0
完全解放，对于自动驾驶行业来说，就是“生死线”。
10月1日据美国媒体CNBC报道，电动汽车公司特斯拉（Tesla）正在收购硅谷计算机视觉初创企业DeepScale，助力打造真正的无人驾驶汽车。
据雷锋网了解，特斯拉希望通过此次对DeepScale的收购来改善其自动驾驶系统-Autopilot，并实现其CEO埃隆·马斯克将电动汽车变为完全无人驾驶汽车的愿景。
经证实，特斯拉现已完成对DeepScale的收购，TechCrunch分别与两名不愿透露姓名的消息人士证实了这一交易，不过他们都不愿就交易的财务条款提供更多信息。
DeepScale是2015年成立于硅谷的人工智能初创公司，致力于为边缘设备提供先进的高效感知功能，帮助汽车制造商使用低功率处理器，来驱动非常精确的计算机视觉系统。
据雷锋网了解，该公司CEO兼联合创始人Forrest Iandola在加州大学伯克利分校获得了电子工程和计算机科学博士学位，重点研究深度神经网络。
他最受瞩目的成果包括深度学习基础设施，FireCaffe以及深层模型，如SqueezeNet 和SqueezeDet。他在此基础上于2015年联合创立了DeepScale公司。
Forrest Iandola于10月1日正式宣布加入特斯拉，出任资深机器学习科学家。
那么，在被特斯拉收购前，DeepScale在自动驾驶中扮演什么角色？
其实在自动驾驶汽车架构这个话题上，整个架构被分为5大部分——感知、定位&规划、决策/执行、控制，连接&I/O。DeepScale的关注点是前两个部分——感知、定位&规划，他们会支持整个环境建模，包括：目标识别、栅格网络、车道分割、目标追踪和自定位。
Forrest Iandola就曾说过，他不觉得DeepScale一定要等待全自动驾驶汽车到来再推广这项技术。“我们看到感知方面的问题很普遍。类似的技术可以被用在已经量产的ADAS汽车和用来接驳服务的自动驾驶汽车。”
此外，DeepScale在资本圈一直很受青睐。
DeepScale已在由Steve Cohen的风险基金Point72和西门子支持的风险基金next47牵头的A轮融资中筹集了1500万美元。同时，他们还从一家美国科技公司筹集了300万美元的种子轮融资。
特斯拉为什么可以成为高级辅助驾驶领域的扛把子，这里是有原因的。要解决这个疑问，首先要理清一个知识点：什么是神经网络。
神经网络（NEURAL NETWOTRK）是机器学习的一种，通过借鉴生物神经网络的工作原理二形成的一种数学模型，构造类似上图。
神经网络可以用于解决机器视觉以及语音识别等诸多难题。举个例子，如果你想让你的神经网络识别一张图片，比如狗，那你需要提供大量的图片信息供你的机器进行学习最终达到识别的能力。
在自动驾驶芯片领域，目前AI加速器都力图以最小延迟实现更好的精度，特别是在自动驾驶汽车（AV）中，TFLOPS已成为许多所谓的智能芯片的关键竞争指标。包括Nvidia的Xavier SoC、Mobileye的EyeQ5、特斯拉的HW3和NXP-Kalray芯片。
Forrest Iandola解释了为什么这种“蛮力”处理方法不可持续，并表示AI硬件设计人员常见的许多假设已经过时。
随着AI玩家们获得了更多AI应用的经验，他们越来越清楚地意识到不同的AI任务开始需要不同的技术方法。如果这是真的，AI用户购买AI技术的方式将会改变，那么供应商将不得不做出回应。
Iandola认为，“例如，神经网络架构搜索（NAS，neural architecture search）的快速发展可以使搜索优化的深度神经网络（DNN）更快、更便宜。有一种方法“可以在目标任务和目标计算平台上产生最低延迟、最高精度的DNN，而不是依靠更大的芯片来处理所有AI任务。”
Iandola预计在未来，AI芯片或传感器系统（即计算机视觉、雷达或激光雷达）的供应商不仅提供硬件，还会提供更快、更高效的自己的DNN，既为特定应用构建的DNN。
