據 CNBC 報道，特斯拉正計劃將嵌入式計算視覺新創公司 DeepScale 收入囊中。特斯拉計劃收購DeepScale，完成在自動駕駛領域的首筆投資這件事情的起因是昨晚（10月1日），DeepScale CEO Forrest Iandola 更改了自己在 Linkedin 上的動態。
他現在已是特斯拉員工，出任特斯拉資深機器學習科學家一職。特斯拉計劃收購DeepScale，完成在自動駕駛領域的首筆投資此后，Forrest Iandola 還在推特上發文稱：
「本周我加入了特斯拉 Autopilot 團隊，我期待能與公司其他深度學習與自動駕駛大牛們并肩戰斗?！?/p>
除了 Iandola 外，在過去的兩天時間里，至少還有 10 名 DeepScale 工程師與研發人員加入了特斯拉。顯然，即使特斯拉沒有買下這家公司，也已經將它「掏空」。過去幾年，特斯拉至少收購了包括 SolarCity 和 Maxwell 在內的 5 家公司，但均與自動駕駛無關。如果對 DeepScale 的收購完成，這將是特斯拉在自動駕駛領域的第一筆投資。目前特斯拉還沒有確認此次收購，對相關消息也暫未發表評論。
DeepScale 的前身是名為「伯克利深度駕駛」(Berkeley Deep Drive)的研究團隊，其聯合創始人 Iandola 與 Kurt Keutzer 一直致力于提升計算視覺深度神經網絡的效率。2012 到 2016 年間，計算視覺行業一直都在靠堆資源來運行深度神經網絡。而 Iandola 與 Keutzer 則另辟蹊徑：試圖在只適用于嵌入式系統有限資源的情況下，完成簡化版深度神經網絡的構建。當然，其前提是不影響其性能和準確性，同時降低時延。最終，他們拿出了名為 SqueezeNet 小型深度神經網絡架構。SqueezeNet 在 ImageNet 上實現了 AlexNet 級的精度。與 AlexNet 相比，參數數量減少 50 倍。此外，借助模型壓縮技術，DeepScale 能夠將 SqueezeNet 壓縮到小于 0.5MB 的空間（比 AlexNet 小 510 倍）。
據汽車之心了解，DeepScale 將繼續推動深度神經網絡在計算機視覺的精度和魯棒性。公司也正在研究如何讓上述方法在硬件上運行，且兼具價格優勢（接近于 10 美元而不是 1 萬美元）和低功耗（接近 10 瓦而不是 2 千瓦）的特性。此前，Iandola 在「伯克利深度駕駛」的研究吸引了多家汽車公司的目光，業界巨頭紛紛解囊相助，其中就包括福特、博世與三星等行業巨頭。這些公司告訴 Iandola，自家自動駕駛研發項目都卡在了 AI 系統上，因為它需要太多服務器做「后期保障」，而大家都想找到一個能有效降低成本，讓搭載 AI 的車輛有更好的獲益前景。
雖然 DeepScale 規模不大，但 Iandola 還是將業內巨頭 Mobileye 看作自己的頭號假想敵。2017 年 3 月，Mobileye 被英特爾在2017年以 153 億美元收購，此前這家以色列視覺公司也是特斯拉的合作伙伴，正是雙方聯手才有了初代的 Autopilot。
說了這么多，DeepScale 到底有什么殺手锏？
Iandola 表示：
「在 Mobileye 那里，你得接受捆綁銷售，掏錢買下整個解決方案，攝像頭、處理器和軟件等等。如果你只用到一部分技術或想換個玩法，這樣就是在浪費錢。事實上，20 年前 Mobileye 剛剛嶄露頭角時，整個汽車市場都是這樣的一攬子買賣。
如今，汽車市場的價值鏈已經出現了巨大變化，更為開放的平臺成了大家的最愛，第三方供應商供給的解決方案則是汽車廠商與一級供應商差異化競爭的重要原料。
DeepScale 找到的正是這一突破口，我們的解決方案將選擇權交到了客戶手中，而不是硬生生塞給他們許多根本不需要的東西。
簡言之，客戶能將我們的技術融入自家感知堆棧，也可移除我們產品中的某個單元來補強自己的解決方案?！?/p>
Squeezenet 得以崛起主要還是得益于各種變體深度神經網絡應用，比如針對物體探測的 SqueezeDet，針對激光雷達數據語義分割的 SqueezeSeg，以及更簡化的圖像識別網絡 SqueezeNext。Iandola 的「巔峰」是 SqueezeNAS，它利用神經架構搜索技術實現了深度神經網絡開發的自動化。去年，這項技術就用在了神經網絡的開發中，它拿出的產品比人工設計的還要精確且低時延。顯然，DeepScale 專注于效率的切入點沒找錯，因為 SqueezeNAS 已經證明，這項技術可以減少訓練和搜索時的 GPU 占用時間，它不但能用在推理硬件的優化上，還能提升任務執行效率。
