凤凰智库

特斯拉的首个自动驾驶仪投资

文|汽车之心(微信账号:自动位),作者|叶放,编辑|王德文|汽车之心(微信账号:自动位),作者|叶放,编辑|王德文自动驾驶行业再次欢迎重磅新闻。

据CNBC称,特斯拉正计划收购嵌入式计算视觉初创公司DeepScale。

这一事件始于10月1日,当时DeepScaleCEOForrestIandola更改了她的领英个人资料。

他现在是特斯拉的雇员,并担任特斯拉的高级机器学习科学家。

此后,弗雷斯特兰多拉(ForrestIandola)也在推特上发帖:“本周我加入了特斯拉自动驾驶团队,我期待着与公司其他深入学习和自我驾驶的伟人并肩战斗。

“除了伊恩多拉之外,过去两天至少有10名深度标度(DeepScale)的工程师和研究人员加入特斯拉。

显然,即使特斯拉没有收购该公司,它已经“支付空”。

在过去的几年里,特斯拉至少收购了五家公司,包括太阳能电池和麦克斯韦尔,但它们都与自动驾驶没有任何关系。

如果深度标度(DeepScale)的收购完成,这将是特斯拉在自动驾驶领域的首次投资。

特斯拉尚未证实此次收购,也没有对相关消息发表评论。

1.弗雷斯特兰多拉(左)和库尔特库策(右)是深度标度(DeepScaleDeepScale)的两位创始人,其前身是一个名为“伯克利·德·德普里维(BerkeleyDeepDrive)”的研究团队。他们的共同创始人伊恩多拉和科特基策(KurtKeutzer)一直致力于提高计算视觉深度神经网络的效率。

从2012年到2016年,计算视觉行业一直在运行拥有大量资源的深层神经网络。

另一方面,Iandola和Keutzer试图在深度神经网络仅适用于嵌入式系统的有限资源的条件下构建深度神经网络的简化版本。

当然,前提是不影响其性能和准确性,同时减少延迟。

最后,他们提出了一个叫做SqueezeNet的小型深层神经网络架构。

挤压网在图像网上实现AlexNet级精度。

与AlexNet相比,参数数量减少了50倍。

此外,借助模型压缩技术,DeepScale可以将SqueezeNet压缩到小于0.5MB 空(比AlexNet小510倍)。

根据汽车的心脏,深度标度(DeepScale)将继续提升深度神经网络在计算机视觉中的准确性和鲁棒性。

该公司还在研究如何使上述方法在价格优势(接近10美元而不是10,000美元)和低功耗(接近10瓦而不是2千瓦)的硬件上运行。

此前,伊恩多拉对“伯克利深度驾驶(Berkeley Deep Driving)的研究吸引了许多汽车公司的注意,包括福特、博世、三星等行业巨头都捐了钱。

这些公司告诉Iandola,他们自己的自动驾驶研发项目被困在人工智能系统中,因为它需要太多的服务器来做“后保护”,每个人都想找到一种能够有效降低成本、使配备人工智能的车辆具有更好的收益前景的车辆。

2.DeepScale的杀手锏虽然DeepScale并不大,但伊恩多拉仍然视行业巨头美孚国际为他的头号假想敌人。

2017年3月,英特尔以153亿美元收购了美孚国际。在此之前,以色列视觉公司也是特斯拉的合作伙伴。正是双方的共同努力导致了第一代自动驾驶仪的诞生。

说了这么多,什么是DeepScale的杀手?Iandola说:“在Mobileye,你必须接受捆绑销售,并为整个解决方案、相机、处理器、软件等付费。

如果你只使用你的部分技能或者想改变游戏,你就是在浪费钱。

事实上,20年前,当Mobileye首次出现时,整个汽车市场都是这样的一揽子交易。

如今,汽车市场的价值链已经发生了巨大的变化。更加开放的平台已经成为每个人的最爱。第三方供应商提供的解决方案是汽车制造商与一流供应商进行差异化竞争的重要原材料。

深度标尺已经找到了这个突破。我们的解决方案将选择权放在客户手中,而不是强迫他们填充许多他们根本不需要的东西。

简而言之,客户可以将我们的技术集成到他们自己的感知堆栈中,或者从我们的产品中移除一个单元来加强他们自己的解决方案。

Squeezenet的兴起主要是由于各种不同深度神经网络的应用,如用于物体检测的SqueezeDet、用于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“巅峰”是SqueezeNAS,它使用神经架构搜索技术来自动化深层神经网络的开发。

