本届 CES 上，自动驾驶行业再添新鲜血液，知名汽车零部件一级供应商伟世通（Visteon）推出了旗下首款自动驾驶技术平台——DriveCore。
DriveCore 平台的完成度可不低，它配齐了硬件、中间软件和架构等用于开发自动驾驶汽车机器学习算法的必要因素，开发者可以直接在平台上搭建 Level 3 及以上的自动驾驶应用。除此之外，DriveCore 平台还为 OEM 商准备了扩展性很强的集中式域控制器，以此来满足汽车制造商对计算性能的需求。
伟世通表示，与“视觉优先”的英特尔/Mobileye 平台不同，DriveCore 灵活性更强，它能提供来自摄像头、激光雷达和雷达的传感器数据整合。
DriveCore 平台
除此之外，伟世通还打造了一个基于 PC 的开发环境——Studio。它的诞生是为了让第三方开发者能自己打造机器学习算法。不过，要说伟世通和竞争对手最大的不同，主要还是它们和合作伙伴，来自山景城的 DeepScale。
这家公司已经研发出了一种深度学习感知技术，能顺利消化原始数据，加速车载处理器的数据融合速度。
由于自动驾驶汽车的开发还处在初级阶段，因此类似 Waymo、Uber 和英特尔等公司都选择断绝与中间商（即一级供应商）的联系，直接打造完整的自动驾驶平台。伟世通的大动作意味着被冷落的一级供应商要开始绝地大反攻了。
“这就是我一直在等的。”VSI Labs 创始人 Phil Magney 解释。“伟世通一直在找擅长深度学习的合作伙伴。”
在 Magney 看来，其实伟世通动作已经有些滞后，其他一级供应商已经拿出了自己的解决方案或者找好了合作伙伴。不过，“DriveCore 一次性解决了问题，伟世通有了完整的解决方案，汽车厂商可以根据自己的需要对传感器进行混搭。”
“这套解决方案的核心是 DeepScale，这家公司拿出了完整的软件组件和基于卷积神经网络的算法。”Magney 补充道。
DeepScale 公司 CEO 兼创始人 Forrest Iandola 不愿评论两家公司合作带来的商业价值。不过，他明确表示公司与伟世通的合作关系相当稳固。“我们已经与伟世通进行了深入对话，还将两家公司的未来计划和产品路线图进行了整合。”
DeepScale 不但贡献出了打磨多年的 AI 算法，还把传感器融合与卷积神经网络技术拱手相让。“DeepScale 的 AI 软件能利用任何传感器组合构建 3D 视觉环境模型，而通常来说实现这样的效果你得买昂贵的 LiDAR。”DeepScale 发言人解释。
据悉，这家公司擅长微型化的卷积神经网络，它需要的计算能力相对较低，但依然有一等一的性能表现。
Magney 称两家公司牵手是“天作之合”。如果没有伟世通这样的一级供应商来解决汽车厂商的需求问题，DeepScale 恐怕很难将自家解决方案推向市场。而没有 DeepScale，伟世通也少了一个强悍的深度学习软件合作伙伴。DeepScale 提供的软件算法能掌控从 Level 2 到 Level 5 级别的所有自动驾驶任务。
在谈到代表进化路径的英特尔/Mobileye 和 Waymo、Uber 的自动驾驶出租车派时，Iandola 表示：“我们分别接触了两大派别的人员，一种是要从驾驶辅助逐步进化成全自动驾驶，另一种则是直接激怒全自动驾驶。”
“我们专注于开发感知系统，它的基础是成本与功耗都不高的量产硬件。这套系统会先用于驾驶辅助，随后逐步过渡至全自动驾驶。”Iandola 强调。
伟世通自动驾驶平台的发布也让我们得以透视自动驾驶行业的进化历程。
首先，开放系统对一些自动驾驶公司的诱惑力越来越大。Magney 指出：“伟世通旗下的自动驾驶堆栈居然可以同时支持英伟达、恩智浦和高通的处理器架构，实在是让人佩服。”简单来说，DriveCore 平台想为汽车厂商提供更丰富的选择，不论是处理器还是传感器。
其次，汽车制造商也想在自家车辆上采用多项传感器技术。
Iandola 就表示：“在我们看来，每种传感器都有自己独一无二的优势，而它们在工作时是可以互补的。所谓的‘万金油’传感器根本没有意义，毕竟各家厂商的目标是让自动驾驶系统变得安全可靠。”
他强调称，“近些年来业界已经在传感器技术上投入了超过 10 亿美元，专注于该技术的新创公司更是超过 30 家。此外，AI 处理芯片和平台也拿到了数十亿美元的投资。”
Iandola 还表示：“DeepScale 遇到了一个非常好的机遇，我们能打造出一个轻松整合业内最强传感器技术与处理器平台的感知系统。”
第三，业内一直争论的数据融合用原始数据还是对象数据的话题可能要转向了。
Magney 表示：“现在大家更倾向在感知端用原始数据做融合，而这正是 DeepScale 选的方向。”当然，这场争论现在还没有最终结论。
拿 Uber 来说，它们的自动驾驶汽车就是两种数据都要依靠。据悉，Uber 在使用一些神经网络来协助感知（需要将传感器数据转换成目标数据），想完成这一任务有时候就得靠“融合”。当然，它也会用神经网络来预测车辆的下一部动作。
Iandola 显然很清楚到底需要做什么。
DeepScale 的解决方案：深度神经网络传感器融合
在此前的一次采访中他表示：“如今深度神经网络的研究有很大一部分都是对现有技术的修改和升级。”不过到了 DeepScale 后，他却改口称“我们一切都是从头做起，用原始数据搞深度神经网络的开发，而且这些数据不止是来自图像传感器，雷达和 LiDAR 我们也进行了参考。”
Magney 称 DeeoScale 的方法非常有现代感，是将 AI 运用在自动驾驶领域的最新思维。
除此之外，Magney 还看到了 DeepScale 解决方案的另一个固有优势。“你可以用任何传感器组合完成数据融合。低级别的用摄像头和雷达，高级别的则可用上 LiDAR。”Magney 总结道。“有了 DeepScale 相助，我相信伟世通有能力拿出从 ADAS 到 Level 4/Level 5 级别的多种解决方案。”
PS：在 CES 结束的 4 天后，也就是 1 月 16 日，雷锋网(公众号：雷锋网(公众号：雷锋网)(公众号：雷锋网(公众号：雷锋网)))将在湾区举办 GAIR 硅谷智能驾驶峰会，我们邀请了数十家中美两地顶尖的自动驾驶团队在峰会现场演讲分享，这绝对是 2018 年最值得参与的智能驾驶峰会。
目前特惠票依然开放预订中，点击 https://gair.leiphone.com/gair/gairsv2018 直达峰会报名地址，获得与行业顶尖大脑们进行思维碰撞的通行证。
雷锋网推荐阅读：
正在生成分享图...
Misty