「在自駕來臨前，誰能守住大哥的煞車線？」——車用安全獨角獸 Netradyne

在台灣，只要你開過高速公路，就不可能沒碰過「大哥」——那種引擎聲轟隆、車身比你家還長、後照鏡一出現就讓你心跳加速的大型聯結車。

根據統計，2024 年台灣大型車（如聯結車、重型貨車）相關交通事故達 11,058 件，造成 416 人死亡，創下 8 年來新高，也是 2017 年以來死亡人數最大幅度的一次暴增 。每一次事故，不只是一條條生命的終結，更暴露出台灣道路結構與重型車輛的長期失控。

我們當然可以要求駕駛更小心、執法更嚴格，甚至夢想有一天「自動駕駛」可以取代這些風險駕駛行為。但現實是：在這些車真正交給 AI 開之前，有沒有人可以先幫我們看清楚現在的人，是怎麼開的？

本週要介紹的，是一家來自美國、研發核心在印度的美印混血新創獨角獸－ Netradyne。他們沒做自駕車，也不是做車用晶片，而是設計了一套能幫助車隊「即時理解駕駛行為」的 AI 系統。與其說它在自駕的前面，不如說它卡在現在——一個人與 AI 必須協作、交通安全不能再等待的現在。

從晶片專家到AI車用安全守護者

Netradyne 的故事，得從一位工程師開始說起。

Netradyne 的創辦人 Avneesh Agrawal，原本是科技產業裡最典型的一號人物。他在 Qualcomm 擔任高階主管，領導印度區的晶片與無線通訊事業，熟悉硬體、邊緣運算與嵌入式系統，對自駕車、物流或運輸毫無興趣。

真正讓他開始思考「駕駛」這件事的，是在一次討論汽車事故報告時，發現傳統車隊缺乏即時駕駛行為數據。車隊沒有記錄駕駛當下的注意力狀態、沒有行為數據、沒有即時警示裝置。在全球供應鏈都在談「資料轉型」的時代裡，最需要被數據照亮的，可能是這些每天握著方向盤、載著數十噸貨物、壓力大到無法鬆懈的大貨車駕駛。

Agrawal 曾在採訪中透露，最初他們確實考慮過自駕技術，但觀察後發現：「這項技術要成熟還要等 15 年」，於是他們決定轉向能立刻落地的領域──如何讓 AI 在現在就「監控駕駛行為」，並透過即時警示降事故風險 。

於是 2015 年，他與 David Julian 在美國加州聖地牙哥創立 Netradyne。公司主打產品「Driver•i」它是一套安裝於擋風玻璃上的 AI dashcam 系統，能即時識別駕駛分心、疲勞、跟車過近等風險行為，並透過語音與視覺警示提醒駕駛。根據 TechCrunch 的報導，裝設 Driver•i 系統的車隊「事故率降低約 50%」，這包括超速、疲勞駕駛、分心等風險行為的顯著降低 。此外，Netradyne 自身宣稱，截至目前已累積超過 180 億英里行駛資料，系統的事件提醒準確率達 99% 。

來自印度經濟時報的資料也指出，使用 Driver•i 後，客戶在印度與美國皆可報告事故率下降約 50% 。這些數據不只來自廠商宣稱，也有多國車隊實際使用後的觀察回饋。

不只是行車記錄器！而是能即時判斷的 AI 裝置

Driver•i 是 Netradyne 所打造的智慧邊緣 AI 裝置，看起來像是擋風玻璃上的小盒子，實際上卻是一台隱藏 GPU 的深度學習電腦。它內建高解析鏡頭，可以依需求擴充為前視、內視、甚至側邊鏡頭的多鏡頭系統，能即時分析駕駛行為與外部路況，不需仰賴雲端運算。

