商业车队如何从AI 中获益？

0:00 各舰队的任务和要求各不相同

今天在《The Garage》节目中，我们正在内华达州拉斯维加斯举行的2026年ACT Expo展会上进行现场录制。展厅内汇聚了种类繁多的商用车辆，包括重型牵引车、挂车、公交车、大量电动充电设备以及各类特种用途车辆。我们深切认识到，技术如何为车队及其不同任务带来益处，这一点至关重要。

无论是预防性维护、确保运行时间、可靠性和安全性，还是自动驾驶卡车和运营优化，技术在商用车领域都发挥着重要作用，我们已经开始看到这一点。这里许多展品都在展示车队如何以创新方式运用技术来解决各种各样的问题。

为了深入探讨这一话题，今天我们邀请到了一位特别嘉宾。这位嘉宾是劳伦斯·贝德（Lawrence Bader），他曾在UPS工作三十二年，负责运营和管理车队业务，目前是一名独立顾问。在今天的访谈中，劳伦斯将与我们分享他所遇到的、车队必须解决的各种问题，以及他如何看待技术在当下和未来解决这些问题的种种方式。这是一场关于商用车话题的非常有趣的对话。

走吧。

1:35 介绍劳伦斯·巴德尔

欢迎收听《The Garage》。我是约翰·海因莱因（John Heinlein），Sonatus 的首席营销官。我们正在拉斯维加斯 2026 年 ACT Expo 展会上进行现场录制。我非常激动，能邀请劳伦斯·贝德（Lawrence Bader）做客本期播客。

劳伦斯，欢迎来到《The Garage》。谢谢你，约翰。非常感谢。我们通常会请嘉宾先介绍一下自己和个人背景。

请做个自我介绍。跟我们说说你自己吧。

好的。我叫劳伦斯·贝德。我最近从UPS退休了，在那里工作了三十二年。

三十二年。

太好了。

三十二年是一段很长的时间，在这期间，我有机会负责管理我们所说的全球车队系统。

我的整个职业生涯其实都是在IT领域度过的，你可以这么说。不过，你知道，在UPS工作让我有很多机会涉足航空领域，参与自动化枢纽的运营。而在职业生涯的最后十年里，我实际上专注于我们所说的地面运输。

这基本上就是那支约27.5万辆的机车车辆车队。

那可真多，那可真多设备啊。

这种见解正是我们所期待的。我们希望了解你，以及你从那段经历中获得了哪些启发。不过，先像我们播客里一贯的做法那样，先跟我们分享一个关于你的趣事吧。

嗯，你知道吗，约翰，其实我真的很喜欢造车和赛车。我直到晚年才真正开始做这些事。事实上，直到四十五岁之前，我连一套刹车片都不会换。

不过，你知道，我从事IT工作这么久，在开发软件时其实很难真正亲手操作。你无法切身感受它，也无法真正深入地体验它。所以，你知道，我学会了使用扳手，能够将那种力量“传递到地面”——这么说吧——并真正享受赛车的乐趣。

这太棒了。我特别喜欢这种技艺。必须说，虽然这不是我的专长，但我喜欢动手制作实物。我会做一点木工活，也喜欢在家里做些东西。

所以，是啊。

我认为，你所创造的东西能与你产生共鸣。

对吧？是的。你看，这很直观。我觉得这太棒了。那么现在请跟我们说说你现在的工作以及你的公司吧。

3:22 向咨询与技术应用的转型

是啊。你知道，在这个行业干了三十二年，我其实还不想这么快就离开。我在这里结交了很多朋友，而且这里也有很多机会。所以说，我现在其实只是个独立顾问，喜欢帮助车队采用新技术。

我在UPS工作期间，有幸真正深入测试了大量产品。如果我能将这些经验分享给其他车队——他们未必具备相关背景或时间去深入研究这些事情——你知道，这对我来说就是一件好事。 但我也很乐意帮助那些正在开发产品的供应商和解决方案提供商，协助他们真正确定哪些产品能站得住脚，哪些能卖给车队。但说到底，我所有的工作方向最终都指向自动驾驶车辆。

