英国交通部的统计曲线正在变得难以忽视：电动滑板车伤亡人数从2020年的454人增至2025年的1,477人，增长超过两倍。德国警方2025年记录16,496起造成伤害的电动滑板车事故，同比上升38%；法国电动滑板车死亡人数从45人增至80人，几乎翻倍。运营商、市政委员会和道路安全组织试图通过基础设施改造、骑行者教育、执法和车辆设计来扭转趋势，但一个结构性缺口始终存在——关于车辆实际如何、在何处被骑行的直接证据往往有限。现有运营数据大多停留在车辆位置、电量和订单起止点层面，无法回答一个更基础的问题：这辆车在两次订单之间，究竟经过了怎样的路径，与行人和其他道路使用者发生了怎样的交互。
这个缺口正是Nearhuman试图切入的位置。这家总部位于布里斯托尔机器人实验室的物理AI初创公司，正在开发一种可加装到已在街上运营车辆上的摄像头模块，让车载AI实时检测人行道骑行、与行人的险情以及道路危险。2026年10月6日，公司宣布完成35万英镑种子前轮融资，由SFC Capital领投，资金将用于产品开发、实地测试和商业部署。从产品形态看，Nearhuman没有选择制造新的共享车辆，也没有试图替代既有的车队管理系统，而是把感知能力作为独立模块叠加到存量车辆上。这个选择意味着它必须同时解决端侧算力、隐私合规和运营商付费意愿三个彼此牵制的问题。
Nearhuman的切入点并非制造新的共享车辆，而是给已经在城市中行驶的电动滑板车和电动自行车加装感知层。公司称，视频在车端完成处理和脱敏，敏感视频无需离开车辆。这一设计同时回应了两个约束：隐私合规与端侧算力限制。从已披露的技术路径看，Nearhuman试图在数据采集的最小必要原则与安全洞察的颗粒度之间找到平衡点；但布里斯托尔试点仍在测试阶段，这一平衡能否在真实运营环境中成立，尚未被验证。更关键的是，脱敏后的结构化数据是否仍然足够有用，能否让运营商和市政委员会据此做出干预决策，这本身就是一个需要被验证的产品假设。
| 字段 | 内容 |
|---|---|
| 公司 | Nearhuman |
| 轮次 | 种子前轮 |
| 金额 | 35万英镑 |
| 投资方 | SFC Capital（领投） |
| 总部 | 英国布里斯托尔（Bristol Robotics Laboratory） |
| 创始人 | Faizan Mir |
| 官网 | https://scootrr.com/ |
端侧处理不是技术偏好，而是微出行场景的合规前提
在共享电动滑板车上安装摄像头，首先触发的不是技术问题，而是隐私问题。车辆穿行于人行道、学校门口、住宅区，持续采集街景视频。如果原始画面需要上传云端才能完成分析，运营商将同时面对数据保护监管、市政许可条件和公众信任三重压力。英国和欧盟的数据保护框架对公共空间视频采集有严格限制，共享出行运营商在申请市政许可时，往往需要就数据采集范围、存储期限和访问权限做出明确承诺。Nearhuman选择在车端完成视频处理和脱敏，据公司披露，敏感视频无需离开车辆。这意味着系统输出的不是原始影像，而是结构化的安全事件信号——例如某辆车是否在特定路段驶上人行道、是否与行人发生近距离交互。这种设计把隐私合规从运营层面的附加成本，转化为产品架构的一部分。
这一架构的意义需要放在端侧AI的物理约束中理解。电动滑板车的供电、散热和算力预算远低于自动驾驶汽车，无法承载高功耗的云端级推理芯片。公司称其技术路线围绕“在有限算力下运行、减少对持续云连接的依赖”构建。从已披露的信息看，Nearhuman的产品形态更接近一个轻量级边缘推理节点，而非完整的自动驾驶感知栈。这种取舍降低了单车硬件成本，但也限制了可运行的模型复杂度。布里斯托尔实况试点能否证明检测精度在真实光照、天气和振动条件下仍然可用，是产品从演示走向部署的第一道门槛。电动滑板车在行驶中的振动频率和幅度远高于乘用车，摄像头模块的固定方式、图像稳定算法和模型对运动模糊的容忍度，都会直接影响检测结果的可用性。这些问题在实验室环境中难以完全模拟，只能通过真实道路测试逐步暴露和修正。
