如今的无人驾驶汽车与正常汽车在数量上相比，根本不值一提。如果真的要急速扩大无人驾驶汽车的规模，传感器的生产规模也必须跟上。对于传感器制造商来说，是一个比较大的问题。

就激光雷达来讲，最著名的生产厂商Velodyne的产品多年来已经得到实际的验证和使用，技术比较成熟，市场上处于领先地位。但因受到繁复的精密光学装调工作量的影响，目前Velodyne的产能严重受限，远远跟不上市场的需求。

如果把规模扩大到数百万辆？恐怕不是一件短期内能完成的事。

软件的算力得不到发展

多传感器的问题同时也埋下了下一个问题的隐患，那就是芯片的性能。如果需要更全面的了解外部路况信息，就需要部署更多的传感器。更多的传感器就对融合提出了更高的要求，而且在高速度的情况下，由于路况信息的变化，所带来的数据信息也更为海量。

根据英特尔的测算，一台无人驾驶的汽车，配置了GPS、摄像头、雷达和激光雷达等传感器。这些设备每天将产生约4TB待处理的传感器数据，如此巨大的数据量必须有强大的计算设备来支撑。而即使是这样的顶级GPU企业，也在算力和功耗的平衡上几乎达到了天花板。

所以近年来，专用计算平台更多的走进人们的视野，包括谷歌投入应用的AI专用芯片TPU、国内顶尖创业公司地平线推出BPU，特斯拉也在投入巨资进行无人驾驶芯片的研究。在短时间内，这都将是无人驾驶要跨越的巨大技术障碍。