EN

YAS 平台

面向機械風險的操作系統。

YAS 把機械的行為，轉化為單一、清晰的即時風險分數 — 讓機械運作更安全、風險定價更精準，而持牌保險公司始終保留定價權限。

1.27M
已評分行程
17M km
已評分公里
441K
駕駛小時
8.9 TB
遙測存檔

代理艦隊

每個評分背後，是一支代理艦隊。

每個步驟都有專屬代理：一個採集每個訊號並補上情境，一個評分，一個促使行為更安全並重新校準模型。訊號輸入，輸出標準化的 YAS 評分 — 每趟行程都更精準。

遙測來源

  • 電動車
  • 自動駕駛車
  • 無人機
  • 機械人

  1. 遙測流程代理

    採集與情境

    由 事件 API 與 SDK ＋ ODD 引擎 驅動

    採集每個機械訊號，再為每個事件標註它發生時的條件。

  2. 風險評分代理

    評分

    由 評分模型 驅動

    約一百個因子化為單一分數 — 並指出是甚麼令它變動。

  3. 0100

    YAS 評分

    標準化訊號

  4. 指導 / 校準代理

    回饋循環

    由 指導與真實理賠 驅動

    促使風險行為改善，並依真實理賠重新校準模型 — 使下一個分數更精準。

一個評分，多方持份者

  • 更快的營運行動

    凸顯並改善風險行為 — 更安全的運作、更低的損失。

    面向營運方

  • 更精準定價的風險

    可解釋、因子層級的風險視圖，輔助定價。

    面向核保方與資本方

  • 即時組合風險

    近即時監控組合與行程層級風險，並附警示。

    面向風險團隊

事件 API 與 SDK

每個訊號，在發生的瞬間捕捉。

車內一個小裝置每秒多次記錄機械如何行駛 — 運動與 GPS — 並即場整理數據。在雲端，每趟行程都會對應到當時的即時天氣，以及它實際行駛的道路。

以即時遙測、風險熱圖與互聯機械繪製的城市

運動與姿態

車內 IMU：前向、橫向與垂直加速度、俯仰／橫滾／偏航、旋轉率、G 力與航向。

定位與行程

GPS 位置、速度、航向與海拔，以及每趟行程的距離、時長與時區。

天氣

即時雨量、氣溫、紫外線指數、濕度與天氣警告。

道路與路線

經地圖匹配的道路類別、路面、環境、限速、城市密度、曲率與海拔。

機械遙測

訊號留在機械附近。

YAS 在靠近源頭處採集四個原始來源 — 運動、定位、天氣與道路 — 構成單一具行為感知的記錄。

運動

前向加速度橫向加速度垂直加速度旋轉與航向

定位

位置速度航向行程形狀

天氣

雨量氣溫紫外線指數濕度

道路

道路類別路面限速環境

事件 SDK

由裝置到已驗證記錄，只需數行。

車內 SDK 於邊緣採集運動與 GPS、本地預處理並批次後安全同步 — 情境、評分與認證在下游完成。

YasSDK · Swift
// Configure the in-vehicle edge SDK
let yas = Yas.configure(
  trackerId: "TRK-3194",
  vehicleId: "EV-0427"
)

// Start a trip — motion + GPS captured at the edge
let trip = yas.startTrip(type: .passenger)

// Samples stream as the machine moves
trip.onSample { s in
  // s.xyAcceleration · s.zAcceleration · s.location
}

// End → batched, synced, scored downstream
let record = await yas.endTrip(trip)
print(record.auraScore)   // 0–100

資料情境標註

在真實情境中解讀風險。

原始遙測若無情境便毫無意義。急煞在乾燥高速公路上稀鬆平常，在學校區的濕滑下坡卻令人警覺。

ODD 引擎為每個事件標註它發生時的確切條件 — 道路、車速、天氣、密度 — 讓風險在情境中被解讀，而非抽空判斷。這份歷史本身也是護城河：新進者無法為從未記錄過的路況追溯標註，而我們的數據隨每趟行程持續累積。

Operational Design Domain

  • 道路類別
  • 速度區間
  • 曲率
  • 坡度
  • 車道
  • 路面
  • 城市情境
  • 道路環境
  • 交通密度
  • 天氣
17M km
已標註 ODD 的敞口

