專注於實體AI運營平台
的Motive公司近日在其Vision 26峰會上宣布，將大幅擴展其勞動力管理解決方案。此次發布涵蓋全新的司機獎勵計劃（Driver Rewards），以及對AI Coach和Performance Hub的多項功能增強。峰會著重探討了車隊IT管理者面臨的現實挑戰——如何從車隊運營中獲取有價值的洞察，並藉助AI軟體提升安全性與運營效率。
峰會開幕之際，Motive宣稱在過去三年間，已協助客戶避免了17萬起事故，並幫助車隊管理團隊每周節省約20小時的報表與行政工作，相當於每年額外釋放近1000小時的運營時間。對於擁有1000輛車的車隊而言，每年可在事故、保險和燃油相關成本上節省高達340萬美元。
整合與自動化引領變革
公司聯合創始人兼首席執行官Shoaib Makani在峰會上發表演講，指出Motive服務的客戶遍布美國、墨西哥、加拿大和英國，管理超過200萬輛車輛與資產，客戶涵蓋卡車運輸、建築、石油天然氣、客運及垃圾清運等多個行業。他表示，無論行業類型如何，幾乎每一次對話中都會出現兩個共同主題：其一，工具過於碎片化，導致運營複雜；其二，手動操作過多，制約生產效率。對此，他強調，整合與自動化是應對這兩大挑戰的核心路徑，而AI則主導著當前所有的技術討論。
Makani將整合與自動化稱為技術建設的"北極星"，並表示Motive已從一個簡單的車隊管理工具，演變為集司機安全、車隊管理、設備監控、支出管理、勞動力管理和AI視覺於一體的綜合運營平台——六大產品既可獨立使用，組合使用時更能發揮協同效應。
今年，Motive將整合延伸到了硬體層面，推出了AI Dashcam Plus。Makani指出，傳統行業的標準配置是一套車隊管理用的車載通信設備加一個行車記錄儀，但如今行車記錄儀已成為必備設備，因此Motive將其重新定位為一個全新的駕駛安全平台，以應對道路上最棘手的挑戰。
產品副總裁Nihar Gupta指出，現有攝影機安全系統的主要缺陷在於大多數攝影機僅依賴單一的前向鏡頭，將世界呈現為平面圖像。AI Dashcam Plus則採用廣角鏡頭與長焦鏡頭組合，能夠捕捉完整場景，包括駕駛員視野邊緣的情況，並呈現具有深度感的立體視野。其計算模組基於高通（Qualcomm）專為邊緣場景設計的AI處理器，具備足夠的算力，可在設備端實時對整個場景的物理狀態進行建模。
從被動應對到主動管理
Motive首席產品官Hemant Banavar表示，技術領域已發生根本性轉變——過去不可能實現的計算能力，如今已觸手可及。他說："整個行業正在經歷從被動應對到主動干預的轉變，高通在數據連接方面的突破，加上幾乎無處不在的網路覆蓋，使我們擁有了能夠同時運行多個模型的強大邊緣處理器，真正實現了對車隊的實時、前瞻性管理。"
在AI模型部署策略上，Motive採取"從雲端出發，逐步輕量化"的路徑——先在雲端訓練大型模型，驗證其檢測能力後，再將模型壓縮部署到邊緣處理器上。Banavar透露，通過"人在迴路"的事件標註機制，公司能夠在數周內將一個現成AI模型的精確度從約80%至85%迅速提升至接近90%以上，並持續優化，直到人工標註的需求逐步減少。
這一機制形成了高效的事件驗證引擎，其最終成果便是一個能夠實時感知道路深度、理解運動狀態的智能行車記錄儀。在碰撞預警方面，該系統不再依賴逐幀測量距離的傳統規則，而是對每個運動物體進行軌跡預測，實時評估多條可能的運動路徑，並在識別到威脅時提前幾秒發出預警——遠早於駕駛員已無法反應的危險臨界點。系統可識別車輛、騎行者、動物和行人，並預測其可能穿越駕駛員行駛路徑的情況。
Banavar強調，技術進步的核心目標不是取代駕駛員，而是讓駕駛員表現更好、讓車輛更加安全，最終實現"零傷害"的願景目標。