35万英镑的资本结构，买的是验证窗口而非规模扩张
35万英镑的种子前轮融资，在2026年的英国AI创业语境中属于典型的小额首轮。这个金额不足以支撑多城市扩张，也不足以覆盖大规模硬件生产和车队改装成本。SFC Capital作为唯一披露的领投方，其投资逻辑与金额本身同样值得拆解。据投资方声明，SFC Capital自2012年以来已投资超过650家初创公司，定位是英国最活跃的种子阶段投资者。SFC Capital负责人Ed Stevenson在通稿中将Nearhuman的定位从微出行安全工具抬升为“物理世界的智能层”——这一表述更接近投资叙事，而非当前产品能力的直接描述。从SFC Capital的投资组合特征看，它倾向于在极早期阶段以小额资金进入，通过后续轮次和天使联合体分散风险。这种模式下，单笔投资的意义往往不在于立即验证商业模式，而在于获得一个观察窗口，判断团队能否在有限资源下完成关键假设的验证。
从资本结构看，这轮融资的规模决定了它的核心用途不是铺设车队或扩张城市，而是支撑一个可验证的试点。公司称布里斯托尔实况试点正在真实环境中测试系统，并计划在未来数月发布更多AI产品。35万英镑对应的是一个精干团队在单一城市完成技术验证和早期商业对话的资金窗口。问题在于，微出行运营商的付费意愿和市政委员会的采购周期都远长于消费级软件，这个窗口是否足够长，取决于试点能否在数月内产生可量化的安全改善证据。如果试点数据无法在窗口期内转化为至少一家运营商或市政委员会的付费意向，下一轮融资的叙事基础就会变得薄弱。对于硬件加软件的产品形态，35万英镑还需要覆盖原型迭代、安装维护和测试车辆的运营成本，资金使用的容错空间相当有限。
共享微出行的数据缺口真实存在，但付费方与受益方并不重合
Nearhuman面对的市场矛盾是真实的：共享电动滑板车和电动自行车的运营数据通常停留在车辆位置、电量、订单起止点层面，缺乏对骑行行为的细粒度理解。运营商难以识别高风险骑行者，市政委员会难以评估哪些路段的基础设施设计催生了危险行为。英国、德国和法国的伤亡数据表明，安全压力正在上升，而现有的干预手段——基础设施改造、骑行者教育、执法——都缺乏持续的行为数据反馈。Nearhuman提出的方案是用已在运营的车辆作为移动感知节点，为运营商提供安全洞察，并计划为市政委员会提供道路、自行车道和人行道状况的街道级信息。这个思路在逻辑上成立：车辆本身就在城市中移动，加装感知模块后，每一辆车都可能成为一个移动的数据采集点，覆盖固定摄像头无法触及的路段。
但这条商业路径存在一个需要正视的结构性问题：安全数据的主要受益方是市政委员会和道路安全监管者，而直接采购方是运营商。运营商为安全洞察付费的意愿，取决于这些洞察能否转化为可量化的商业回报——例如降低事故率、减少保险成本、满足市政许可中的安全条款。如果安全数据不能帮助运营商在续约谈判或保险定价中获得实际利益，付费动力就会弱化。共享微出行本身是一个利润率偏薄的行业，运营商对每辆车每月新增的固定成本高度敏感。Nearhuman尚未披露具体客户名单，也未披露运营商付费意愿的验证结果。市政委员会作为第二类目标客户，其采购周期和预算审批流程更慢，且通常需要先看到跨车队、跨运营商的数据整合能力，而非单一厂商的试点报告。这意味着即使布里斯托尔试点产生了积极数据，市政委员会的收入转化也可能需要更长的周期，无法在短期内弥补运营商付费意愿的不确定性。
与替代方案的竞争不在算法层面，而在部署成本和数据闭环
