人工智能具有专用和通用两种不同取向，分别对应专用人工智能与通用人工智能。专用人工智能的目的在于通过预设的算法或训练解决特定问题；而通用人工智能则致力研发元学习能力，借助后天培育解决各类问题。正如将“智能”视作“计算”一样，专用人工智能专家常常将自动驾驶视为一个纯粹的技术问题，并试图通过模块化的方式实现技术拓展。

未来，专用人工智能技术路线下的L4—L5级别的自动驾驶，或趋向“智能外包”的技术解决路线——依靠的不是更强的单车智能，而是更复杂、精密的上层协调节点。这种做法存在诸多隐患。高级协调节点不仅覆盖性有限，并将增加通行系统的边际成本和总体复杂性，令单车决策链延长及决策参与度降低。其后果是，智能路网本身的系统性脆弱将面临被放大的风险。事实上，基于专用人工智能的自动驾驶并未真正面对“智能”问题，而是将单车智能（内部解）不断转嫁为寻求外部援助（外部解），即车辆自己更多负责提出问题而非解决问题。到最后，并不是汽车变得更具适应性，而往往是人为改造了那些不适应的地方——这仍陷于“有多少人工，就有多少智能”的魔咒之中。

通用人工智能试图创造能思考、有情感的具有认知功能的软件系统，并认为智能并非全知全能，系统需要通过预设的元能力不断学习才能达到某个领域内的实用水平。而且，即使在达到这种水平后，学习也不会停止，尤其是在环境变化的情况下更是如此。对通用人工智能而言，先天预置的是元水平的学习能力，但一切学习的内容都由后天习得。因此，基于通用人工智能系统的自动驾驶，本质上是一个教育而非技术问题。

通用人工智能系统在启动时并未预置任何驾驶经验，更不是为了驾驶汽车而设计的。通用人工智能系统与人类高度类似，成长的第一步也是通过自身的感知运动设备获取具身的直接物理经验。训练一个机器人和训练一辆汽车完成自动驾驶任务，对通用人工智能系统而言并无实质区别。究竟装配步足、履带还是轮子等“器官”，只是系统的“感觉”各异，却并非“驾驶”有别。但凡能够实现载人有目的性的自主移动，就是自动驾驶。因此，基于通用人工智能的自动驾驶，不限定设备类型、载运形式和驾驶环境，这样也是通用意义上的驾驶。

这种通用性一方面体现在外设选择的多样性，另一方面则体现在驾驶背后学习内容的广博性和具身理解性。通用人工智能自动驾驶“算法”的奥义，就是从零开始“养育”一台通用人工智能的机器“婴儿”。这台机器“婴儿”具有主动性，其行动力依靠自身积累的历史经验，是一种向内依赖的平权技术模式，而非向外依赖的集权技术模式。于是，通用人工智能系统的“养育”过程，并不存在专用人工智能的那种外在干涉。而“养育”具体的技术手段，也不是专用人工智能的机器学习、图像识别、优化求解等软硬件技术，而是类似于对人类婴幼儿的教育手段。这种特殊性与人们的常识相悖，令其乍看上去似乎难以理解。在此，以感知运动为例进行比较说明。

首先，专用人工智能系统的处理内容既可以是图像、声音之类的具象数据，也可以是自然语言、知识之类的抽象概念，但对其教育能且只能从感知运动经验做起。因为只有这种经验才能在通用人工智能系统中直接落地。至于给通用人工智能系统预置“思想钢印”的想法皆为秕言谬说，这些抽象经验根本没有立身之基。所以，就连距离、速度、避障乃至数字等自动驾驶最初级的常识，通用人工智能的机器“婴儿”一开始也并不知晓。

其次，专用人工智能系统的学习和训练阶段中，感知与运动通常是分离的。图像识别无须摄像头像人眼一样“跳视”，而机器人位移也只是程序设定的机械操作及其优化。然而，在通用人工智能系统的“养育”过程中，感知和运动不可分，二者不是两类不同事物，而是同一类事物的不同侧面。运动是感知经验变化的原因，感知则是运动结果的反馈，二者相互依存、缺一不可。更为重要的是，直接或间接经由运动，感知才能建构出主体内在的经验意义。感知运动信号是最直接且不可再分的经验，其意义来自内在的相互赋予。

最后，基于通用人工智能的自动驾驶也是我们的一面镜子，能够从中折射出深刻的关于人的道理。比如，通用人工智能的机器“婴儿”的运动，可分为主动运动和被动运动两类。主动运动由机器“婴儿”自行控制车轮移动，被动运动则是车轮不动由外力（如人拿起小车）导致车体位置变化。主动运动是主观经验的发动机，是从客观环境中与传感器一同协作感受自我边界从而区分主客体的原动力，因此对机器“婴儿”至关重要。只有经历这样的成长，才能在人与物、自我与他人、自我与环境之间形成更清晰的辨识。反观人类自身，对那些无法有效将人与物、自我与他人进行区分的自闭症患儿而言，基于通用人工智能的自动驾驶所带来的病理学启示，或为当前自闭症生物学假说带来新的可能。