激勵司機，提升留存率
在司機安全產品線的新增功能方面，Driver Rewards旨在幫助企業大規模激勵和留住司機；升級後的AI Coach將智能輔導的範圍從安全駕駛拓展至燃油使用、合規管理和設備健康；Coaching Score則提供可量化的數據洞察，用于衡量輔導計劃的整體效果。
上述功能發布的核心背景，是司機留存問題在整個實體經濟中日益嚴峻。Motive援引車隊管理與合規平台Zerity的數據指出，英國大型車隊的年度司機流失率高達60%，每流失一名司機平均給企業造成6300英鎊的損失。對於擁有1000名司機的車隊，流失成本每年可累計近400萬英鎊。與此同時，英國預計到2030年將面臨20萬名重型貨車司機的缺口，這將直接威脅到國內82%依賴公路運輸的貨物流通。
Motive指出，許多車隊的輔導機制仍以糾錯為主，獎勵機制則依賴人工操作，難以規模化落地，導致司機缺乏歸屬感，離職意願增強，招募新人也愈發困難。
Driver Rewards基於Motive的勞動力管理平台，將日常駕駛表現轉化為自動化激勵機制——車隊管理者可設置與關鍵指標掛鉤的數據驅動挑戰，平台則實時更新積分、徽章和排行榜。司機可通過Driver App追蹤個人進度，團隊也可針對安全駕駛、燃油效率、合規管理等不同目標，並行運營多套定製化獎勵計劃。
燃油管理系統服務商Spatco Energy Solutions的車隊總監Rodney Fetters表示，Driver Rewards已取代了公司原有的手動跟蹤方式，實現了數據驅動的實時績效評分。"獎勵機制現在更加一致且可規模化。我們從高里程的優秀司機開始推行，現在已將該平台用於提升整體參與度、強化安全文化，同時也大幅減少了團隊在獎勵管理上花費的時間。"
AI Coach則通過識別風險、制定個性化輔導計劃並向司機提供實時指導，實現主動干預與績效提升。據Motive數據顯示，積極參與AI Coach輔導環節的司機，安全評分提升幅度可達8倍，違規事件總量下降50%，手機使用等高危行為甚至降至零。
此外，Motive還在Performance Hub中新增了Coaching Score功能，通過追蹤輔導後的行為變化，自動量化輔導效果，幫助管理者精準識別計劃成效與高風險行為的持續分布，並藉助AI驅動的建議鎖定重點改進方向。
Q&A
Q1：Motive的AI Dashcam Plus與普通行車記錄儀有什麼區別？
A：AI Dashcam Plus採用廣角鏡頭與長焦鏡頭組合，能夠呈現具有深度感的立體視野，而非傳統單鏡頭的平面圖像。其搭載高通邊緣AI處理器，可在設備端實時對整個場景進行物理建模，實現對車輛、行人、騎行者等目標的軌跡預測，並在危險發生前數秒發出預警，而非在危險已鎖定後才觸發警報。
Q2：Motive的Driver Rewards計劃是如何幫助車隊解決司機留存問題的？
A：Driver Rewards將司機日常駕駛表現自動轉化為可量化的激勵，車隊管理者可設置與安全、燃油、合規等指標掛鉤的挑戰任務，平台實時更新積分和排行榜，司機通過App即可查看進度。該機製取代了傳統手動跟蹤方式，使獎勵更加一致、可規模化，有助於提升司機參與感，降低高達60%的年度流失率。
Q3：Motive的AI模型是如何從雲端部署到邊緣設備上的？
A：Motive採取"從雲端出發、逐步輕量化"的策略。首先在雲端訓練大型模型，通過"人在迴路"的事件標註機制對模型進行持續優化，數周內可將精確度從80%至85%迅速提升至接近90%以上。模型驗證完成後，再壓縮部署至邊緣處理器，實現低延遲的實時推理，而複雜的模型訓練仍保留在雲端進行。
