大衆集團日前宣佈，將加大投資力度來加強其位於德國慕尼黑AI數據實驗室的實力，專門致力於人工智能技術的研發。大衆方面稱，雖然目前正在削減內部開支，但作爲IT計劃的一部分，大衆在慕尼黑的AI數據實驗室並未受到影響，會有更多的人力投入人工智能團隊的建設。
據瞭解，大衆數據實驗室的研究團隊將繼續發展無人駕駛技術和機器人學，主要研究方向包括機器學習技術，即引導機器人和傳感器加強識別能力，以對行駛中遇到的物體和不同情形作出辨識，換言之，團隊希望提高汽車攝像頭的檢測能力，減少無人駕駛汽車因拍攝盲區等而存在的安全隱患。
另外，團隊希望提高汽車攝像頭的檢測能力，減少無人駕駛汽車因拍攝盲區等而存在的安全隱患。慕尼黑數據實驗室已經成爲大衆在研究上述領域中最大的實驗室，並宣稱擁有全汽車行業中最多的人工智能專家和數據科學專家。說到人工智能和數據科學家，汽車行業的人士都深知在汽車的無人駕駛和智能化方向上涉及到大量的人工智能技術和數據處理相關知識。
比如，大衆在人工智能技術在汽車中的應用主要是在自動駕駛方面，包括：
基於圖像和傳感器的模式識別（Pattern Recognition）
基於算法的智能決策（Intelligent Decision-making）
判斷處理不同數據類型（Data Types Processing）
人工智能還可應用到「企業機械化」中——將自適算法應用到企業各項功能和流程中（發展、生產、財經、質量保證）
其中特別要注意的是模式識別不僅僅是上面提到的圖像識別（光圖像識別就包括行人識別、交通標識識別、汽車牌照識別，這些都通過視覺系統完成，難點主要在實時性和魯棒性。要離線處理這些交通標誌是很簡單的，但是在無人車上需要能在有限的時間裏識別出來，並且考慮道路中可能有的光線變化、遮擋等問題。）還有現在在車內非常流行的語音識別，以及汽車中的零部件故障診斷識別。
舉例來說，機器學習技術在汽車中的應用可以這樣：
原本停在你旁邊的一輛汽車突然駛向馬路，機器學習技術就是在這樣的情形下，讓你的汽車掌握突發情況的技能。假設汽車也能夠自動檢測到引起駕駛員注意的細節，那麼路上其他車輛不避讓時，汽車也可以輕易避開潛在的事故。
關於模式識別
我們另外有請教汽車行業中的人工智能專家，他談到目前人工智能在自動駕駛中的應用涉及到：
圖像識別
語音識別
激光雷達
毫米波雷達（也涉及高精度地圖，高速處理器等）
另外有業者表示，計算機視覺的確是深度學習的非常大一塊，但絕對不是全部。比如利用深度學習去做一些環境的預測，做一些駕駛的決策。
關於智能決策
汽車本身以後就將會是個高度智能體
包括它的研發設計與生產製造（智造）
駕駛（自動駕駛，自適應變形調節）
後裝維護等
關於數據處理
與判斷處理不同數據類型不同
汽車設計製造都離不開仿真優化（基於數學模型）。
一些關鍵影響因子的識別及整體性能的優化（各參數的最佳組合）就要充分用到數據分析。
只要涉及多變量的模型（對應車輛某些性能問題）就離不開數據分析與參數優化。
最關鍵的是大衆集團最新宣佈來領導慕尼黑AI數據實驗室的是Patrick van der Smagt，他的主要研究方向是機器學習在機器人領域的應用、仿生和傳感器數據的處理。
Patrick van der Smagt也是德國BRML實驗室主任，BRML實驗室主要研究方向爲機器學習、運動識別以及人機交互等，其與包括慕尼黑工業大學、慕尼黑大學、德國航空航天中心等世界一流的研究機構都有密切聯繫。
