特斯拉自动驾驶后期购买_ 特斯拉的第一笔自动驾驶投资

自动驾驶业再次迎来了重要新闻。

据CNBC报道，特斯拉计划将嵌入式计算视觉新创公司DeepScale装入袋中。

这个事件的原因是昨晚DeepScale CEO Forrest Iandola改变了自己在Linkedin的行动。

他现在是特斯拉职员，作为特斯拉的老机器学习科学家工作着。

之后，Forrest Iandola在推特上

“本周，我加入了特斯拉自动导弹队。 我期待着和公司其他深刻的学习和自动操纵的牛们一起战斗。 ’他说

除Iandola外，在过去两天至少有10名DeepScale工程师和研究开发人员参加了特斯拉。 特斯拉即使没有买这家公司，也“掏空”了。

近年来，特斯拉收购了至少包括SolarCity和Maxwell在内的5家公司，但与自动驾驶无关。 DeepScale收购完成后，将成为特斯拉汽车在自动驾驶领域的第一笔投资。

特斯拉目前还没有确认这次收购，关于相关信息还没有发表评论。

开辟新道路DeepScale

深度比例创始人:

Forrest Iandola和kutkukuzer

DeepScale的前身是被称为“伯克利深度驾驶”的研究团队，创立者Iandola和kutkuzer致力于视觉深度神经网络的计算效率化。

2012年至2016年，计算视觉行业经常积累资源运行深度神经网络。 Iandola和Keutzer另辟蹊径

在只适用于嵌入式系统有限资源的情况下，试图完成简化深度神经网络的构建。 当然，其前提是不影响性能和准确性，同时降低延迟。

结果，他们取出了被称为SqueezeNet的小型深度神经网络框架。

SqueezeNet在ImageNet上实现了AlexNet级的精度。 与AlexNet相比，参数减少了50倍。

同样，模型压缩技术使得DeepScale能够将排队net压缩到小于0.5MB的空间。

根据汽车的心理，DeepScale将继续推进深度神经网络在计算机视觉上的精度和鲁棒性。 公司也在研究使上述方法在硬件上发挥作用，使价格优势与低耗电特性并存的方法。

在此之前，Iandola的“伯克利深度驾驶”研究受到众多汽车公司的关注，业界巨头包括福特、博世、三星等业界巨头，纷纷给予支持。

这些公司告诉Iandola，自己公司的自动驾驶开发项目被AI系统卡住了。 因为“后期保障”需要很多服务器，所以大家都想有效地降低成本，找到能给搭载AI的车带来利益的前景。

杀死DeepScale的方法

DeepScale规模虽小，Iandola却把业界巨头Mobileye当做自己最大的虚拟敌人。

2017年3月，Mobileye于2017年以153亿美元被英特尔收购，此前以色列视觉公司也是特斯拉的合作伙伴，双方合作获得了首个自动飞行员。

这么说，DeepScale有什么杀机？

Iandola表示:

“Mobileye必须通过捆绑销售来购买整个解决方案、相机、处理器、软件等。 如果只想使用一部分技术，改变玩法的话，就是浪费钱。 实际上，20年前Mobileye刚出道的时候，整个汽车市场就是这样一次性买卖。

现在汽车市场价值链发生了巨大变化，更开放的平台成为大家的喜爱，第三方供应商提供的解决方案是汽车厂商与一流供应商区别化竞争的重要原料。

DeepScale发现了这一突破，我们的解决方案为客户提供了选择，而不是硬件插件。

简而言之，客户可以将我们的技术整合到自己的知觉堆栈中，删除我们的部分产品，增强自己的解决方案。 ’他说

squeezet的兴起主要是各种变体深度神经网络的应用，如物体探测的SqueezeDet、激光雷达数据语义分割的SqueezeSeg以及更简化的图像识别网络SqueezeNext。

