Samsara 執行長：下一波 AI 革命不在螢幕上，而在卡車、倉庫與工地

本文整理自 Sequoia Capital Podcast 2025 年 12 月播出的單集，主持人為 Sonya Huang 與 Pat Grady。

從 MIT 到市值 230 億美元

Sanjit Biswas 的創業軌跡是一條清晰的技術演進線。在 MIT 時期，他參與 RoofNet 計畫，目標是用 Wi-Fi 晶片打造大規模無線網路——那是 2000 年代初期，網路還是稀有資源。後來他創辦 Meraki，被 Cisco 以 12 億美元收購。

2015 年，他創辦 Samsara，瞄準一個被忽視的市場：實體營運（physical operations）。這包括物流、營建、能源、公共事業等基礎設施產業。

十年後，Samsara 市值達 230 億美元，感測器部署在數百萬輛車輛上，每年記錄 900 億英里的行駛資料。這讓他們看到美國 99% 的道路，累積出一個技術宅夢寐以求的資料集。

Physical AI 的三大支柱：連線、運算、感測器

Biswas 回顧 2015 年創業時的判斷：

我們看到連線能力（connectivity）正在普及。雲端已經成熟。GPU 浪潮正在興起——當時的 Nintendo Switch 就有驚人的圖形處理能力，但握在手上。相機也變得非常好，iPhone 發布已經七、八年了。把這三件事結合在一起——連線、運算、感測器——我們認為這是處理真實世界資料的根本轉變。

有趣的是，創辦 Samsara 時，Biswas 和共同創辦人 John Bickett 對這個產業一無所知。他們從沒開過商用卡車，也沒在倉庫工作過。但他們相信底層技術的複合成長率，願意賭五到十年後會發生什麼。

2-10 瓦的約束：邊緣 AI 的真實挑戰

這是最讓我印象深刻的部分。

當我們談論 AI 時，通常想的是資料中心裡成千上萬的 GPU。但 Samsara 的 AI 必須在行車記錄器上運行——功耗只有 2 到 10 瓦，不是千瓦。

這些最先進的模型非常大，動輒數億甚至數十億參數。在我們的裝置上根本不可能。我們的運算能力比較接近手機——不是微控制器，跑 Linux，有幾百 MB 到幾 GB 記憶體，但絕對不是資料中心。

解方是模型蒸餾（model distillation）。在雲端用大模型訓練，再「教導」一個專為特定任務設計的小模型。行車記錄器不需要回答「法國首都是什麼」，只需要判斷路況風險。

這種分散式架構的優勢是：雖然單一裝置運算能力有限，但你有數百萬個裝置同時運行。

不只抓違規，還要認出好表現

早期，Samsara 的 AI 主要用於風險偵測：駕駛在滑手機、沒繫安全帶、跟車距離太近。但 Biswas 提到一個令人耳目一新的發展：

現在我們不只偵測負面、高風險的事件，還能偵測好的行為。這讓我很興奮，因為第一線工作者有 80-90% 的時間表現很好，只是沒人看到。現在我們能看到某人做得很棒，給他一個 high five 或某種認可。這讓他們的一天變得不一樣。

這不只是技術進步，而是思維轉變——從「監控」轉向「賦能」。

Samsara 的資料顯示，他們能幫客戶降低 75% 的風險。大約一半來自即時車內警示，另一半來自教練指導（coaching）。AI 分析數千甚至數百萬輛車的行為模式，轉化為可操作的建議。同樣的方法也能用於燃油效率——訓練駕駛以更聰明的方式操作重型設備。

自動駕駛將開啟「第三班」

談到自動駕駛，Biswas 的觀點很務實：

我們的看法是，自動駕駛會發生，而且會增加世界的運作強度。想想看，午夜到早上八點這個「第三班」，人們通常不工作因為在睡覺。想像如果物流在這個班次也能運轉？或者你是現場維修技術員，需要一個零件，如果零件能自動送到你手上，那有多棒？