原本要扔 7 萬美元在云計算中的任務，現在 700 美元的成本就能搞定（價格基于亞馬遜 AWS）。特斯拉計劃收購DeepScale，完成在自動駕駛領域的首筆投資今年 1 月，DeepScale 首款產品姍姍來遲，這是一套模塊化深度學習感知軟件，專為駕駛輔助系統 Carver 21 打造。借助這套軟件模塊化與高效兩大特點，DeepScale 準備吸引更多的汽車廠商與一級供應商客戶。
同時 DeepScale 還指出，Carver21 可以整合進任何客戶指定的傳感器與處理器中，以便實現顧客對 ADAS 功能的不同需求。DeepScale 宣稱，基于英偉達 Drive AGX Xavier 處理器的 Carver21 能同時并行 3 個深度神經網絡，在實現 L2+ 功能的同時僅占用處理器算力的 2%。
鑒于 Xavier 算力為 30 TOPS，而特斯拉自有芯片可達 72 TOPS，因此 Carver21 如果用在特斯拉上，恐怕連 1% 的算力都用不上。這樣來看，DeepScale 掌握的高性能、低資源占用的計算視覺技術確實是特斯拉最好的「自動駕駛野心倍增器」，畢竟現在特斯拉 CEO Elon Musk 一切以視覺為中心，對激光雷達嗤之以鼻。
雖然嘴上不停攻訐激光雷達，但 Musk 也不是不想用這個傳感器，他只是扛不住成本這座大山。畢竟，特斯拉即將實現年產 50 萬臺的目標，如果每輛車上都用 360 度攝像頭、雷達、激光雷達和超級計算機等硬件，那就沒有多少消費者能買得起了。因此，不想在成本上吃虧的特斯拉只能研發快速、準確、可靠且不怎么占用算力的深度神經網絡，而這正是 DeepScale 的強項。為了實現「花小錢辦大事」的效果，兩家公司都強調軟硬件的聯合研發。雖然 DeepScale 并不自行開發硬件，Iandola 依舊表示 DeepScale 與硬件合作伙伴聯系緊密，同時他們也會影響對方在設計上的抉擇。
顯然，這也是特斯拉一直以來的風格。Musk 手下的精兵強將甚至專門開發了針對深度神經網絡的計算硬件，而且性能超群。與此同時，DeepScale 推崇的神經網絡自動化開發也與 Autopilot 部門負責人 Andrej Karpathy 的所謂「軟件 2.0」范式不謀而合。除此之外，DeepScale 還能將新的測試方法帶到特斯拉。這種方案類似功能安全評估，但卻更適合軟件定義的新型車輛。
特斯拉對 DeepScale 的收購還反映出自動駕駛行業對人才的追逐日趨白熱化。此前，蘋果收購自動駕駛公司 Drive.ai 數十名工程師以及 Drive.ai 的其他資產。而 Waymo 則接收了13 位來自機器人創業公司 Anki 的機器人專家。未來，類似的收購案會越來越多，大家的核心目的都是人才。此前就有消息顯示，業內想收購 DeepScale 的其實并非特斯拉一家，當時談判的價格甚至達到了 9 位數（數億美元）。
不知道是開價太高還是特斯拉橫刀奪愛，總之其他追逐 DeepScale 的公司都沒能成功。當然，要想在市場上挖來足夠多的自動駕駛 AI 人才，花上數億美元太正常了。也有消息稱，特斯拉這次花大價錢收購，不但是要對 DeepScale 技術進行全面吸收，也是為了狙擊競爭對手。自今年 5 月份以來，已經有 11 名自動駕駛工程師離開了特斯拉 Autopilot 團隊。誠然，DeepScale 的人才補充能壯大特斯拉的自動駕駛團隊。但對比過去幾年里紛紛出走的精兵顯然還是杯水車薪。隨著 Musk 在今年 3 月 Autonomy Day 上的承諾迫近，Autopilot 卻無甚動靜?，F在來看，特斯拉離真正的自動駕駛還有很長一段距離。在時間線越發緊張的情況下，特斯拉的員工必須精誠一致，而且他們還得保證用戶不會喪失耐心。
畢竟，大家都在期待自己的特斯拉能夠早日實現全自動駕駛。
最新最全面的網絡各類新聞綜合站點,包括明星八卦 、電影、電視劇、籃球人物、籃球資訊、籃球資訊、搞笑視頻、創業賺錢、生活情感、工作職場等全方位娛樂資訊和籃球資訊。
特斯拉CEO、人稱“鋼鐵俠”的埃隆·馬斯克（Elon Musk）以其超乎尋常的腦洞以及行動力，總是在一次次的挑戰著人們的想象力，可回收式火箭、火星飛船、改造人類大腦等，無一不是如此。也正因為如此，幾乎他的每一個計劃都會吸引全世界科技界人士的目光。
內有詳情
請登錄后留下您的評論
請先 -> 登錄。