Iandola的“峰值”是SqueezeNAS，利用神经结构探索技术，实现了深层神经网络开发的自动化。

去年，这项技术被用于神经网络的开发，其产品比人工设计的准确性更低。

显然，DeepScale的重点是高效的方法。 SqueezeNAS证明该技术能够减少训练和检索时GPU的消耗时间，不仅推理硬件的优化，还能提高任务的执行效率。

本来，投入7万美元云计算的任务现在可以以700美元的成本解决。

今年1月，DeepScale的首款产品推迟，这是一款模式深度学习感知软件，为驾驶辅助系统Carver 21制作。

DeepScale将利用该软件的模块化和效率两个特点来吸引更多汽车制造商和一流供应商的客户。

DeepScale指出Carver21可与客户指定的传感器和处理器集成，实现客户对ADAS功能的不同需求。

DeepScale声称，基于英达驱动AgX Xavier处理器的Carver21可同时并行执行3个深度神经网络，在实现L2功能的同时，只消耗处理器运算能力的2%。

Xavier的计算能力为30 TOPS，特斯拉拥有72 TOPS的芯片，因此如果Carver21用于特斯拉，恐怕1%的计算能力也无法使用。

这样，DeepScale掌握的高性能、低资源的计算视觉技术确实是特斯拉最高的“自动驾驶野心倍增器”，结果特斯拉ceo的elonmusk以视觉为中心，对着激光雷达。

嘴一直在攻击激光雷达，但Musk也并不是不想使用这个传感器，他不仅仅担负着成本这一大堆。

结果，特斯拉达到每年50万台的目标，每辆车使用360度摄像机、雷达、激光雷达、超级计算机等硬件，不太可能买到。

因此，DeepScale的优势在于，不想在成本方面受损的特斯拉只能开发迅速、准确、可靠、不太占有计算能力的深度神经网络。

为了实现“用小钱做大事”的效果，两家公司强调硬件和软件的共同开发。

虽然DeepScale没有独立开发硬件，但Iandola表明DeepScale与硬件合作伙伴密切合作，并且影响了设计选择。

这也是特斯拉自古以来的风格。

Musk下的精锐部队为先进的神经网络开发了计算硬件，性能也非常出色。

与此同时，DeepScale推荐的神经网络的自动开发也与自动试点部门负责人Andrej Karpathy的所谓“软件2.0”的范例相一致。

另外，DeepScale可以将新的测试方法引入特斯拉。

该方案与功能安全评价相似，但更适合软件定义的新型车辆。

自动驾驶业对人才有多么的渴望？

特斯拉的DeepScale收购反映了自动驾驶行业人才的追求越来越白热化。

在此之前，苹果收购了自动驾驶公司的Drive.ai数十名工程师和Drive.ai的其他资产。

另一方面，Waymo接收了机器人创业公司Anki的13名机器人专家。

将来类似的并购案件增多，大家的核心目的是人才。

到目前为止，业内想收购DeepScale的不是特斯拉一家，有消息称当时谈判的价格达到了9位数。

无论是价格太高还是特斯拉恋爱了，其他追DeepScale的公司都没有成功。

当然，要想在市场上挖掘足够的自动驾驶AI人才，需要花费数亿美元。

特斯拉不仅要全面吸收DeepScale技术，也有消息称特斯拉此次收购是为了狙击竞争对手。

今年5月以来，11名自动驾驶工程师离开了特斯拉自动导弹队。

的确，DeepScale的人才补充可以扩大特斯拉的自动驾驶团队。 但是，和这几年陆续出现的精锐部队相比，明显是水车的工资。

随着Musk今年3月在Autonomy Day的承诺逐渐接近，Autopilot也没有任何动向。 特斯拉现在离实际自动驾驶还有很长的距离。

在时间线越来越紧张的情况下，特斯拉的员工必须诚实地一致，并且要保证用户不会失去耐心。

结果特斯拉期待自己能早日实现全自动驾驶。

扫描码加入“汽车心Pro”知识星，首次获得智能汽车万象和新知识。