我們追蹤的風險因子

超速

  • 超速頻率
  • 超速強度
  • 相對交通超速
  • 特定環境超速
  • 彎道超速

縱向控制

  • 煞車頻率
  • 加速頻率
  • 坡度調整煞車強度
  • 坡度感知加速強度
  • 滾動停車頻率

穩定性與操控

  • 高 G 力事件
  • 突然變線
  • 駕駛穩定性（曲率）
  • 加加速度平順度

駕駛狀態

  • 疲勞訊號

環境與情境風險

  • 路面風險
  • 運作區域密度
  • 天氣相關頻率
  • 陽光眩光風險
  • 高風險區域地理圍欄

效率

  • 過度怠速
黃昏街道上共用道路的電動貨車、路面機械人與配送無人機
“一整類機械 — 自動車隊、機械人、人形機械 — 過去一直無法真正量度自身的風險。YAS 改變了這一點：營運方終於能看清每部機械運作有多安全、減少損失，並贏得擴展所需的信任。”
William LeeYAS 創辦人

評分模型

以單一尺度為任何機械評分。

YAS 把每趟行程拆解為約一百個風險因子，再整合成單一分數 — 任何車輛、車隊或機械，無論身處何地，都用同一把尺。

~100
標準化風險因子
17
安全參數
807,480
已追蹤電動車隊行程

而且它會解釋自己。當分數變動，YAS 會指出是哪些行為造成的 — 而不只是說它變了。這個「為甚麼」，才是核保方真正能據以行動的。

評分如何構建

YAS 評分

1

行為追蹤

2

分解

3

逐項評分

4

標準化評分

5

行為獎勵

6

校準

應用場景

五個產品畫面。同一個即時訊號。

五個產品畫面展示 YAS 如何把原始機械遙測轉化為風險智能——追蹤機械、整理風險，並把同一個訊號帶給車隊營運商與保險夥伴。

01 / 05
即時機械追蹤
即時機械追蹤儀表板，顯示活躍車輛、路線狀態和車隊風險指標。

功能 01

把所有活躍機械放到同一張地圖上

配送機械人、電動的士、AV — 顯示即時速度、YAS 分數與事故旗標。Robot-07 在路線中途停下：系統已標示速度異常，並觸發保單檢視。

密碼學溯源

無人能爭議的已驗證記錄。

一個分數，唯有營運方以外的人願意信任，才算數。YAS 把每筆記錄轉化為證明，並附三項保證。

密碼學溯源

由採集到認證的防篡改鏈。記錄無法被追溯更改。

結構性中立

營運方無法編輯自身記錄。防火牆屬架構性，而非合約性。

受監管地位

受監管牌照與承保方共同簽署，使認證具備監管機構已認可的依據。

營運方為自身安全作認證，等同自己批改自己的功課。中立性才是重點 — 而它建構於架構之中，並非合約上的承諾。

管治

信任不容妥協。

監管機構期望 AI 公開、可問責且易於解釋。YAS 從第一天起便如此構建 — 而非事後補上以通過審查。

[符合監管要求]

按監管機構對 AI 的期望而構建。

[完整審計軌跡]

每項輸入、評分與解釋均加上時間戳並保留。

[清晰易懂的理由]

每個評分都附有人人可讀的清晰解釋。

[由人作決定]

由具資格的人員作出最終決定。

[公平性測試]

評分經檢驗，確保沒有任何群體受到不公對待。

每個分數都有理由

每個分數都附有背後具體行為的清晰解釋 — 營運方、決策者與監管者都能理解。

由人作最終決定

YAS 提供風險全貌，但從不作出決定。每項決定均由具資格的人員審核及簽署。

更新先經測試

任何模型更新上線前，都會以真實營運數據測試，並須通過嚴格的安全檢查。

一切皆有紀錄

每項輸入、評分與建議均經記錄並加上時間戳，任何決定日後皆可追溯與檢視。

實際應用

獲機械經濟各方信賴。

JOIE 電動的士
JOIE 電動的士面向電動車隊營運方

司機風險與安全監測

每位司機的 YAS 評分凸顯高風險行為與改善方向 — 更安全的車隊、更低的損失。

蘇黎世總部
Zurich面向保險公司

動態、按行為定價

保障直接按 YAS 評分定價，使保費反映真實行為，而非靜態替代指標。

自主服務機械人
Axonex面向機械人營運方

安全與損失降低

機械人的 YAS 評分顯示其運作有多安全 — 減少事故與損失，並讓新部署從第一天起就建立可信的紀錄。

立即開始

為每部機械配上經驗證的風險訊號。

與我們洽談為您的車隊、機械人或自主系統評分 — 或了解 YAS 現已運行之處。

聯絡我們