货运并不便宜。在美国，一辆长途卡车的均匀每英里本钱为1.69美元，个中约40％用于支付驾驶员的薪水。同时，很难找到卡车司机，据一项估计表明，美国货运业目前面临100,000名司机的短缺，到2026年，随着电子商务连续推高货运需求，这一数字可能会增加两倍。
货运也很危险。只管乘用车去世亡人数总体低落，但2017年大型卡车涉及4,700多人去世亡，比2016年增加了9％。结果，“卡车司机”现在被列为美国最危险的事情。
办理这些寻衅的方法很大略，纵然很繁芜：让一些卡车自行驾驶，利用人工智能（AI）来补充现有的驾驶员短缺并提高安全水平。但是，制造自动驾驶卡车并非易事。
使卡车实现完备自主TuSimple处于这项事情的最前沿。该公司位于圣地亚哥和中国，已经在紧张在亚利桑那州利用自动驾驶卡车进行商业交付。
TuSimple由总裁兼CTO侯小迪于2015年创立，目前在其两个总部之间雇用约400名员工，每天进行三到五次送货行程，每次行程约100英里。这些行程紧张用于为TuSimple的深度学习算法天生测试数据，该算法一贯在努力节制道路规则，但同时他们也在赢利。
目前，TuSimple的卡车达到了“ 4级” 自动驾驶汽车等级。卡车会自动运行，但是驾驶员必须在驾驶室中，随时准备在发生问题时进行干预。侯希望在2020年底之前完备取消驾驶员认为干预，他说公司正朝其实现这一目标迈进。
驾驶座上的AI让大型拖车行驶数百英里绝非易事，任何曾经与大型钻机共用高速公路车道的人都该当清楚这两个最大的障碍。首先，卡车很长。无人驾驶普锐斯只须要导航15英尺长，而一辆完全的大型拖车大约70英尺长，这使得有关加速，停滞和合并的所有打算变得更加繁芜。侯说，大概更大的寻衅是卡车的宽度。乘用车乃至可能不霸占州际高速公路车道宽度的一半（在美国，法律规定为12英尺宽），而大型拖车常日在高速公路车道的两侧只有21英寸的空间，而在道路车道的两侧则少得多一条城市街道。
这些车辆周围的打算非常繁芜，必须在运动中进行，如果出了问题，将危及生命。辛劳的事情是由直接安装在卡车上的打算机（侯称其为“超级打算机”）完成的。每个TuSimple做事器都装有多达100个不同的AI模块，这些模块卖力实行各种任务，从区分道路上的汽车类型到确定卡车周围其他物体的速率（这是最艰巨的算法任务）。这些模块紧张利用Amazon Web Services（AWS）上的Apache MXNet深度学习框架构建，从系统中接管稳定的数据流，该数据流从安装在车辆上的摄像头，LiDAR和雷达设备上载多达TB的数据，
侯说：“该系统还必须在所有条件下都能事情，而不仅仅是最佳条件。” “假设您在黎明或薄暮时开车。你怎么处理那件事呢？那下雨天呢？”
所有传感器，剖析其数据的算法以及实际掌握卡车的算法之间的交互都极为繁芜，高等AI在这里发挥了最明显的浸染。管理所有这些数据点并利用概率剖析每秒多次做出最佳决策是周围最繁芜的打算任务之一，而机器学习环境是唯一可以处理它的生态系统。而且，据侯说，这项技能非常精确：在装满拖车的情形下，以65 mph的速率行驶时，掌握算法可以将卡车保持在5cm的车道中央。
完成测试运行后，TuSimple的卡车将返回自己的基地，开始剖析在该运行中网络的所有数据的事情。结果将更新到每辆卡车车载做事器上的算法模块。这听起来很大略，但是每次更新算法时，都必须通过数千次安全测试和仿照来运行它，以确保其在道路上能够达到预期的性能。
侯表示，每次推出新代码时，在内部运行这些测试都将花费数周的韶光，但是由于Amazon EC2 P3实例中由AWS GPU支持的打算具有强大的打算能力，因此这些测试可以在数小时内完成，最大限度地减少卡车返回道路之前的周转韶光。TuSimple当前还在评估AWS Snowball Edge，这是一种新的边缘打算设备，它将简化所有这些数据从卡车到AWS云做事之间的迁移。
侯说，展望未来，大多数卡车都由打算机操作的日子即将到来：这是不可避免的。
侯说：“几百年前，我们用牛来耕种地皮。” “我们仍在探求通过机器完成人工事情的方法。这确实是人类文明的自然演化。我很自满能站在最前沿。”