你知道吗，我正在努力推动自主运营的普及。

太棒了。如果有人想联系你，你公司的名字是什么？

先进交通技术。哦，太好了。你可以在领英上找到我。

好的。此外，我们也很乐意在节目说明中添加一个链接，方便大家

找到你。

4:16 从UPS汲取的经验教训

鉴于您在UPS的长期职业生涯，我想知道您在那里学到的哪些经验教训可以应用到当今的车队管理中，供大家借鉴？

你知道吗，我觉得在我整个职业生涯中获得的最重要的一点启示就是：你真的就得先开始行动。明白吗？你真的必须付诸行动，才能真正带来改变。很多时候，我们对解决方案分析得过于深入了。

我们常常过度分析自己想达到什么目标，想完成什么事情。但关键是要开始行动。从小处着手，积累一些信心，然后就可以在此基础上继续前进——换句话说，就是建立在这些“胜利”之上。这就像迭代开发一样，这是我们在IT行业经常采用的一种做法。

而且，如果你不开始行动，就永远无法到达那里。

4:54 车队管理中的创新技术解决方案

你能举个例子，说明你眼中的人们是如何以新颖有趣的方式使用技术的吗？

是的。事实上，在我离开UPS之前，我有幸参与部署了一项名为“无钥匙牵引车”的技术。我们实际上已经将钥匙从牵引车的操作系统中彻底移除了。

没钥匙吗？

不需要钥匙。是的。实际上，我们在司机的设备上设置了一个加密的数字钥匙，这使我们能够在恰当的时间，向合适的司机发放适用于特定车辆的电子钥匙。因此，我们彻底消除了管理实体钥匙、在车内放置钥匙板，或者把钥匙放在咖啡罐里的这些做法。

这在许多方面都对我们有所帮助。其中之一就是司机的行车时间。司机抵达该设施时，会先去岗亭，然后还得走到调度室，才能被分配到相应的牵引车。

而且有时候，司机未必就想要那辆按计划分配给他的特定拖拉机。所以他可能会对柜台后面的工作人员甜言蜜语，请求当天换一辆不同的拖拉机。这简直把一切都搞得一团糟，对吧？现在，司机根本不需要再去调度室一趟了。

该功能会自动出现在他们的设备上。他们穿过该区域，一旦进入感应范围，即可立即打开门。设备随即开始预启动循环，他们便可以出发了。

而且就像维修人员一样，他们往往在需要移动车辆将其开进车间时，却找不到钥匙。但现在，钥匙信息实际上已经显示在维修技师的设备上了，他们可以直接解锁车辆，将其开进指定位置，并开始工作，而无需前往调度室。

我相信这能让您分配密钥，并在日后不再需要时撤销相关权限。

没错。这意味着，这实际上是一项很有意思的技术，可以在很多不同领域发挥作用。比如租赁市场。但我认为，对于任何面临钥匙管理问题的车队来说，这都是一种值得关注的解决方案。对吧？这只是众多解决方案中的一种而已。

是啊。只是以一种崭新的方式运用技术罢了。

以一种崭新的方式。

我们发现，而且我认为在与客户交流时，很多时候“完美”反而会成为“良好”的绊脚石。确实如此。人们总是在试图设计出完美的解决方案，结果却一无所获。

你永远也到不了那里。

从一个行之有效、基础扎实的解决方案开始，然后在此基础上逐步完善，这样要好得多。我们的解决方案所具备的特点之一，就是能够灵活调整和迭代。你可能最初是针对某个应用场景开始使用的，后来发现还有其他问题需要解决，但你可以随着需求发展逐步适应，并进行扩展。

