维度网讯，Motive Technologies认为，车队管理行业的下一个挑战已不再是收集数据，而是基于数据采取行动。随着远程信息系统、摄像头和传感器产生的数据量持续增长，公司首席技术官阿米什·巴布（Amish Babu）估计，Motive超过90%的工程工作涉及人工智能（AI）。他指出，车队正变得“数据丰富而时间匮乏”。

巴布在纳什维尔举行的Motive Vision大会上接受采访时表示，公司并非将AI视为独立产品，而是将其嵌入平台几乎所有领域。策略围绕两个主题展开——集成与自动化。联合创始人兼首席执行官舒艾布·马卡尼（Shoaib Makani）在主题演讲中阐述了公司的两大“北极星”：集成是指打破数据孤岛，创建涵盖车辆、驾驶员、设备和支出的统一运营视图；自动化则旨在减少发现问题后所需的手动工作和响应时间。马卡尼表示，工作流程中的许多重要决策仍依赖管理者首先发现问题并决定行动，而响应往往受限于“人类注意力的极限”。今年，公司将该策略从软件扩展到硬件，推出了AI Dashcam Plus和AI Omnicam Plus平台。

产品总监罗伯特·希格登（Robert Higdon）补充说，客户越来越希望简化现有工作流程，而不是增加更多的仪表板或独立产品。这种思路影响了Vision大会上发布的许多产品——从将远程信息处理与摄像头整合到一个设备，到通过AI驱动工具连接安全、维护、合规和驾驶员管理数据，目标是减少管理者必须应对的独立系统数量。

对上下文的需求是Motive大力投资AI的另一个原因。巴布认为，车队运营提出了独特挑战，因为许多决策需要实时做出。他解释了推动Motive投资边缘计算的原因，使得AI模型可以直接在车辆内部设备上运行，而不是完全依赖云端处理。公司最新的硬件平台——高通DragonWing处理器——可同时运行20到30个AI模型，实时监控手机使用、疲劳、安全带合规、车道偏离、跟车距离和前方碰撞风险等行为。同时运行多个模型可以使系统同时识别多种风险，并向驾驶员提供即时反馈。

同样的方法也支持预测性安全技术，例如为AI Dashcam Plus发布的防碰撞系统。该平台利用两个前向摄像头的立体视觉，以类似人眼的方式估计深度。系统不仅检测物体位置，还尝试预测其下一步可能移动的方向。会议期间，Motive发布了AI助手Atlas，能够分析安全、燃油、合规和维护数据，生成建议，自动化管理工作流程，协调运营任务，并通过语音指令为驾驶员提供帮助。Atlas很快将通过模型上下文协议（MCP）集成外部生成式AI系统，如ChatGPT、Claude、Gemini和Microsoft Copilot。

关于生成式AI带来的幻觉、权限和数据边界担忧，巴布表示公司将数据安全性和准确性作为基本要求。客户数据和个人身份信息仅在客户许可下使用，并通过专门的安全基础设施进行管理。对于车内运行的与安全相关的AI系统，巴布表示不容许幻觉和不准确。技术识别精度达到95-99%，同时还提供人工注释服务，当数据呈现给车队时几乎能达到100%的精度。当AI从检测运营事件转向通过Atlas等对话式界面生成报告时，挑战略有不同，但人类判断仍发挥重要作用。巴布认为，传统手动流程已经容易出现人为错误，而公司对AI精度的标准相当高。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com