萌新疑惑，门外汉问题也许很搞笑。

我之前看了李永乐老师讲的人工智能人工识别的视频。
说人工智能之所以能识别图片，是用什么卷积的方法了巴拉巴拉的识别图片特征。
但是我非常疑惑，如果用这种办法，应用到视频中。摄像头摄取的视频美秒都那么多图片(几十张？)，那么计算量岂不是非常的大？
但是像一些自动驾驶上面的图像识别好像很流畅的样子，这是为啥？
是芯片计算能力非常强？还是程序运行的原理有差别？