黄仁勋认为，打造一台智慧驾驶车辆就像打造一款飞机，过程中涉及问题十分复杂，同时认为此项技术成长将有助于人类生活演进，例如创造更好交通、更高的车辆使用效率，甚至能创造可自行移动无人商店，或是更方便的线上预约叫车等。甚至黄仁勋也认为目前开始有不少厂商投入研发的小型飞行汽车也有助于改变传统生活型态，因此认为自动驾驶技术发展将推动更多科技成长。
此次CES 2018里，NVIDIA首席执行官黄仁勋除再次说明GeForce已经成为全球最大游戏平台，同时游戏也持续扩大其市场产值，并且驱动PC市场成长之余，针对智慧车载系统发展则认为Level 5的全自动驾驶技术将有机会2019年内问世，其速度反而会比Level 3或Level 4的自动驾驶技术更快实现。
近年来持续在CES 2018以智慧车载系统发展为重心的NVIDIA，其实在原本以GeForce为重心的发展也没有显得薄弱，例如此次宣布与华硕、宏碁与HP合作打造具备NVIDIA G-Sync、120Hz画面更新显示技术，同时搭载Shield TV完整功能的65吋4K屏幕“BFGD (Big Formfactor Gaming Display)”，以及本身在GeForce Exxperience所加入Freestyle在内更新等，显示游戏市场依然是NVIDIA重要布局项目。
而虽然此次依然未具体说明其显示架构发展蓝图，但从Pascal显示架构已经采用几年，预期NVIDIA今年将比照当年揭晓Pascal显示架构模式，透过独立活动方式公布下一波显示架构设计，可能将以“Ampere (安培)”或“Turing (图灵)”作为架构名称。
全自动驾驶技术将提前在2019年实现
至于将话题回到智慧车载系统发展，黄仁勋依然说明现有深度学习无论CPU、GPU都相当重要，即便GPU在对应庞大数据分析演算能有相当好的效率表现，但除了基础运算依然需要仰赖CPU处理输入、输出操作，在多工编、解码运算也需要CPU进行处理，因此即便目前市场多数深度学习应用均以GPU为基础，但以CPU为基础的FPGA运算模式依然有其适用地方，最主要还是看深度学习应用模式、学习模型如何建立。
而谈及目前自动驾驶技术发展，黄仁勋认为Level 5规模的全自动驾驶技术最快将可在2019年实现，而更安全的Level 3规模自动驾驶技术则预期在2020年年初普及，Level 4规模则估计在2021年下旬后普及。
之所以认为Level 5规模的全自动驾驶技术将先普及，最主要在于少了人为操作的干预，借由让电脑系统依照各个感测元件、数据连接方式确认最佳行进路线。相较之下，由于Level 3或Level 4的自动驾驶技术更包含协助修正人为操作时的失误，因此相比Level 5的全自动驾驶技术研发有更大困难。
以目前NVIDIA在自动驾驶技术发展布局，除了借由Xavier构成的车用超级电脑，并且透过Tesla V100构成的DGX-1或HGX-1作为辅助运算，同时与更多车载系统供应链合作，本身也与QNX在内车用安全系统合作，确保智慧车辆运作过程不致于遭人透过连线骇入。
黄仁勋认为，打造一台智慧驾驶车辆就像打造一款飞机，过程中涉及问题十分复杂，同时认为此项技术成长将有助于人类生活演进，例如创造更好交通、更高的车辆使用效率，甚至能创造可自行移动无人商店，或是更方便的线上预约叫车等。甚至黄仁勋也认为目前开始有不少厂商投入研发的小型飞行汽车也有助于改变传统生活型态，因此认为自动驾驶技术发展将推动更多科技成长。
在此次CES 2018中，NVIDIA宣布将以旗下超级电脑建构虚拟世界，并且透过全虚拟化方式让自动驾驶车辆能以安全形式完成前期训练，如此即可提高整体训练学习效率，同时也能避免前期训练过程造成任何意外损失。
一般对于自动驾驶车辆训练模式都是先在封闭道路环境进行，让自动驾驶车辆以尝试错误方式学习正确行进模式，但过程中可能造成车辆碰撞、零件损坏等问题，因此日前Ubisoft便曾透露希望借由《看门狗2》建构贴近真实旧金山场景，让自动驾驶技术能以此进行训练，而NVIDIA此次提出的Autosim训练模式便是采类似原理，让自动驾驶车辆系统能在虚拟环境中完成前期训练。
不仅在硬件持续突破，软件项目也十分重要
对于自动驾驶技术发展，黄仁勋表示除了硬件发展的重要性，后续能否提供长期的软件更新其实更重要。例如一款车用系统至少会有10年的使用时间，在未来全面跨入自动驾驶应用情况下，一旦发生系统漏洞问题的话，依然要有软件支援修正。
因此除了在硬件投入大量研发人力，NVIDIA也在软件服务建置足够人力资源，例如此次Intel处理器漏洞问题，随后即针对GeForce服务进行更新，避免硬件问题影响更多软件问题。
黄仁勋认为，自动驾驶技术面临的三个问题：能否解决前期假想可能发生问题、能否预先避免硬件产生问题，以及避免硬件问题导致软件发生问题。一旦硬件出现问题时，系统必须要能自动从备份机制恢复原本正常运作状态，而硬件也必须持续借由软件更新减少问题产生，因此虽然NVIDIA是一间以硬件研发为主的厂商，但是对于软件投入发展资源也相当高。
同时，为了让软件技术也能跟上硬件发展脚步，NVIDIA早已将人工智能技术应用在软件编写，让系统能针对需求自动编写程式内容，借此协助软件工程师能更快撰写程式项目，同时也能在上千万组编写码内发现错误。