没错。而且我认为，今天我们都在发现这一点，尤其是通过AI 。你知道，光是收集数据这一项，我们就都花去了大量时间，才终于把数据掌握在手中。但我们不知道该如何利用这些数据。对吧？我们当时无法据此采取行动。所以，现在我们可以基于这些年来收集的所有数据进行迭代优化了。

7:25 《AI 》在车队运营中的作用

这是一个非常自然的过渡，因为“AI ”对我们来说是一个非常重要的主题，也是我们目前在播客中重点探讨的话题。那么，在AI 领域，您认为目前哪些方面正在产生实质性影响？您认为机遇在哪里？您建议人们未来在AI 方面进行哪些投资？因为我认为，当人们提到AI 时，首先想到的往往是自动驾驶，虽然这确实很重要。 我认为人们还会想到语音助手等等。但对我来说，这仅仅是可能实现的冰山一角。您认为有哪些机遇呢？

嗯，你知道，对我来说，利用AI 以及你收集到的所有数据，其实就是为了让我们如何开始将那些琐碎的任务自动化？你知道，让我们把人从那些纯粹是重复性的琐碎任务中解放出来。而这正是我们需要着手的地方。对吧？

嗯，你知道的，我们最初只是从采集远程信息处理数据和GPS定位信息开始的。但这只是个开始。那么，我们该如何利用这些数据实现真正的预测性分析呢？我们又该如何在部件故障发生之前就预先发现呢？

我们该如何将维护计划从基于时间和里程的方式，转变为真正基于设备实际状况的维护方式，也就是根据设备本身的运行状况来制定维护计划？

我认为你提到的这一点非常重要，因为当我们今天谈论维护和诊断时，人们使用的工具相对来说还比较粗糙。这意味着你很可能在进行一些本不需要的过度维护。确实如此。而且有时你采取行动时已经为时过晚。

如果我们能运用更先进的智能技术，不仅像你所说的那样关注行驶里程记录，还能真正了解车辆的实际使用情况，并更具体地分析你所反馈的问题迹象，我认为这将极具价值。

是啊。我觉得很多时候，你知道，那些信誉良好的车队，也就是需要准时送达的车队，往往会对设备进行过度维护。而过度维护设备是很花钱的。对吧？

我的意思是，你知道，我们……比如，我见过一些车队，他们实际上会在轮胎还没到该更换的时候就提前更换。他们也会仅根据使用时间和里程数，在起动机还没到该更换的时候就提前更换，因为他们必须维护自己的声誉。对吧。而且，你知道，如果我们能朝着这个方向发展，真正关注这些发出的信号，那就以电气系统为例来说明吧。

你知道吗？当你试图防止故障发生时，完全可以更换三四个主要部件，无论是电池、线束还是起动机本身。让我们深入探讨一下电路的特征模式，看看AI 能否预测出起动机究竟何时会发生故障。

你知道吗，与其每年都更换，不如根据实际需要来更换。

没错。就在我们展位上，距离我们只有几英尺远的地方，正在进行一场演示，展示的内容与此类似——即如何利用RP129协议更好地了解车辆的实际状况，从而判断问题出在起动机上，还是线路故障，抑或是其他问题？ 这样一来，就不用再像以前那样，对那些根本没坏的部件进行“大刀阔斧”的更换——这种做法不仅会增加维护成本，还会导致更长的停机时间——而是能在需要时，只更换真正损坏的部件。

已修复

10:15 米其林轮胎监测技术

刚才你也提到了轮胎。我觉得这是一个很有意思的应用，因为，你知道，轮胎在“轮胎与路面接触”这一关键环节中起着至关重要的作用。对吧？是的。

但我们与米其林开展了一项合作，最近通过AI 展示了这一合作，他们正在做你所说的 exactly 那些事情。他们具体分析车辆的使用情况、载荷随时间的变化、载重等各项因素，综合考虑这些不同因素，从而更准确地判断轮胎的实际磨损情况与理论上的磨损情况之间的差异。 这使得轮胎的使用寿命得以延长，同时进一步减少了停机时间，并降低了不必要的