延伸閱讀：什麼是邊緣 AI？為什麼大家都在談「邊緣智慧」？一篇看懂從邊緣運算到智慧裝置的演進

每一台 Driver•i 都內建神經網路模型，可在本地（邊緣）即時辨識駕駛行為、前方道路、車距、標誌等，無需依賴雲端。換句話說，這套系統最關鍵的不是「錄下來」，而是「當下就反應」：辨識風險行為、發出語音警示、記錄並分類事件、給予駕駛回饋分數，甚至能遠端協助管理者安排訓練與優化整體營運安全。它不是控制車輛的自駕系統，而是貼近駕駛日常的 AI 駕駛教練。

風險偵測與即時警示

Driver•i 能在車上即時辨識：

• 超速、車距過近、違規變換車道；
• 駕駛分心、疲勞、未繫安全帶等行為；
• 交通號誌、標線、行人與前車反應等外部狀況。

當系統偵測到潛在風險時，會透過語音與視覺即時提醒駕駛，大幅減少「來不及反應」的意外發生機率。

GreenZone® 安全分數與正向回饋

GreenZone® 是 Netradyne 為 Driver•i 系統打造的專屬行為評分機制，它不只是用來找出駕駛做錯什麼，更重要的是幫助駕駛知道自己什麼地方做得對。

傳統車隊監控系統偏向「風險導向」：等事故發生後才回溯原因。但 GreenZone® 的核心邏輯是「正向回饋」：保持安全車距、穩定煞車、不超速、遵守紅綠燈、專心開車……這些良好行為都會被實時記錄並轉換為分數。

Driver•i 的雲端平台可供管理者登入查看每位駕駛的 GreenZone® 分數、事件紀錄、風險熱點與行為統計報表，並可設定「自動化教練任務」(客製化的道路安全講習！) 推送影片給駕駛。

這些分數不只讓駕駛清楚掌握自己表現，也能幫助管理者根據數據設計獎勵制度、安排差異化訓練。Driver•i 將這種正向回饋視為建立車隊安全文化的核心，而不是單純監控工具。

Driver•i One 整合管理功能

Driver•i One 是結合駕駛監控與完整車隊管理模組，包括：

• GPS 即時定位與地理圍欄；
• 燃油效率、維護狀況、怠速時間分析；
• 合規管理（如 ELD、DVIR、IFTA），支援美國聯邦法規需求。

對於大型物流與商用車隊來說，這是一套「從安全到營運一體化」的數位工具。

Hybrid 的現在式：在等待自駕到來之前，我們能先讓 AI 幫忙看路

寫這篇文章時，我心裡其實有一個很具體的問題：台灣的大貨車事故為什麼這麼頻繁？

這些被稱作「大哥」的車輛，體積龐大、視野死角多，煞車距離長，即使一秒分心，都可能造成無法挽回的後果。除了結構風險，還有駕駛素質不齊，許多上路的駕駛年過六十，甚至七十。他們或許經驗豐富，但體能反應早已不比當年；而現場更常見的，則是不遵守交通號誌、闖燈、疲勞駕駛、甚至邊開車邊滑手機這樣的日常違規。這些違規不完全是惡意，而是制度鬆散、監管困難、人力短缺下的集體妥協。而我們現在能做的，似乎還停留在貼警語、抓違規、事後罰鍰。

而當我們仍把數十噸的車輛交給這樣的駕駛群體，卻沒有任何即時輔助與反應機制，其實就是把整條道路，交給了「我們沒能力監控的風險」。

自動駕駛看起來像一條終極解方，但現實卻告訴我們：L4 技術在重型車上的應用進展緩慢，原因不只是技術本身，而是產業結構、法規標準與司機勞動現實都還沒準備好。

像 Driver•i 這樣的 AI 系統，提供的是一條 Hybrid 過渡的現實解方：不是讓機器直接接手，而是先幫駕駛「看清楚」，即時提醒、即時反應、長期記錄，讓人能夠開得更安全、管理得更透明。

也許我們離全自動駕駛還有一段路，但我們並不需要空手走在這條路上。當駕駛年齡持續上升、違規成為日常、制度尚未到位，我們需要的其實只是一個能被真正導入、部署、落地的現實方案。