Autopilot 正在成为特斯拉的重中之重。9 月 26 日，特斯拉 Version 10.0 正式推送。与此一起，特斯拉 Autopilot 部分建立以来的榜首起收买重组正在进行。
进入 2019 年，主动驾驶在投融资范畴不再热络。当「商业化」成为关键词，包含 Waymo、通用 Cruise 在内的头部主动驾驶公司纷繁主动调低预期，从头界说商业化时刻表。
特斯拉成为其间的异类。一方面，在 4 月 23 日的主动驾驶投资者日上，特斯拉重申了主动驾驶功用 2019 年末上线的时刻表；另一方面，在对技能才能要求极高的「智能呼唤」功用研制遇阻后，Elon Musk 挑选直接辞退数十位 Autopilot 部分工程师，亲身领导项目推动。
2019 年 10 月 1 日，外媒 CNBC 首要报导，特斯拉现已收买主动驾驶感知创业公司 DeepScale。在主动驾驶职业隆冬的当下，一同收买能掀起多大的风波？
前感知交融 + 边际核算 = DeepScale
谈到 DeepScale 的优势，CEO Forrest Iandola 指向了感知前交融：「咱们所做的是运用原始数据的前交融（Early Fusion），在做方针检测前就进行交融。」事实上，运用原始数据（RAW Data）而不是方针数据（Object Data）做感知交融，这是 DeepScale 最具差异化的优势。
什么是前交融？什么是后交融？
所谓后交融，指的是不同的传感器各司其职，超声波传感器、摄像头、毫米波雷达别离经过不同的算法进行独立的感知，完结辨认后会生成独立的信息和方针列表（Objectlist）。这些信息和方针列表经过校验和比对，在生成终究方针列表的进程中，传感器会经过算法过滤掉无效和无用信息，并将一些物体兼并，完结整个感知进程。
前交融使得一切传感器都运转同一套算法，将来自超声波、摄像头和毫米波雷达的不同原始数据一致处理，相当于一套盘绕全车 360 度的超级传感器经过一套杂乱精细的超级算法来完结整个感知进程。
当然了，特斯拉没有 LIDAR
那么相对后交融，前交融好在哪里呢？
首要，将一切传感器的原始数据进行一致算法处理，前交融下降了整个感知架构的杂乱度和体系推延。这关于算力、功耗和实时性有着很高要求的行车场景有着重大意义。
其次，许多后交融感知中被过滤掉的无效和无用的信息，在前感知道路中经过与其他传感器数据交融后进行归纳辨认，能够创建出一个更全面、更完好的环境感知信息。
Forrest 之前承受 EE Time 采访举了一个比方：假如阳光直射摄像头、或许大雪导致雷达功用大幅下降，两个传感器的原始数据会得出天壤之别乃至彼此抵触的感知成果，这个时分就需求体系进行判别。
许多后交融场景独立传感器的「无效」信息放到多传感器原始数据前交融辨认场景下就变得「有用」起来，与其他传感器数据一同「凑集」辨认出一个完好的物体，然后大大提高感知体系的鲁棒性。
有多高呢？依据某主动驾驶公司的测验，在平等杂乱的路况下，假如后交融车型呈现极点场景（CornerCase）的概率到达 1%，前交融车型能够低至 0.01%，简略地说，感知功用提高 2 个数量级。
大多数人对前交融的应战没有清晰的概念。首要，要做到前交融，意味着你需求自主研制一切的感知技能并拿到一切传感器的原始数据，这一步现已将 99% 的车企挡在了门外。绝大多数车企会直接收买供货商的解决方案（例如闻名的 Mobileye），而非从零开始自主研制。
其次，从技能视点来看，将不同分辨率的传感器数据进行时刻和空间同步是一个十分困难的应战。
比方，主传感器的采样速率或许只要 30 次/s，但另一种传感器到达了 40 次/s。将两种传感器进行超高精度的时刻和空间同步（主动驾驶需求做到 10 的负六次方的时刻精度、百米外 0.015 度的空间精度，即 100 米外 3 cm 的差错）需求做出很多的尽力。依据 Forrest 此前的介绍，DeepScale 经过自主研制时刻序列神经网络 TSNN（Time Series Neural Network）合作 RNN 基本解决了这个问题。
前交融道路在感知算法结构杂乱度上的简化下降了 DeepScale 对算力的要求，依据官方信息，DeepScale 支撑根据高通骁龙 820A 处理 4 颗摄像头和 1 颗毫米波雷达的原始数据的超高运算功率。
