现在，基于人工智能（Artificial Intelligence, AI）的高级驾驶辅助系统（ADAS）和自动驾驶汽车（Autonomous Vehicle, AV）系统已经大量涌现，数据驱动的工程、测试和验证技术有了很大的进步，全球各国都在制定自动驾驶汽车系统的安全规范。随着技术的进步，产品设计变得越来越复杂，尤其是针对汽车工程协会（SAE) L3级别以上的汽车，其具有更高的自主性。
为了实现这一目标，汽车制造商正在车内装备实时的V2X服务、高清地图以及高性能的传感器，如摄像头、激光雷达（LiDAR）和毫米波雷达。通过复杂的数字技术和通信技术，它们将感知结果进行融合。
除此之外，汽车主机厂已经引入了自动驾驶汽车域控制器，整合了处理过程，这种进步使得证明和记录人工智能系统代表司机做决定的可预测性、合理性和完整性的决策过程更具挑战性。
这也导致汽车主机厂将面临的最大挑战之一：传统的传感器和软件工程已经非常复杂，但现在管理验证人工智能系统所需的海量数据也非常复杂。下一代自动驾驶汽车平台每天可以轻松产生高达200TB的数据。在一周内，它们可以产生一个PB级的数据。汽车工程协会L3自动驾驶所需的数据量很容易达到200至300PB。这比谷歌地图数据库的预计规模多出五到七倍，据估计，整个谷歌地球地图储存数据约为43PB。
为了安全地验证自动驾驶汽车功能，需要大量的测试场景和超过1亿公里的试驾。这需要大量的驾驶、测试、验证，以及一个融合了虚拟仿真、数据挖掘和人工智能的深度设计的端到端流程。
