“我们不缺报警，
我们缺的是知道哪个报警是真的。”
一年前，某公交公司每天要处理上百条安全报警，但大多是“噪音”。于是，他们做了一件非常大胆的事——通过部署锐明技术（002970）自主研发的SafeGPT 智能安全管理系统，把报警“砍掉”了95%。
结果显示：事故数下降 34% ; 有责事故下降 59% ; 赔偿金额下降 62%
这不仅是一次工具的升级，更是锐明技术（002970）将大模型能力引入商用车安全领域的一次质变突破。
01
报警很多，但没有用
这家公交公司运营规模可观，日均运营线路服务数十万市民出行。他们很早就安装了智能车载设备——DMS司机监测、ADAS前向碰撞预警、G-sensor车身姿态传感器（885946）。设备不缺，但问题出在“报警洪流”上。
司机偶尔低头、开窗、正常减速，都会触发报警。每天数百条告警中，真正需要干预的可能不到十分之一。安全员被迫在信息海洋中筛选，高危风险反而容易被淹没。
这不是一家公司的困境，而是整个公交乃至商用车行业的普遍痛点。
02
从“被动盯屏”到“精准识别”
2025年下半年，这家公交公司引入了SafeGPT。它不是一个新的报警系统，而更像一个“理解驾驶过程的安全分析师”。
传统系统逻辑很简单：闭眼→报警，分心→报警，本质是没有记忆、判断力的反应机器。SafeGPT则基于整个驾驶过程的上下文判断——是否深夜、路况是否复杂、司机是否长时间驾驶、司机过去一周的疲劳趋势如何，再判断这是不是一次真实风险。
结果是，系统精准完成风险筛选与识别，安全员只需要关注真正的高风险场景。他们的角色，也从“盯屏员”，升级为了“危机处置专家”。
03
数据会说话：半年后的真实变化
部署SafeGPT半年后，该公交公司的安全数据发生了显著变化。以下数据均为同期对比，已剔除非驾驶行为因素（如盲区、溜坡、车门失灵等）的影响：
特别值得关注的是“有责事故”指标——即由司机驾驶行为直接导致的事故。该指标单月下降 59%，表明 SafeGPT 不仅具备风险识别能力，更能在事故发生前将其化解。这一显著改善，正是其风险识别引擎和司机评价引擎对实际驾驶行为产生的影响。
04
它是怎么做到的？
SafeGPT的核心，不是“反应”，而是“理解”。它基于多模态具身认知大模型（VLM），通过锐明服务的百万级车辆的PB级多维数据训练，并结合真实驾驶中的风险对抗案例进行强化学习，在完整驾驶语境中判断风险。同时，由风险识别、事故识别、司机评价三大引擎协同运作，实现从风险感知、事故还原到行为优化的闭环管理。
风险识别引擎： 实时分析连续驾驶数据，理解驾驶上下文，做到风险的早期感知与动态调整。在这家公交公司的实际运行中，报警量降低了95%，但有效报警率提升90%——报得少，但报得准。
事故识别引擎：1秒内完成事故初判，1分钟固定证据，1小时内还原事故全貌。当事故不可避免地发生时，系统帮助车队迅速掌握来龙去脉，大幅缩短处置时间。
司机评价引擎：这是这家公交公司最看重的功能。系统为每位司机建立了一份“驾驶行为体检报告”，从疲劳驾驶、分心驾驶、激烈驾驶、违规驾驶四个维度，涵盖16类行为习惯、超过60种驾驶场景，精准定位问题与改进方向。
05
不是“监控”，而是“帮助”
在SafeGPT的设计哲学里，有一句核心理念：
“用事实说话，让司机信服。”
系统为每位司机生成一份"驾驶行为体检报告"，以疲劳驾驶、分心驾驶、激烈驾驶、违规驾驶四个维度，直观呈现司机的安全驾驶能力倾向——不是扣分，而是诊断。
每一项行为评价背后，都附有完整的视频证据链和场景过程还原。什么时间、什么路段、因为什么产生风险，风险点在哪里一目了然。系统不只是指出问题，更解释原因。
