跳到正文
MTS(youtube.com)· Sophia Dew·· 8 天前品質評分58

阿拉斯加航空如何用 360 AI 攝影機防止停機坪碰撞事故

阿拉斯加航空如何用 360 AI 攝影機防止停機坪碰撞事故

重點導讀

Samsara 的 David Gal 說明,以數兆筆車輛與攝影機資料點為基礎打造的實體 AI(physical AI)如何服務實體營運,並從 ELD 與 AI 行車記錄器,一路擴充套件到強固型裝置攝影機與貨運可視性,客戶包括阿拉斯加航空(Alaska Airlines)。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

Samsara 連網裝置產品與工程副總裁 David Gal 認為,實體 AI(physical AI)近期更大的機會,在於改裝世界上既有的工業裝置——堆高機、行李輸送車、礦用卡車——而不是等待 Waymo 這類專門打造的機器人。訪談大部分內容圍繞 Samsara 專為開放式駕駛艙裝置設計的新款單座 360 度 AI 攝影機、促成這項產品的客戶對話,以及十年車隊資料如何支撐該公司的模型訓練;標題中「全球 GDP 的 40%」只是 Gal 開場提到的一句話,之後並未再談。

Gal 很適合描述這些營運細節:他提到訪談前一週才去過礦場,也轉述客戶回報的機場地勤裝置事故,並說明 Samsara 從 2016 年創立、歷經 ELD 法規強制要求,到推出第一臺 AI 行車記錄器的「與客戶共創」產品流程。讀者讀完應該能具體掌握:Samsara 認為實體 AI 最先在哪裡開花結果、為何開放式駕駛艙裝置需要與車內攝影機不同的硬體方案,以及該公司如何把既有裝機基礎轉化為更快的模型迭代。

Samsara 押注的是改裝既有裝置,而非等待機器計程車

Gal 把實體 AI 描繪成一個由「已經在工作中」的資產構成的市場,而不是等待被製造出來的市場。他承認機器計程車與 Waymo 是真實存在的,但相對於工地現場那批「數量龐大得多、從未為自駕而設計」的資產與裝置,規模仍小。這些場域——礦場、工地、機場、倉庫——每天都讓員工暴露在風險中,而 Samsara 認為實體 AI 現在正是在這些地方展現價值,涵蓋安全與效率兩端(資產是否被正確使用、是否燃燒過多燃料)。

訪談中對市場規模的著墨不多。被問到機會有多大時,Gal 表示全球 GDP 約有 40% 投入實體營運,並將 Samsara 的角色描述為統籌運輸、倉儲、營建、現場服務、製造,以及食品飲料配送等領域的營運。他列出 Samsara 鎖定的成本專案——維護、人力、燃料、資本、安全——但沒有量化任何一項。40% 這個數字是 Gal 自己的說法,節目中並未提供來源。

產品線源自客戶需求,而非產品藍圖

Samsara 約在 2016 年從車輛起家,主因是 ELD 法規強制要求期間客戶上門求助。它打造了一臺如今已在全球數百萬輛車上數位化的閘道器。客戶接著要求安全功能,Samsara 便於 2017 年前後推出第一臺 AI 行車記錄器。此後需求擴及拖車、工具與「黃色機具」(yellow iron),最終延伸到各類裝置。

機場地勤裝置這條產品線,來自具體而沉重的客戶請託。Gal 說,營運商告訴 Samsara,他們的行李輸送車撞上飛機,跑道上也有人被輾斃。這就是 360 度裝置攝影機的起點。Gal 的主張是,Samsara 之所以能被邀請參與這些對話,正是因為它願意傾聽、與客戶一起打造產品;他說公司做的每一項產品,都是受到這些組織啟發、並與它們共同開發。

timeline
    title Gal 所述的 Samsara 產品演進
    2016 : 公司在 ELD 法規強制要求期間以車輛閘道器起家
    2017 : 推出第一臺 AI 行車記錄器,聚焦道路安全
    2017 年後 : 客戶要求涵蓋拖車、工具與黃色機具
    近期 : 機場地勤裝置客戶要求裝置安全方案
    2026 : 推出 Samsara 360 攝影機,適用堆高機、挖土機、機場裝置

開放式駕駛艙裝置迫使攝影機改採不同設計

360 度攝影機的技術理由來自環境。車輛駕駛艙是有保護的室內空間,還有擋風玻璃可以安裝。機場地勤裝置——行李輸送車、行李拖車、後推車——則是開放式駕駛艙,沒有擋風玻璃,暴露在冰雪、夏季高溫與除冰液等化學噴劑之中。一般攝影機撐不住。

