学习重要经验，让自驾车日后再次面临同样或类似情况时，将能顺利避免事故发生。
针对日前Uber自驾车在亚利桑那州坦佩市发生致死车祸事故，在此次GTC 2018自然也成为许多人关注议题，毕竟目前NVIDIA将不少重心投资在自动驾驶应用，同时此次发生事故的Uber自驾车上所搭载系统也是NVIDIA所提供设计，而NVIDIA首席执行官黄仁勋随后也对外澄清表示目前中止自驾车测试原因，最主要是为了进一步了解Uber自驾车实际发生事故原因，并且让此次事故可以成为日后车辆学习重要经验。
就NVIDIA的立场而言，并不会因为一次事故发生而选择终止自动驾驶技术发展，黄仁勋表示，以工程师思维来看的话，对于Uber自驾车此次事故更重要的是厘清实际发生原因，并且将此次事故变成自驾车学习重要经验，让自驾车日后再次面临同样或类似情况时，将能顺利避免事故发生。
就黄仁勋的看法，认为虽然自驾车事故确实会造成部分社会观感对此产品质疑，但相对地会增加更多厂商、业者投入发展资源竞相提出更好的自驾车解决方案，反而会让自驾车技术有更显著的成长。
至于针对此次在GTC 2018期间提出更安全的模拟训练平台Drive Constellation，部分疑问认为NVIDIA基于近期Uber自驾车事故才提出这项解决方案，黄仁勋则说明事实并非如此，因为从去年提出的Issac机器人模拟训练平台，以及今年在CES 2018期间提出的Autosim模拟训练技术来看，NVIDIA很早之前便开始构思如何借由更安全、快速的前期训练，让自驾车、机器人可以更有效率地完成一定学习效果，避免在真实环境进行测试、训练时造成更大伤亡事故。
目前NVIDIA对于自驾车的训练模式，将会借由Drive Constellation运算平台预先让自驾车系统进行长途模拟训练，在完成一定程度的训练后才会让自驾车实际上路测试，并且持续累积真实测试经验，同时其后也会配合云端协作方式持续训练、修正自驾车运作行为，并且配合分散式学习方式让位于各地的自驾车在不同路况做出不同反应后，借由后端反证系统进行过滤、分析自驾车反应是否“错误”，进而适时提出修正，再借由云端同步方式让所有自驾车能获得相同学习经验，进而可做出相同判断反应。
依照NVIDIA的发展规划，最快再2019年将可迎接全自动驾驶车辆进入市场，并且开始普及应用，而相关应用项目包含大众运输接驳、货品运送、救灾现场应用，甚至于其应用在自驾车上的各类技术如电脑视觉、自动学习反馈系统，其实也能进一步推动小型机器人、无人机、自动送货装置市场成长。
