Deep Scale可以整合所有传感器的数据，使未来的汽车感知和计算机视觉更加准确和高效。

   自去年3月通用以近6亿美元收购Cruise以来，自动驾驶领域的创业热情变得空前高涨。最近，美国加州山景城的一家致力于利用人工智能（AI）来提高汽车安全性的创业公司Deep Scale宣布，公司已完成300万美元种子轮融资。

据悉，Deep Scale的着力点没有选择研发自动驾驶技术（这一领域的技术公司已经太拥挤了），而是致力于为汽车制造商研发达到车规级的低功耗数据处理器，从而为汽车提供更为精准的感知能力，这种处理器可以整合处理包括传感器数据、地图、路径规划、计算机视觉感知让车辆可以实时感知车身周遭的路况信息。

来自世界卫生组织数据显示，全球90%以上的交通事故都是由于人为错误所造成的。每年约有125万人死于交通事故，此外还有2000万~5000万人因车祸受伤。这一定程度上成为推动汽车制造商研发自动驾驶技术的动力之一。但汽车产业界的一个共识是，自动驾驶技术商用时间表在2021年左右，如何利用现有的技术尽量提高汽车安全性成为汽车产业从业者思考的问题。包括36氪此前报道的凯迪拉克CTS部署的V2V技术以及今天的Deep Scale就是一些将此类思考付诸实践的案例。

Deep Scale的官网的高管团队一栏介绍道，Deep Scale 联合创始人兼CEO Forrest Iandola在创立Deep Scale之前，在加州大学伯克利分校获得了博士学位，在过去几年一直致力于深度神经网络和计算机视觉算法方向的研究，并在该领域发表了20多篇论文。Iandola的linkedin个人界面显示，他还在英伟达、微软从事过深度学习相关的研究工作。

如今Iandola的研究集中在使AI系统的学习速度尽可能快，他希望AI可以在一天之内取得进步，而不必经过几个月的培训。Iandola表示：“大多数的深层神经网络都是基于英伟达的GPU来设计的。这些厂商确实做出了一些数据库使得神经网络得以高效运行。但我们自建的数据库可以运行（车企）承担得起的各种处理器(包括高通、英特尔等)，从而开展快速的深度神经网络运算。在商业化领域，我们运用了许多在学术研究时积累的很多资源。”

目前，已经有几家主流的汽车制造商在与Deep Scale进行了接触，双方正推进一些试点项目。麦肯锡的报告指出，随着智能互联汽车市场的进一步发展，到2030年，相关数据和服务市场规模将达到700亿美元。Iandola表示，Deep Scale在短期内会专注于汽车市场，但从长远来看，这些技术同样适用于无人机或机器人这些同样需要实时感知周遭环境变化的设备。

Deep Scale的种子轮投资者包括杨致远、谷歌的第一个投资人Andy Bechtolsheim以及Bessemer Venture Partners、Greylock、Auto Tech Ventures等机构，Bessemer Venture Partners合伙人Alex Ferrara表示，目前的汽车为实现感知环境上配备了大量的小型计算机，称之为ECU，但随着技术的发展，汽车上出现了越来越多的传感器、激光雷达、超声波雷达、摄像头等等，每一种传感器会捕捉一套感知数据。通过融合这些数据，为汽车提供高效精确的感知是一个机会。Deep Scale可以使整合所有传感器的数据，使未来的汽车感知和计算机视觉准确和高效。

在提升汽车安全性方面，包括像被英特尔收购的Mobileye这样的ADAS厂商、博世这样的Tire 1供应商以及一众自动驾驶技术研发企业。但Deep Scale似乎选择另辟蹊径，切入了融合传感器数据这一方向。