来源材料未披露Nearhuman的直接竞争对手信息，但可以从替代方案的角度理解其竞争位置。当前微出行安全管理的替代路径至少包括三类：一是运营商自有的车辆遥测数据，包括速度、加速度、定位，这类数据已存在于现有车队中，边际成本极低，但无法识别人行道骑行和行人交互等空间行为；二是城市级固定摄像头网络，覆盖范围受限于安装位置，且涉及更复杂的公共监控治理；三是骑行者教育与执法，属于制度性干预，不产生持续的行为数据。这三类路径的共同特点是：要么数据颗粒度不足，要么覆盖范围有限，要么无法形成持续的数据闭环。Nearhuman的差异化在于将感知能力直接部署到移动车辆上，理论上可以覆盖固定摄像头无法触及的路段，并产生与具体车辆绑定的行为数据。
但这一优势的成立依赖于两个前提：第一，加装模块的成本足够低，低到运营商无需更换车队即可规模化部署；第二，端侧处理输出的结构化数据足够可靠，能够支撑运营商和市政委员会做出决策。目前公司未披露单车加装成本、检测准确率或试点规模，这两个前提均处于待验证状态。从已披露的“可加装到已在街上运营的车辆”这一产品形态看，Nearhuman试图绕开车辆更换周期，直接切入存量车队，这在商业上是一个合理的选择，但硬件改装本身会带来安装、维护和防盗等新的运营成本。共享电动滑板车的使用环境比普通消费级设备更恶劣，暴露在雨水、灰尘和频繁搬运中，摄像头模块的耐用性和防盗设计会直接影响运营商的接受度。此外，如果检测结果需要人工复核才能达到可用的准确率，那么端侧处理的成本优势就会被人工成本部分抵消。
创始人的机器人背景与“物理AI”叙事之间存在真实但尚未兑现的跨度
Faizan Mir的履历为Nearhuman提供了技术可信度的基础。据公司披露，他现年24岁，曾在UWE Bristol学习机器人技术，16岁时代表北印度参加IndiaSkills移动机器人项目并获得卓越奖章。他在通稿中引述父亲的问题——“How does a flamethrower help people? Build something that makes the world a better place.”——作为创业动机的起点。这一叙事在通稿中承担了情感连接的功能，但Nearhuman的商业化命题并不依赖创始人故事，而依赖一个更冷峻的问题：一个24岁的创始人能否在共享出行运营商的采购体系中建立信任。共享微出行运营商通常与硬件供应商、保险机构和市政监管方保持长期合作关系，采购决策涉及安全合规、数据责任和运营稳定性等多重考量。创始人的技术背景可以支撑产品开发，但商业信任的建立需要时间和可验证的运营记录。
投资方SFC Capital将Nearhuman定位为“物理世界的智能层”，创始人Mir则明确表示“Technology on its own won’t fix that. Better streets, education and enforcement all matter.”这两种表述之间存在微妙的温差。投资方的叙事指向一个更大的平台化未来，创始人的表述则更谨慎地将技术定位为“提供更清晰的证据”。从已披露的产品路线看，Nearhuman当前的实际交付物是一个面向特定车辆类型的车载安全检测模块，而非一个通用的物理AI平台。公司称正在开发更广泛的物理AI技术组合，但未披露具体方向。将本轮融资解读为“物理AI平台”的起点，更多是投资方的框架性表达，而非当前产品能力的直接映射。这种叙事温差本身并不罕见，但它意味着外部观察者需要区分投资方的愿景陈述和公司的实际交付节奏，避免将平台化叙事误读为已验证的产品能力。
资金用途指向试点深化，但商业化的验证路径仍不清晰
公司披露本轮资金将支持产品开发、实地测试和商业部署。这三个用途中，“实地测试”是当前最明确的动作，布里斯托尔试点已经在真实环境中运行。但“商业部署”的含义需要更精确的界定：它指的是与某家运营商签署付费合同，还是将试点扩展到更多车辆，抑或是启动市政委员会的付费试点项目？来源材料未提供答案。从融资规模看，35万英镑更可能支撑的是小规模商业试点，而非真正意义上的规模化部署。如果“商业部署”指的是在布里斯托尔试点基础上增加车辆数量或延长测试周期，那么它仍然属于验证阶段的一部分，而非收入阶段的开始。
