作為最牛逼的企業家，19年3月，埃隆·馬斯克在加利福尼亞州霍桑市的特斯拉設計工作室釋出Model Y之前發言，他所對自己足夠有信心用足夠多的訂單，來完成一項新的世界紀錄。雖然這個過程中，會遇見一些麻煩，但挑戰同時意味著機遇，他期待能遇見一些新的機遇。

圖為：埃隆·馬斯克在加利福尼亞州霍桑市的特斯拉設計工作室釋出Model Y之前發言

特斯拉於10月第一週收購了DeepScale，這是一家專注於開發計算機視覺技術的初創公司（交易價格未披露）。 這似乎是該公司專注於打造類似於Uber的服務以及打造全自動駕駛汽車的一部分。

DeepScale成立於2015年，已從Point72，next47，Andy Bechtolsheim，Ali Partovi和Jerry Yang等投資者那裡籌集了1500萬美元的資金。 創始人包括均為博士的Forrest Iandola和Kurt Keutzer。 實際上，大約有四分之一的工程團隊擁有博士學位，並且他們擁有超過30,000個學術引用。

“ DeepScale非常適合特斯拉，deepscale非常適合特斯拉，因為該公司專門致力於將神經網路壓縮到車輛上，並將其連線到具有多種資料型別的感知系統中，” Skymind執行長兼創始人Chris Nicholson如此說。 “這就是特斯拉需要在自動駕駛方面取得進步的條件。”

特斯拉具有龐大的車輛資訊資料庫的優勢。 因此，憑藉軟體專業知識，公司應該幫助加速創新。 Zededa的首席營銷官喬爾·文森特（Joel Vincent）說：“如果'資料是新的石油'，那麼'人工智慧模型就是新的智慧財產權和進入壁壘。這是競爭差異化新時代的曙光。人工智慧 沒有資料的模型是無用的，而Telsa擁有大量的邊緣資料。”

現在，當涉及自動駕駛時，有一些其他的主要需求，很可惜這些需求只得到了小部分的關注。

比如說，能源使用這方面。 “大型模型需要更強大的處理器和更大的記憶體才能在生產環境中執行它們，” IBM AI和HPC認知系統副QuattroporteSumit Gupta博士說。 “但是車輛的能源預算有限，因此市場一直在努力使車內電子裝置消耗的能源降至最低。 這就是DeepScale擅長的。 該公司發明了一種名為“ SqueezeNet”的AI模型，該模型需要較小的記憶體佔用空間，也需要較少的CPU能力。”

請記住，較低的能耗將意味著視覺感測器的容量將更大。 CVEDIA執行長Arjan Wijnveen說：“這應該有助於使自動駕駛汽車更安全。” “特斯拉似乎確定他們不需要LiDAR來實現有效的計算機視覺，但是將來您可能會在車輛上看到很多其他型別的感測器，有時僅將第二個攝像頭面向另一個角度可以改善AI模型。”

不使用鐳射雷達將是一件大事，這意味著每輛車的成本要低得多。伯明翰大學法拉第研究所研究員加文·J·哈珀（Gavin D. J. Harper）說：“人們擔心在公共領域部署鐳射雷達鐳射器。”安全措施包括限制鐳射的功率和暴露。人們還擔心可能會對附近的人造成意外傷害。”

所以，綜上所述，跟DeepScale的合作雖然對特斯拉的發展有推動，但是還不至於說對整個行業有新的斷層式影響。自動駕駛仍然處於學步階段，中間有一些問題需要去解決，大家對自動駕駛也需要更多的時間去接受，去適應。

有時候，社會推動的一個小因素可能就來自於一個小的想法。而世界上一些最聰明的人在努力解決這些問題，最終他們也肯定會實現這一點，毋庸置疑，只是時間問題。而目前看來，特斯拉（Tesla）和Waymo（韋莫）這樣的公司都在道路上正確地整合人才，資料和汽車，最終實現統一。我們翹首期待。

References： https://www.forbes.com/sites/tomtaulli/2019/10/04/teslas-ai-acquisition--a-new-way-for-autonomous-driving/#693228e63445