编者按：本文来自微信大众号“轿车之心”（ID：Auto-Bit），作者：叶方，修改：王德芙，36氪经授权发布。原标题：《特斯拉的第一笔自动驾驭出资》
自动驾驭职业再次迎来重磅新闻。
据 CNBC 报导，特斯拉正计划将嵌入式核算视觉新创公司 DeepScale 收入囊中。
这件工作的原因是昨夜（10月1日），DeepScale CEO Forrest Iandola 更改了自己在 linkedin 上的动态。他现在已是特斯拉职工，出任特斯拉资深机器学习科学家一职。
尔后，Forrest Iandola 还在推特上发文称：「本周我加入了特斯拉 Autopilot 团队，我等待能与公司其他深度学习与自动驾驭大牛们并肩战斗。」
除了 Iandola 外，在曩昔的两地利间里，至少还有 10 名 DeepScale 工程师与研制人员加入了特斯拉。明显，即便特斯拉没有买下这家公司，也现已将它「掏空」。
曩昔几年，特斯拉至少收买了包含 SolarCity 和 Maxwell在内的 5 家公司，但均与自动驾驭无关。假如对DeepScale的收买完结，这将是特斯拉在自动驾驭范畴的第一笔出资。
现在特斯拉还没有承认此次收买，对相关音讯也暂未宣布谈论。
另辟蹊径的 DeepScale
DeepScale 两位创始人：Forrest Iandola（左） 与 Kurt Keutzer（右）DeepScale 的前身是名为「伯克利深度驾驭」(Berkeley Deep Drive)的研讨团队，其联合创始人 Iandola 与 Kurt Keutzer 一向致力于提高核算视觉深度神经网络的功率。
2012 到 2016 年间，核算视觉职业一向都在靠堆资源来运转深度神经网络。而 Iandola 与 Keutzer 则另辟蹊径：企图在只适用于嵌入式体系有限资源的情况下，完结简化版深度神经网络的构建。当然，其条件是不影响其功用和精确性，一起下降时延。
终究，他们拿出了名为 SqueezeNet小型深度神经网络架构。
SqueezeNet 在 ImageNet 上完成了 AlexNet 级的精度。与 AlexNet 比较，参数数量削减 50 倍。
此外，凭借模型紧缩技能，DeepScale 可以将 SqueezeNet 紧缩到小于 0.5MB 的空间（比 AlexNet 小 510 倍）。
据轿车之心了解，DeepScale 将持续推进深度神经网络在核算机视觉的精度和鲁棒性。公司也正在研讨怎样让上述办法在硬件上运转，且兼具价格优势（挨近于 10 美元而不是 1 万美元）和低功耗（挨近 10 瓦而不是 2 千瓦）的特性。
此前，Iandola 在「伯克利深度驾驭」的研讨招引了多家轿车公司的目光，业界巨子纷繁解囊相助，其中就包含福特、博世与三星等职业巨子。
这些公司告知 Iandola，自家自动驾驭研制项目都卡在了 AI 体系上，由于它需求太多服务器做「后期确保」，而咱们都想找到一个能有用下降本钱，让搭载 AI 的车辆有更好的获益远景。
DeepScale 的杀手锏
尽管 DeepScale 规划不大，但 Iandola 仍是将业界巨子 Mobileye 看作自己的头号假想敌。
2017 年 3 月，Mobileye 被英特尔在2017年以 153 亿美元收买，此前这家以色列视觉公司也是特斯拉的合作伙伴，正是两边联手才有了初代的 Autopilot。
说了这么多，DeepScale 到底有什么杀手锏？
Iandola 表明：
「在 Mobileye 那里，你得承受绑缚出售，掏钱买下整个解决计划，摄像头、处理器和软件等等。假如你只用到一部分技能或想换个玩法，这样就是在浪费钱。事实上，20 年前 Mobileye 刚刚锋芒毕露时，整个轿车市场都是这样的一揽子生意。
现在，轿车市场的价值链现已呈现了巨大变化，更为敞开的渠道成了咱们的独爱，第三方供货商供应的解决计划则是轿车厂商与一级供货商差异化竞赛的重要质料。
DeepScale 找到的正是这一突破口，咱们的解决计划将选择权交到了客户手中，而不是硬生生塞给他们许多底子不需求的东西。
简言之，客户能将咱们的技能融入自家感知仓库，也可移除咱们产品中的某个单元来补强自己的解决计划。」
Squeezenet 得以兴起首要仍是得益于各种变体深度神经网络使用，比方针对物体勘探的 SqueezeDet，针对激光雷达数据语义切割的 SqueezeSeg，以及更简化的图像识别网络 SqueezeNext。