他認為自動駕駛是「加法」而非「減法」。當成本下降，需求會大幅增加。現在一個零件運送要 50 美元人工成本，很多需求被壓抑了。如果降到 5 美元甚至免費，整個世界運轉的速度都會加快。

倉庫自動化已經發生了。Biswas 說他現在很少進入高度工業化的環境而沒看到自動化設備。第一線工人其實歡迎這些技術，因為能減少受傷風險。這是道路自動化的預演。

人形機器人呢？「謹慎樂觀，有點可怕。」Biswas 笑說它們還在那種令人不安的恐怖谷裡，像沒有頭或手的機器人走來走去。但他認為這讓人想起十年前的自動駕駛——不是明天的事，但感覺不可避免。

衛星網路會改變一切嗎？

Samsara 創業時正好趕上 3G 到 4G 的轉換。YouTube 的普及推高了數據消費，每 GB 的邊際成本大幅下降，他們得以搭上這波順風車。

現在，Starlink 正在做類似的事。建設成本驚人，但增加一個新裝置的邊際成本很低。這對 Samsara 特別重要——他們有很多客戶在偏遠地區，像是石油和天然氣產業，那些地方連道路都沒有，更別說手機訊號。

但這是否代表邊緣運算會變得不重要？

Biswas 認為不會。當頻寬變便宜，你會想傳輸更多資料。從 GPS 資料到一秒一幀的影像，再到卡車 360 度八個鏡頭的 HD 影片加上各種遙測資料——需求永遠會跑在供給前面。邊緣運算的壓縮功能仍然有價值。

而且對於自動駕駛這種安全關鍵的應用，邊緣運算會存在很長一段時間。你不會想要網路中斷影響到人命。

2030 年的 Physical AI 長什麼樣？

我們還在 AI 採用曲線的底部。到 2030 年，AI 在實體營運中會像今天的 App 一樣主流。

Biswas 特別興奮的是擴增實境（AR）和穿戴裝置。對於必須空出雙手的第一線工作者來說，這會帶來巨大改變。AI 可以直接進入他們的耳朵——很多人已經戴著 AirPods 工作了。但加上視覺回饋、讓視覺語言模型（VLM）理解環境狀況，這在 2030 年會變成可能。現在還不行，但你能感覺到它就在眼前。

給技術創辦人的建議

Biswas 的創業觀很實際：技術創辦人往往迴避銷售，他自己年輕時也是如此。但他後來理解到：

這是讓產品進入世界的方式。如果產品不在那裡，就不會產生影響。如果你被影響力驅動，看到人們使用你的產品是很有趣的。這也是讓公司可持續的方式。

Meraki 在 2008 年金融危機中存活下來，靠的是可預測的銷售模式。工程師把這當成一個工程問題來解決。

給現在創業的人，他說：

現在是建造的絕佳時機。工具太不可思議了。有了 Cursor 這些自動化編碼工具，如果你有想法，可以比以前更容易地把它變成真實的東西。我們以前還要買 Dell 伺服器、搬到資料中心去架設。你能想像現在那感覺有多慢嗎？

我的觀察

這集訪談讓我重新思考「AI 革命」這個詞彙。

我們談論 AI 時，通常聚焦在 ChatGPT、圖像生成、程式碼助手——這些「螢幕上」的應用。但 Samsara 的故事提醒我們，真實世界有 2-10 瓦的功耗限制、有 99% 道路覆蓋的資料需求、有必須親自安裝在數百萬輛車上的硬體。

這不是性感的創業故事。沒有一夕爆紅，沒有病毒式傳播。但十年下來，他們建立了一個只有 Tesla 能相提並論的資料集。

Biswas 說得很好：「需要數千人來做這件事，還有變革管理、安裝、所有那些東西。這就是為什麼很少公司能達到這個規模。」

Physical AI 的護城河不在演算法，而在於願意花十年時間把感測器裝到真實世界的每個角落。這種「純粹意志力」是無法快速複製的。