第二個差異是可視角度。駕駛人坐在方向盤後不動;但這些裝置上的人會上下車、繞著裝置走動,機器本身也有部件在動——Gal 提到行李輸送車的輸送帶會上下移動。Samsara 的解法是一臺堅固的單座 360 度攝影機,讓操作員能看見裝置本身與周遭一切。Gal 形容首批部署令人大開眼界:客戶原本對員工使用手機或未繫安全帶有所懷疑,影像則證實了他們所猜測的行為。

Gal 反覆強調的護城河是資料資產

Gal 的核心競爭主張是專有資料的規模。Samsara 有數百萬輛車與攝影機,「每年串流數兆、真的是數兆個資料點」,這讓它能訓練實用模型——疲勞偵測、視線偏離道路、路邊違規停車——並快速迭代。他不願說競爭對手打造實體 AI 的方式有錯,但主張 Samsara 的裝機基礎、客戶關係與已完成數位化的資產,讓它能比原本更快地創造價值。

貨運可視性產品是他的例證。Samsara 於六月底的 Beyond 客戶大會推出這項產品,建構在一次性單向藍牙資產標籤上。Gal 明確表示,標籤不是產品,網路才是。已經在路上跑的車輛會接收標籤訊號,無需專用基礎設施就能提供即時定位。幾週之內,Samsara 便用同一批資料偵測貨運何時偏離預期路線,因為車隊資料顯示貨運通常會走哪些路徑。Gal 說,這樣的想法即使在一年前都很難想像。

能力底層資產創造的價值
疲勞與分心偵測數百萬臺車內攝影機在車隊規模上進行駕駛輔導與行為改變
裝置安全(360 攝影機)安裝於開放式駕駛艙裝置的堅固單座硬體掌握堆高機、行李輸送車、挖土機周遭的可視範圍
貨運可視性一次性藍牙標籤加上車輛網路無需專用基礎設施即可即時定位
偏離路線偵測歷史貨運移動資料貨運偏離預期路線時發出警示

車隊規模的安全問題,與個人駕駛截然不同

Gal 清楚劃分消費者可機駕駛與管理數萬名每天開車 12 小時的駕駛人之間的差別。風險在個別操作員層次與組織層次都不同。Samsara 的車輛安全產品可偵測疲勞、車道違規、使用手機,以及在車內飲食或吸菸等違反政策的行為,Gal 並將駕駛行為的改變歸功於輔導產品。

裝置方面的例子具體而具象:堆高機在疲勞的操作員分神時翻覆;操作員看著手機,把車開下裝卸月臺——Gal 說落差約六英尺;堆高機撞上貨架,力道大到把貨架撞倒。在礦場,礦用卡車操作員採 12 小時輪班,訪談前一週才去過兩座礦場的 Gal 指出這份工作的難度,以及日光節約時間造成夜班的季節性因素。他稱這些故事很悲慘,但表示自己樂觀認為攝影機能阻止其中一部分。

「以民航旅客的身分,你未必會想到這件事,但停機坪上確實會發生事故,而且不算少見。」——David Gal

阿拉斯加航空的部署揭露了過去無人測量的行為

被要求舉出實際部署案例時,Gal 以阿拉斯加航空的地勤作業為例。其車隊包含行李輸送車、行李拖車與後推車——全是開放式駕駛艙,全都暴露在外。Gal 說,第一個改變是可視性:第一次看見裝置本身,也看見周遭發生的一切。他描述跑道入侵、深夜使用手機,以及跑道上車對車、地勤裝置對地勤裝置的事故。對阿拉斯加航空這類組織而言,他說,可視性帶來了根本性的改變,因為它促成行為改變與更安全的作業。訪談內容並未包含該部署的量化成果——沒有事故減少的數字,也沒有時程。

Gal 願意與不願意預測的事

Gal 預期貨運可視性與維護產品會持續推進;在這些領域,數位化的車輛讓客戶能一鍵更順暢地執行維護作業,並提升資產利用率。被追問一年後會是什麼光景時,他不願承諾:「以現在的開發速度,一年感覺是非常非常長的時間。」他唯一具體的前瞻說法是方向性的——更大、更好、更有影響力——並以貨運可視性為依據:從六月發表到偏離路線偵測上路,中間只隔了幾週,而不是幾季。

尚未化解的張力在於:Samsara 的優勢建立在一個 Gal 極力主張、卻未量化的資料資產上,也建立在由客戶需求驅動的產品開發模式上,而這套模式取決於能否被邀請上談判桌。當競爭對手也開始改裝同樣的裝置時,這個迴圈能否維持,是本集提出卻未回答的問題。值得持續觀察的是:Samsara 是否會公佈阿拉斯加航空這類部署的成果資料,以及維護與貨運產品是否會延續同一模式——架構在既有基礎設施上,而非新硬體。

來源: MTS (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論