维护。它使用的是AI 。

而且我们认为，通过将这类AI 更靠近车辆，就能进行一些在云端无法完成的计算。云端速度太慢，距离太远，而且需要处理的数据量太大。

所以，这大概就是我们所追求的愿景之一。

你觉得这可行吗？

11:10 生产前后的虚拟传感器

嗯，绝对是这样。我的意思是，能够在边缘进行计算，并且在脱离云端的情况下完成处理，这确实能让你变得灵活得多。此外，我也接触过一些关于“虚拟传感器”的想法——也许你们之前也讨论过这个话题。实际上，你可以通过整合两到三个其他输入源来创建传感器，从而获得更深入的洞察。 我实际上已经在几个不同的地点见过这种应用。

确实如此。我们之前展示过一些关于其工作原理的示例。例如，我们曾与一家名为COMPREDICT的供应商合作，还有其他公司也在使用虚拟传感器进行计算。 实际上，我们拥有大量信息可以用来计算传感器结果，而无需安装物理传感器。通过这种方式，既能节省成本，又能简化车辆结构。但真正令人兴奋的是——你我之前也聊过这一点——试想一下：当车辆交付后，你突然意识到“真希望当时装了个传感器”，虽然手头已有所有数据，但“哎呀，当时没装那个传感器”。此时，你可以在生产完成后再安装一个虚拟传感器。

这……这还挺酷的。

因此，我们讨论的内容之一就是设想一个虚拟故障警示灯。你会意识到，当出现某些特定情况组合时——比如当我在这个子系统上看到这个指示，在那个子系统上看到那个指示——这就预示着问题即将发生。 这时你就可以触发一个虚拟危险警示灯，提示说：“嘿，看，你需要把这台设备送去维修，比如，要紧急处理”，但这可以作为一种虚拟危险警示灯在……之后部署。

生产

12:30 当没有驱动程序时，诊断就显得尤为重要

你知道吗，其实我是在展望自动驾驶卡车的发展前景时想到这一点的。当自动驾驶卡车在高速公路上来回穿梭时——这确实会成为现实——驾驶座上将不会有司机，对吧？而且，能够在问题发生之前就检测到它，并能明确说明这辆自动驾驶卡车究竟能行驶多远？

我必须在下一处出口立即下高速吗？我能完成这次任务吗？还是说我需要规划一下路线，前往下一个——你知道的——经认证的维修站，那可能距离这里有一百二十五英里远？我觉得这真是个有趣的抉择。

是啊，这很大程度上取决于车手的经验，你知道的，我们非常尊重车手，也尊重他们的知识和专业技能。你知道，我觉得我自己、你，当然还有职业车手，都能看出并感觉到有些地方不太对劲。

对。完全正确。

他们希望对此进行调整。但随着我们迈向一个自动驾驶的世界——在那种世界里，驾驶员不再亲自驾驶，或者可能并非始终亲自驾驶——可能会出现这样一种情况：我们确实需要以一种全新的方式来监控这一过程。

是的。没错。而且必须把它同时安装在拖拉机和挂车上。确实如此。你知道，挂车也是一个非常重要的环节，我现在看到越来越多的车队开始在挂车上采用传感器技术。

是的。“智能挂车”是一个重要话题。而且，我们所讨论的这些内容都没有什么特殊之处。我认为这些内容既适用于牵引车，也适用于挂车。

没错。正如我之前提到的，就是鼓励车队率先尝试，这方面有一个很好的例子。我们目前正在研究挂车上的胎压监测系统（TPMS）或自动充气系统。虽然目前这些系统还未普及，但轮胎确实是最重要的环节之一。