去年,这项技术被用于神经网络的开发。它生产的产品比手工设计的产品更精确,延时更短。

显然,DeepScale关注效率并没有得到错误的起点,因为SqueezeNAS已经证明了这种技术可以减少训练和搜索过程中的GPU占用时间,它不仅可以用于优化推理硬件,还可以提高任务执行效率。

将70,000美元投入云计算的最初任务现在可以以700美元的成本完成(价格基于亚马逊AWS)。

今年1月,DeepScale首款产品姗姗来迟,这是一套模块化深度学习感知软件,专为驾驶辅助系统Carver21打造。今年1月,DeepScale的第一款产品姗姗来迟。这是一套专门为驾驶辅助系统Carver21构建的模块化深度学习感知软件。

凭借该软件的模块化和高效率,DeepScale已准备好从一级供应商那里吸引更多的汽车制造商和客户。

同时,DeepScale还指出,Carver21可以集成到客户指定的任何传感器和处理器中,从而实现客户对ADAS功能的不同要求。

DeepScale声称,基于Avida DriveAGXXavier处理器的Carver21可以同时并行三个深层神经网络,在实现L2+功能的同时,只占处理器计算能力的2%。

鉴于泽维尔的计算力为30托,特斯拉自己的芯片可以达到72托,如果在特斯拉上使用,卡弗21甚至可能不会使用1%的计算力。

这样,DeepScale的高性能、低资源计算视觉技术确实是特斯拉最好的“自我驱动野心倍增器”。毕竟,特斯拉首席执行官现在专注于视觉,嘲笑激光雷达。

尽管马斯克不断攻击激光雷达,但他不想使用传感器。他只是无法承受这座山的费用。

毕竟,特斯拉接近实现每年生产50万台的目标。如果每辆车都使用360度摄像头、雷达、激光雷达、超级计算机和其他硬件,很少有消费者买得起。

因此,不想在成本上吃亏的特斯拉,只能开发一个快速、准确、可靠、计算量较小的深层神经网络,这是DeepScale的强项。

为了达到“少花钱做大事”的效果,两家公司都强调软硬件的联合研发。

虽然DeepScale并不开发自己的硬件,但Iandola表示,DeepScale与硬件合作伙伴关系密切,他们也会影响彼此的设计选择。

显然,这一直是特斯拉的风格。

马斯克的精英部队甚至专门为深层神经网络开发了计算硬件,性能优越。

与此同时,DeepScale推动的神经网络自动化发展与自动驾驶仪部门负责人安德鲁·卡尔帕蒂(AndrejKarpathy)所谓的“软件2.0”范式不谋而合。

此外,深度标度(DeepScale)可以给特斯拉带来新的测试方法。

该方案类似于功能安全评估,但更适用于新的软件定义的车辆。

3.自动驾驶行业对人才有多饥渴?特斯拉收购DeepScale也反映了汽车驾驶行业对人才的日益追求。

早些时候,苹果收购了几十名工程师和驱动ai的其他资产

Waymo接待了机器人初创公司Anki的13名机器人专家。

未来,将会有越来越多的类似收购,每个人的核心目标都是人才。

此前,有消息显示,特斯拉并不是业内唯一想收购DeepScale的公司。当时,谈判价格甚至达到了9位数(上亿美元)。

我不知道是价格太高还是特斯拉试图赢得爱情。简而言之,其他追逐DeepScale的公司都失败了。

当然,为了在市场上找到足够的自动驾驶人工智能人才,花费数亿美元是正常的。

还有人说特斯拉以高价收购不仅是为了充分吸收DeepScale技术,也是为了狙击竞争对手。

自今年5月以来,11名自动驾驶工程师已经离开特斯拉自动驾驶仪团队。

诚然,DeepScale的人才补充可以加强特斯拉的自主驾驶团队。

然而,与过去几年陆续逃离的优秀士兵相比,这显然是沧海一粟。

随着马斯克在3月的“自治日”承诺的临近,自动驾驶仪没有发出太多噪音。

现在,特斯拉离真正的自动驾驶还有很长的路要走。

随着时间表变得越来越紧,特斯拉的员工必须真诚一致,他们还必须确保用户不会失去耐心。

毕竟,每个人都期望他们的特斯拉能尽快实现全自动驾驶。

钛媒体[作者:汽车之心,添加微信:自传加入汽车之心微信群。

You may also like...

发表评论