培训也因此改变，不再是"一刀切"的集体教育，而是针对每位司机最需要改善的行为做精准指导。比如同样是减速习惯不好，有的司机是红绿灯前急减速，有的是弯道急减速，有的是车距过近急减速——管理目标完全不同，培训内容也因人而异。
过去，司机常常抵触培训；现在，车队长拿着系统提供的证据链和行为分析与司机一起复盘，问题变得清晰，司机也开始主动改进自己的驾驶行为。
“以前培训司机，他不服你，觉得你在针对他。现在系统把证据摆出来，他自己就知道问题在哪了。”——该公司车队管理人员
设备，不再是"电子警察"，而是帮助司机看清并改善自己的“驾驶行为镜”。
06
管理的变革：从“盲目惩罚”到“精准培训”
引入SafeGPT之前，司机管理依赖经验判断：谁需要培训、培训什么，都不清晰。
现在，车队长每周只需查看系统生成的“重点司机清单”，即可看到哪些司机评分异常、每个司机的关键问题行为，以及对应证据与辅导建议。沟通也因此变得直接高效：带着材料与司机一对一讨论即可。
这也体现了SafeGPT的理念：AI负责“备料”，人负责“对话”。管理不再是大海捞针，而是精准制导。
07
超越数字的价值：安全管理的正向循环
如果仅仅看到事故率下降和赔偿金额减少，只是看到了冰山一角，更重要的变化是安全管理进入了自我强化的正向循环：精准感知 → 科学评价 → 针对性改善 → 数据回流 → 更精准的感知
系统的每一次识别结果都会回流到模型，让下一次的判断更准确；每一位司机的行为改善都会反映在画像里，让下一次的培训更有针对性。运行一个季度后，这个飞轮已经明显加速。这家公交公司的数据已经证明了这一点。而这，也在多个行业客户中被反复验证。
结语：“上了SafeGPT之后”的意义
“上了SafeGPT之后”——这是这家公交公司内部现在经常使用的一句话，用来划分前后两个时代。
“上了SafeGPT之前”，安全管理是被动的——等报警、等事故、等投诉，然后去处置。
“上了SafeGPT之后”，安全管理是主动的——系统精准识别风险、科学评价司机、精准培训改善。
事故率下降不是结果，而是这套系统运转的自然产物。
这家公交公司的实践并非个例，而是商用车行业向智能化安全管理转型的缩影。当每位司机拥有一位“影子教练”，每个车队配备一位“智能安全官”，行业整体的安全基线也随之被重新定义。
这，正是SafeGPT正在做的事。
作为商用车安全领域的领航者，锐明技术（002970）通过 SafeGPT 将二十年沉淀的行业经验转化为可落地的“数字生产力”，深度赋能行业平台。其核心搭载融合公交、出租、货运三大场景特性，结合地域环境与多维风险要素构建的专用大模型引擎，实现了从“人工盯屏”向“智能洞察”的跨代进化。
SafeGPT 不仅将海量碎片化告警转化为精准的风险预判，更以此为契机，推动锐明技术（002970）加速迈向 SaaS 平台订阅模式，通过持续的技术迭代与能力升级，为客户提供更加灵活、可扩展的服务支撑，持续重塑安全管理边界，引领行业迈入大模型驱动的 AI 安全新纪元。
关于SafeGPT SafeGPT是锐明技术（002970）打造的业界首个结合行业、地域和风险要素的大模型引擎。其搭载多模态具身认知大模型，提供风险识别引擎、事故识别引擎、司机评价引擎三大核心能力，已在公交、出租、货运等行业广泛商用，服务80,000+车辆。SafeGPT可部署在锐明视频安全云平台FT Cloud / PT Cloud / Alpha（ALP） 等平台，也可作为独立引擎灵活部署在客户环境中。