事实上，我最近在这里遇到了一家车队，他们给车辆安装了胎压监测系统，而根据各州的路边检查数据来看，他们目前轮胎违规记录为零。

这在我们的行业里堪称非凡。这只是车队实际付诸行动的一个例子：他们从简单的事情做起，选择自己熟悉的内容，并加以应用。如今，他们不仅从中获得了经济收益，品牌形象也得到了提升。

14:22 车队管理中的数据利用

我们讨论的很多内容都依赖于数据。车队多年来一直在收集数据，但我认为其中很大一部分数据可能被堆放在一旁，从未被人查看过。请问，您认为通过智能利用数据来实现我们正在讨论的这些目标，能带来哪些机遇？

是的。我的意思是，这确实是该行业面临的一大挑战。我与许多车队交流时发现，虽然收集了大量数据，但这些数据都是孤立存储的，而且数据量过于庞大，任何车队都难以真正加以利用。所以，这确实是关键所在。

既然我们有了AI ，它就能真正发挥作用，生成这些——你知道的——可操作的洞察。而我们必须将这些可操作的洞察呈现给运营团队，而不是通过发给所有人的邮件链，也不是放在供应商的仪表盘里——在那里，它们只会埋没在某些供应商的平台中。这些洞察需要直接呈现在运营团队的工作场景中。没错。

让我们把这些功能整合到他们的车队管理系统中，或者整合到他们当天的任务调度系统里，或者整合到司机端——也就是车内的驾驶员面板里。没错。你得根据他们的实际运营情况来调整，而不是再叠加一层技术、一个屏幕，或者一个他们还得登录的门户。

这根本行不通。

没错。这确实是个很精辟的观点，因为部分数据需要上报给中央车队经理，以便其了解整体维护情况……并安排维护计划。部分数据则需要提供给司机，但答案是两者都需要。

这可不是说，好吧，只要给司机开发个应用程序，所有问题就都解决了。或者把数据随便扔到一英里外某个控制台里就行。这需要将所有这些要素结合起来。

嗯，这确实是关键所在，但我们之前还没深入探讨过。不过，在我与许多车队交流的过程中发现，他们在采用新技术或实施AI 时面临的挑战，主要是各业务部门之间存在严重的“信息孤岛”。要知道，这必须贯穿整个组织。首席运营官才是真正需要介入并确保所有业务部门通力合作、协同推进这项技术落地的人。 这必须包括维护部门、调度部门、健康与安全部门，当然还有IT部门——因为IT部门正是将所有环节串联起来并确保系统正常运行的关键。

显然，商用车队和商用车与乘用车不同，因为停机时间至关重要。停机时间就是金钱损失，直接的金钱损失。那么，您认为维护工作将如何改变这一现状？您认为我们实施更智能的维护、更智能的预测性维护，能否实质性地减少停机时间？

哦，当然了。是的。我的意思是，你知道，现在我们只能等到事情发生之后。失败已经发生了。

它已经触发了诊断故障代码（DTC）。我们需要抢在故障发生之前采取行动，实际上，我们可以在正常运行过程中从各个传感器收集数据，建立该特定平台的数字孪生模型，并及时发现其运行状态与该模型的偏差。因此，我可以在实际的DTC代码触发之前就做出预测。这正是其神奇之处。

这样我就能及时赶到现场，在设备在路上发生故障之前把它拖离路面。我最受不了设备在路上抛锚了。

没错。不过刚才我们讨论的只是单辆车辆的情况。我认为，机遇在于——你也提到了AI ——如果我们能够从整个车队层面进行分析，就能发现车队中的规律：比如，这辆车出现了某个问题，但现在我意识到，这个问题不仅影响了这辆车，还会波及其他车辆，或者其他车辆很快也会出现同样的问题。

嗯，如果他们使用的是相同的零部件的话。对吧？或者说，同一个一级供应商在不同的车队中都存在问题。不过，你知道，即使具体到某个品牌和车型，我们也会遇到该品牌和车型的具体问题。如果能在继续增加投入的车辆数量之前尽早发现这些问题，那简直就是一座金矿。

