利用人工智慧實現自動駕駛功能，是目前科技業內最熱門的發展方向。不過，相較於在市區內行駛的小轎車，負責長程運輸的商用大型貨車由於道路環境單純許多，對於長途駕車亦有相當大的需求，因此商用貨車看來是能夠最快實現自動駕駛理想的環境。
NVIDIA汽車業務開發資深經理蕭怡祺指出，在美國，商用長程運輸是產值相當龐大的物流業務，其中駕駛人事成本更占該行業成本25%以上。另外，長程駕駛運輸環境單純、運輸時間長，很容易因疲勞駕駛影響行車安全。在這樣的情況之下，蕭怡祺認為，最快實現自動駕駛的場域，將會是商用貨車的物流應用。
蕭怡祺認為，目前自動駕駛常見的Rule-based影像辨識方式只有辨識特定物件，依然有其限制。在Tesla發生車禍意外之後，Tesla才發現到透過深度學習的人工智慧影像辨識方法，才能夠有效辨別車輛大小與動態移動位置，進而解決撞車意外情況。同樣的功能與深度學習成果，一樣可以運用在貨車駕駛上。
蕭怡祺進一步指出，自動駕駛車的深度學習(Deep Learning)訓練過程不外乎以下過程：首先，必須在車輛建置各類感測器，讓車輛具備偵測能力，接著運用影像深度神經網絡(Deep Neural Network, DNN)方式深度學習；最後，透過配合地圖建檔，建立端到端的自動駕駛能力。同樣一套深度學習方式，可以用於一般駕車與商用貨車上，更能夠使用同一套邏輯，進一步開發自動駕駛飛機、智慧機器人等等應用。目前，由NVIDIA所研發的自動駕駛車BB8，在經過兩年的深度學習之後，已經能夠做到過彎減速、出彎加速，駕駛行為越來越像職業車手。
目前各大車廠普遍認為2020年將是自動駕駛汽車的爆發成長時期，蕭怡祺認為，在那之前，業者還有時間將自動駕駛做的更完善安全。
Tesla共同創辦人暨執行長Elon Musk近日也已透過Twitter宣布，將會於2017年10月26日正式發表他們的半自動重型貨車(Semi-Truck)，並舉辦試駕活動。由此可見，商用貨車已是各大自動、電動車廠的重要開發項目。
