DeepScale是一家總部位于美國加州山景城(Mountain View, CA)的新創公司，在2015年成立后，持續專注于為先進駕駛輔助系統(ADAS)和自動駕駛車開發深度學習感知軟件。該公司不久前還從Point72和Next47兩家創投公司完成了1,500萬美元的A輛融資。

Deepscale bounding box DeepScale的深度神經網絡軟件采用低功耗的汽車級芯片，為自動駕駛車偵測車輛、行人和對象（來源：DeepScale）

該新創公司并與Hella-Aglaia Mobile Vision GmbH展開新的合作伙伴關系。今年初，一家位于美國密執安州的一級(tier one)代理商Visteon也宣布與DeepScale展開合作，并開發出首款自動駕駛技術平臺——DriveCore。

然而，最令人印象深刻的是，DeepScale執行長Forrest Iandola在接受《EE Times》的電話采訪時所說的話——當今世界上還沒有足夠的深度學習專家。

深度學習專家不足？

汽車OEM和tier-one供貨商對于軟件專業知識(特別是深度學習)的需求，都是在過去18個月來才開始有所增加。整體而言，業界在深度學習方面存在長期的知識差距，也不太知道該如何利用它來開發軟件。

甚至是DeepScale，也感到迫切需要更快地在公司內部擴展其專業知識，以滿足外部的需求。Forrest Iandola是DeepScale的共同創辦人，還曾經在美國加州大學柏克萊分校(U.C. Berkeley)取得神經網絡與計算機視覺研究領域的博士學位。

那么，DeepScale打算如何運用這筆1,500萬美元資金？Iandola告訴《EE Times》，“我們不僅需要聘請深度學習專家，還必須開發內部“深度學習”訓練計劃，進一步擴展自家團隊。”

事實上，Iandola坦言，深度學習領域仍處于起步階段——即使在學術界亦然。因此，這家新創公司想在內部擴大團隊規模，可不像單純招聘一批具有深度學習博士學位的人一樣簡單。

Forrest Iandola

Iandola認為，深度學習“可說是一門跨學科的領域，你不僅要有數學和算法方面的專家，也需要知道如何在平臺上建置軟件的計算機系統專家。然后，我們也會需要熟悉數據管線的專家來調整和管理數據組合。”

總之，深度學習專家是以前所未有的方式配對組合知識的人。我們必須要有深度學習模式方面的專家、了解深度學習基礎架構的人員，以及熟悉深度學習數據集的人員。Iandola說：“我們計劃提供內部課程，并為每二到三名初級工程師指派一名導師。”

他解釋說，其目標在于培養內部軟件工程師，使其在一至兩年內熟習深度學習。而當被問及DeepScale的內部訓練與教授深度學習的研究生課程有何不同時，Iandola說：“二者將會十分類似。我們將復制在柏克萊大學教授的內容。”

然而，Iandola說，：“這并不是說我們取得了深度學習的教科書，而是將會教授基于問題的學習徑。”例如，當深度學習專家面對自動駕駛的實際問題時，他們將會有許多能與團隊其他成員共同分享的東西。

今年初，DeepScale有12名員工，而在最近增加新進人員后，Iandola說：“我們是一家擁有18人的公司，其中大部份都是工程師。”

開發中的產品

DeepScale目前正為汽車OEM和tier one供貨商提供參考套件，協助其改善感知系統。

DeepScale的優勢是在小型、低成本的車用級傳感器和處理器上導入高效率的深度神經網絡(DNN)，能夠提高感知系統的精確度，實時解析并分類自動車輛的傳感器數據。DeepScale的目標在于以各種價格點為量產車輛提供不同的駕駛輔助和自動駕駛功能。

Deepscale Deep Sensor Fusion DeepScale的途徑：深度神經網絡傳感器融合

Iandola在參酌來自汽車制造商和tier one供貨商的意見后，希望該公司的參考套件能夠成為部署至汽車中的大規模生產軟件。

同時，DeepScale期望開發自家的測試方法—— 類似于傳統的功能安全方法，但專門為軟件密集型的車輛而設計。Iandola指出，傳統的設計/測試是為具有少量電子組件的機械驅動車輛而開發的。隨著新一代車輛帶來更多軟件和人工智能(AI)，測試方法必須改變。“我們希望在今年年底前開發一些產品，并希望與客戶和業界組織分享我們的方法。”