所以，在ACT展会上，各种类型的车辆琳琅满目。有重型工程机械，有公交车，有卡车，还有挂车……牵引车和挂车。您觉得这次展会上有哪些值得关注的地方？今天您主要关注哪些展品呢？

17:53 自动化与自动驾驶汽车

嗯，对我来说，就是回归自动化。 明白吗？现在很多公司都在大力推进自动化，将数据加以利用，而我则希望将自动化进一步延伸到自动驾驶领域——无论是公路运输还是场内运输，特别是在我们的8级卡车领域。因此，在ACT展会上，你可以看到许多自动驾驶车辆供应商正与一些原始设备制造商（OEM）合作，我期待看到这些车辆上路行驶，并且数量不断增加。

那么，当你想到自动驾驶时，你是否将其视为……你知道的，最后一英里的自动驾驶？

你认为这主要适用于高速公路吗？你认为该行业会如何采用这项技术？

嗯，我认为该行业首先会在分拨中心或枢纽站采用这种方式。我这里所说的就是“场内调配”。 也就是将挂车从集结区调运到装卸口，从装卸口驶出（即出库），以此类推，然后上路运输。基本上，就是那些长途运输——跨越多个州、超出电子行车记录仪（ELD）服务时长规定、横跨东西海岸的运输。 对吧？很多时候，我们会将挂车装上火车，通过铁路运输，但这并不总是可靠且准时的。但如果我们能将这些运输任务从公路转移到自动驾驶卡车上，让它们在不需加油的情况下连续运行32小时，那将是非常理想的情况。

原来如此。所以这其实是分拣中心工作内容的一种混合，人们可能不会把那里视为一个重要的领域。在那里，有很多需要大量人力参与的搬运工作。

哦，是在这块地里吗？是的。

嗯。

而且，正因为这是一个封闭的空间，它让你有机会以与在道路上不同的方式进行操作。

是啊。这样控制起来容易多了。我不用担心外界的看法。对吧？我真的可以，你知道的，完全掌控货场的工作方式和运作情况。说实话，这活儿可真不容易。你知道，如果你从来没开过码头牵引车或移车机，却要在装货时猛撞那辆挂车的后部，这活儿对体力要求可真高。

一整天都在做这件事，一个接一个地进行。

这工作倒也不是什么抢手的工作。对吧？大家还是更愿意在路上跑。是的。本地工作。

说到长途运输，你知道，我们很多司机都不愿意离开家人四五天。所以，这又是一款非常棒的应用程序，能够切实改善我们司机们目前的生计。

因此，我们真正需要的是利用不同的技术来解决正确的问题，因为这些问题可能各不相同。配送中心可以利用其对中心区域的高精度数据，或许还可以配备额外的信标等设备；而公路运输则面临不同的问题，需要更全面的高速公路地图系统等等。

嗯，AI 确实正在加速这一进程，它基本上是基于物理学的AI 。物理学AI 才是真正、真正地加大力度并加速自主和自动化运营发展的关键。

一想到所有这些系统协同运作，未来的前景就令人兴奋。我认为车队管理工作是一项艰巨的任务。你已经亲身体会到了这一点。

当然了。

但我认为，如果你能做得好，就能在业内取得令人难以置信的成果。

20:38 结论与未来展望

归根结底，你们必须积极拥抱技术。技术就在那里，而且行之有效。如果贵公司不积极拥抱技术，你们就会错失许多机会，而其他公司将会崭露头角，甚至可能——你们懂的——直接超越你们。

劳伦斯，我们进行了一场内容广泛的讨论，你在该行业的经验非常宝贵。感谢你抽空前来与我们交流。这是我的荣幸。我确实很享受这次交流，约翰。如果你喜欢本期节目的内容，请点赞并订阅，以便观看更多类似内容——包括来自ACT Expo的节目以及我们在世界各地制作的其他节目。感谢收看。我们很快再见。