在 DeepScale 推出的主动驾驶感知软件 Carver 21 中，DeepScale 声称可支撑高速场景下主动驾驶/主动泊车的感知才能，并行运转着 3 个深度神经网络，但只耗费大约 0.6 Tops 算力，这个数字只要特斯拉 AP 3.0 芯片总算力（单颗 72 Tops）的 0.8%。
清楚明了，要做到这样极限的高功率、低算力和低功耗，光靠前交融道路是远远不够的。DeepScale 的另一个杀手锏，是在不献身功用的前提下经过从头规划神经网络来提高感知体系的功率。
在兴办 DeepScale 之前，Forrest 和他的博导 Keutzer 教授发现经过改动底层完结、添加并行性、改动神经网络自身的规划，能够优化核算机视觉模型和神经网络的运转速度，削减内存和算力的运用。
两人终究联合推出了 AI 范畴大名鼎鼎的 SqueezeNet 和 SqueezeDet。其间 SqueezeNet 的方针应用是图画分类，在后期也能够将其从头定位并应用于其他使命。SqueezeDet 是专为方针检测规划的，在了解图画的内容，辨认图中的方针和方位方面有十分不错的体现。
这一研讨也促成了 DeepScale 的创建。
假如你还有形象的话，特斯拉 CEO Elon Musk 曾表明，特斯拉 Autopilot 在低速敞开场景下的 L4 级主动驾驶功用智能呼唤和智能泊车，会推送到全系 AP 2.+ 车型上。要知道，这些车型的中心核算芯片来自定制版英伟达 Drive PX2，只要 6 个视频接口和 8-10 Tops 算力，并不足以支撑特斯拉 8 颗摄像头火力全开。
毫无疑问，在智能呼唤推送几度推延的曩昔几个月，特斯拉内部正致力于深度神经网络的精简和感知功用的提高，这个时分，DeepScale 的技能堆集就派上用场了。从这个视点来说，这笔收买是瓜熟蒂落的。
在 AP 3.0 年代，坐拥充分算力和几十万车队供给的海量的全分辨率图画数据，DeepScale 和 Autopilot 团队在核算机视觉 + AI 驱动的主动驾驶道路上会有更宽广的幻想空间。
为什么是 DeepScale？
2017 年年头，特斯拉曾在一同诉讼中揶揄主动驾驶范畴的泡沫化：
拿着软件演示做（主动驾驶）Demo 的程序员小团队竟然能够卖出十亿美元的高价。
坦率地讲，主动驾驶范畴的泡沫化倒逼特斯拉提高了Autopilot 团队的人力本钱，也不可避免地影响了 Autopilot 团队的稳定性。从这个视点，Elon Musk 长期以来对创业公司都是持保存情绪的。但是到今日，特斯拉也下场收买创业公司了，DeepScale 是怎样一家公司呢？
融资 1800 万美元、估值过亿，放在动辄十亿美元的主动驾驶范畴好像算不上泡沫，但要结合 Ta 不及 40 人的团队规划来看，这个小公司一点儿也不廉价。
完结 1800 万美金融资后的团队规划
这也让我慎重置疑，特斯拉之于 DeepScale，到底是真收买仍是 Acqui-hire？
Acqui-hire，指的是在技能竞赛剧烈的范畴，大型科技公司经过收买人才 + 知识产权的方式吸收小公司的人才团队，让整个进程更具性价比。常见的事例包含 Waymo 招聘已封闭运营的机器人创业公司 Anki 的 13 名机器人专家；苹果以低于 7700 万美元的价格收买估值 2 亿美元的主动驾驶创业公司 Drive.ai。
经过检索 linkedln 能够发现，在以 CEO Forrest Iandola 为首的 DeepScale 软件工程团队团体参加特斯拉的一起，DeepScale 原商场、BD 等团队成员已纷繁离任。结合特斯拉一分钱掰成两半儿花的财政作风和回绝泄漏买卖细节的情绪，特斯拉走的很或许便是 Acqui-hire 道路。
所以，从头审视这笔收买，除了特斯拉和 DeepScale 在技能层面，包含前交融感知、彻底自主研制感知、端到端神经网络、高功率低功耗等方面的强耦合，Acqui-hire 的物美价廉也是一个关键因素。
最终来说说 Autopilot，在 4 月 23 日的主动驾驶投资者日上，Elon 清晰表明主动驾驶的时刻表和电池产能扩张及每千瓦时本钱下降方案是特斯拉最重要的两个战略重心。
这也就意味着，在可预见的未来，Autopilot 仍将动作一再。在整个职业消声匿迹的当下，特斯拉 Autopilot 成了主动驾驶范畴的最值得重视的一道光。