从微出行行业的运营逻辑看，Nearhuman需要回答的验证问题至少包括：端侧AI在电动滑板车的振动、供电波动和网络间歇条件下能否稳定运行；检测到的人行道骑行和险情事件能否形成运营商可操作的安全干预闭环；脱敏后的数据能否满足英国和欧盟的数据保护要求；运营商是否愿意为每辆车每月支付额外成本来获取安全洞察。这些问题中，前两个可以通过布里斯托尔试点获得初步答案，后两个则需要与具体客户进行商业谈判才能验证。35万英镑的融资规模决定了Nearhuman无法同时推进多个城市的试点，因此布里斯托尔试点的数据质量将直接影响下一轮融资的叙事基础。如果试点数据能够证明检测准确率在真实环境中达到可接受水平，并且至少一家运营商表达了付费意向，那么下一轮融资的路径就会清晰得多。反之，如果试点数据只能证明技术可行性而无法证明商业可行性，Nearhuman可能需要重新审视其产品定位和客户策略。
风险不在技术可行性，而在付费方是否愿意为“证据”买单
Nearhuman的核心假设是：共享微出行行业存在一个未被满足的数据需求，运营商和市政委员会愿意为更清晰的骑行行为证据付费。这个假设的前半部分有公开数据支撑——英国、德国、法国的伤亡统计都指向安全压力的上升；后半部分则缺乏公开证据。运营商已经在为车辆硬件、电池更换、保险和维护支付成本，安全数据能否成为一个独立的付费品类，取决于它能否被证明可以降低其他成本项。如果安全数据能够帮助运营商降低保险费率、减少事故赔偿或在市政许可续约中获得更有利的条件，那么它就有机会从成本项转化为投资项。但这一转化路径尚未在任何公开材料中得到验证。
另一个待验证的假设是市政委员会作为第二收入来源的可行性。公司计划利用已在城市中行驶的车辆采集道路、自行车道和人行道状况信息，这本质上是一个众包式城市感知网络。但市政委员会的数据采购通常需要经过公开招标、数据标准和隐私评估，且更倾向于与已有合作关系的供应商合作。一个种子前轮阶段的初创公司要进入这一体系，需要的时间周期可能远超35万英镑所能支撑的窗口。从已披露的信息看，Nearhuman尚未公布任何市政合作试点或付费意向，这一收入来源目前仍处于规划阶段。市政委员会的数据需求与运营商的安全洞察需求在数据格式、更新频率和交付方式上可能存在显著差异，Nearhuman能否用同一套硬件和数据处理管线同时服务两类客户，也是一个尚未被验证的产品问题。
公司成立年份、具体客户名单、竞争对手信息以及除SFC Capital外的其他投资方均未披露。这些信息缺口本身不构成对公司的否定，但意味着外部观察者无法判断Nearhuman的运营历史、客户验证进度和竞争定位。对于一家以“物理AI”为叙事框架的公司而言，布里斯托尔试点的结果将是比融资公告更重要的信号。融资公告只能说明投资方愿意在一个特定时间点承担风险，而试点数据才能说明产品是否真的能够在真实世界中产生可验证的价值。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：Nearhuman把摄像头装进共享滑板车，试图补上微出行安全治理中最稀缺的一环——关于车辆实际如何被骑行的直接证据。端侧处理让隐私合规从成本项变成产品设计的一部分，这是它区别于云端监控方案的关键。但35万英镑买到的只是一个验证窗口，真正的考验不在算法能否检测人行道骑行，而在运营商是否愿意为“证据”付费、市政委员会是否愿意把街道感知外包给一支滑板车车队。布里斯托尔试点的数据，将决定这个物理AI故事是走向下一轮融资，还是停在通稿里。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。