Iandola 的「巅峰」是 SqueezeNAS，它使用神经架构查找技能完成了深度神经网络开发的自动化。
上一年，这项技能就用在了神经网络的开发中，它拿出的产品比人工规划的还要精确且低时延。
明显，DeepScale 专心于功率的切入点没找错，由于 SqueezeNAS 现已证明，这项技能可以削减练习和查找时的 GPU 占用时刻，它不但能用在推理硬件的优化上，还能提高使命履行功率。
本来要扔 7 万美元在云核算中的使命，现在 700 美元的本钱就能搞定（价格根据亚马逊 AWS）。
本年 1 月，DeepScale 首款产品缓不济急，这是一套模块化深度学习感知软件，专为驾驭辅佐体系 Carver 21 打造。凭借这套软件模块化与高效两大特色，DeepScale 预备招引更多的轿车厂商与一级供货商客户。
一起 DeepScale 还指出，Carver21 可以整合进任何客户指定的传感器与处理器中，以便完成顾客对 ADAS 功用的不同需求。
DeepScale 声称，根据英伟达 Drive AGX Xavier 处理器的 Carver21 能一起并行 3 个深度神经网络，在完成 L2+ 功用的一起仅占用处理器算力的 2%。
鉴于 Xavier 算力为 30 TOPS，而特斯拉自有芯片可达 72 TOPS，因而 Carver21 假如用在特斯拉上，恐怕连 1% 的算力都用不上。
这样来看，DeepScale 把握的高功用、低资源占用的核算视觉技能确实是特斯拉最好的「自动驾驭野心倍增器」，究竟现在特斯拉 CEO Elon Musk 全部以视觉为中心，对激光雷达不以为然。
尽管嘴上不断攻讦激光雷达，但 Musk 也不是不想用这个传感器，他仅仅扛不住本钱这座大山。
究竟，特斯拉行将完成年产 50 万台的方针，假如每辆车上都用 360 度摄像头、雷达、激光雷达和超级核算机等硬件，那就没有多少顾客能买得起了。
因而，不想在本钱上吃亏的特斯拉只能研制快速、精确、牢靠且不怎样占用算力的深度神经网络，而这正是 DeepScale 的强项。
为了完成「花小钱办大事」的作用，两家公司都着重软硬件的联合研制。
尽管 DeepScale 并不自行开发硬件，Iandola 仍旧表明 DeepScale 与硬件合作伙伴联络严密，一起他们也会影响对方在规划上的选择。
明显，这也是特斯拉一向以来的风格。
Musk 手下的兵强马壮乃至专门开发了针对深度神经网络的核算硬件，并且功用超群。
与此一起，DeepScale 推重的神经网络自动化开发也与 Autopilot 部分负责人 Andrej Karpathy 的所谓「软件 2.0」范式不约而同。
除此之外，DeepScale 还能将新的测验办法带到特斯拉。
这种计划相似功用安全评价，但却更适合软件界说的新式车辆。
自动驾驭职业对人才有多饥渴？
特斯拉对 DeepScale 的收买还反映出自动驾驭职业对人才的追逐日趋白热化。
此前，苹果收买自动驾驭公司 Drive.ai 数十名工程师以及 Drive.ai 的其他财物。
而 Waymo 则接收了13 位来自机器人创业公司 Anki 的机器人专家。
未来，相似的收买案会越来越多，咱们的中心意图都是人才。
此前就有音讯显现，业界想收买 DeepScale 的其实并非特斯拉一家，其时商洽的价格乃至达到了 9 位数（数亿美元）。
不知道是开价太高仍是特斯拉横刀夺爱，总归其他追逐DeepScale的公司都没能成功。
当然，要想在市场上挖来足够多的自动驾驭 AI 人才，花上数亿美元太正常了。
也有音讯称，特斯拉这次花大价钱收买，不但是要对DeepScale技能进行全面吸收，也是为了狙击竞赛对手。
自本年 5 月份以来，现已有 11 名自动驾驭工程师离开了特斯拉 Autopilot 团队。
固然，DeepScale 的人才弥补能强大特斯拉的自动驾驭团队。但对比曩昔几年里纷繁出走的精兵明显仍是无济于事。
跟着 Musk 在本年 3 月 Autonomy Day 上的许诺迫近，Autopilot 却无甚动态。现在来看，特斯拉离真实的自动驾驭还有很长一段距离。
在时刻线越发严重的情况下，特斯拉的职工有必要精诚共同，并且他们还得确保用户不会损失耐性。
究竟，咱们都在等待自己的特斯拉可以提前完成全自动驾驭。