事实上，目前似乎大多数供应商需要不同的DNN，并用于不同的计算平台。如果所有这一切都是真的，那么以往在这场AI竞赛中的所有努力方向将会有很大的改变。
但需要明确的是，芯片公司和传感器供应商目前都还没有提出类似对未来的预期。很少有人暗示会在特定硬件上运行目标AI任务的可能性。
因此，Iandola和他在DeepScale的队友设计了一系列名为“SqueezeNAS”的DNN模型。
在前不久发表的一篇论文中，他们声称SqueezeNAS在搜索目标平台上的延迟时实现了更快、更准确的模型。该论文透露出了一些AI行业之前关于NAS、MAC（multiply-accumulate）操作的一些假设，应用于目标任务时的ImageNet准确度。
基于DeepScale在自动驾驶视觉上的优势，据雷锋网了解，特斯拉希望通过此次对DeepScale的收购来改善其自动驾驶系统-Autopilot的算盘。
特斯拉汽车尚未实现完全自动驾驶技术，换言之，还没有达到L4级。
因为，达到L4级自动驾驶的汽车可以在特定条件下处理汽车行驶过程中的所有问题，而无需人为干预。
目前，特斯拉汽车仍处于L2级。它的辅助自动驾驶系统Autopilot技术是一个比现今马路上大多数汽车更先进的一个驾驶员辅助系统。
马斯克曾承诺，特斯拉将会不断改善其汽车的高级驾驶员辅助系统，直到最终实现完全自动驾驶。
今年早些时候，马斯克表示特斯拉将在2020年推出自动拼车网络。总部位于加州山景城、成立四年的初创公司DeepScale似乎是这一计划的一部分。
过去一年，特斯拉的Autopilot团队经历了相当的人事动荡，有消息称，此次收购将填补特斯拉Autopilot团队的人才缺口。
目前，DeepScale已掌握在小型、低成本、汽车及传感器和处理器上使用高效的深度神经处理系统来提高感知系统准确性的技术。
这些感知系统使用传感器、地图、规划以及控制系统来实时对数据进行解释和分类。这对自动驾驶汽车的运行至关重要。简而言之，这些系统能让汽车了解周围发生的事情。
DeepScale称使用低功率和低成本传感器和处理器能够为所有价位的汽车都提供驾驶员辅助和自动驾驶功能。
该公司已经从包括Autotech VC、Bessemer、Greylock和Trucks VC在内的风投机构募集了1800多万美元的投资，其中包括300万美元的种子资金和1.56亿美元的A轮融资。
周一，DeepScale的联合创始人Forrest Iandola在Twitter上发布了一则消息，并更新了他的领英页面。他在推特上这样写道：“这周我加入了特斯拉的自动驾驶团队。我期待着与这些最聪明的人在深度驾驶和自动驾驶方面合作。”
在特斯拉迈向“全自动驾驶”的过程中，它开发了一种新的定制芯片，专门针对这些功能设计。
据雷锋网了解，这种芯片现已应用于所有Model 3、Model X和 Model S车型。
马斯克曾表示，目前生产的特斯拉汽车已经具备了全自动驾驶所需的硬件——电脑等。“你需要做的就是改进软件”,马斯克在今年4月的特斯拉Autonomy Day上说。
其他业内人士则对这些说法避而远之。
但是，特斯拉和马斯克保持了“改进软件”的路线，并继续推出改进其Autopilot自动驾驶的能力。
本月早些时候，特斯拉发布了一个软件更新，为其汽车添加了新功能。此次更新包括智能召唤，这是一个自动停泊功能。车主可以使用应用程序从泊车位召唤他们的车辆。
总之，从特斯拉的第一笔自动驾驶投资中可以看出，其对自动驾驶的“野心”布局显而易见。业内人士也曾表示，目前自动驾驶行业已经进入把技术变成产品的时代，对这个阶段的企业而言，形成完整的产业布局是十分必要的。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
