今天分享的产品也很应景假期，一款 AI 做自动验车的产品：Dream，https://www.pingdream.com/
租车时，很多人都有一个习惯：拿到车以后，先绕着车走一圈，把车门、保险杠和轮毂上的划痕全部拍下来。
过程中最担心的就是拍的不仔细，担心还车时发生争议。万一工作人员发现一道划痕，认定是自己造成的，事先拍下的照片就成了重要证据。
租车公司也有同样的烦恼，一辆车可能一天进出好几次，员工每次都要检查、拍照和记录。
等到某处损伤终于被发现，往往已经很难确定是什么时候、由谁造成的。
今年进入 Y Combinator 夏季创业加速器的 Dream，想用一种非常简单的方式解决这个问题：
把几枚小型 AI 摄像头安装在车辆每天必经的门口，实现自动验车。
车辆经过时，摄像头自动从不同角度拍照，识别车牌并建立外观记录。
等它下一次回来，AI 再对比两次影像，检查哪里多了一道划痕、哪里出现了凹陷，并保存相应证据。
整个过程不需要员工拿着手机绕车检查，也不必要求司机停车配合。
Dream 成立于 2026年，目前只有两名创始人，已经开始在旧金山周边的汽车经销商进行试点，但尚未公开正式客户数量、营业收入和损伤检测准确率。
为什么不用手机拍照，而要专门安装摄像头？
车辆检查并不是一个尚未数字化的行业，一些汽车租赁公司已经开始使用手机验车软件。
工作人员按照 App 提示，依次拍摄车辆的四周、轮毂和保险杠，AI 再分析照片，标记可能存在的损伤。
今年 7月，一家名叫 Self Inspection 的创业公司获得了由 Meta 前首席运营官 Sheryl Sandberg 领投的 1000万美元融资。
这家公司不要求客户购买任何专门设备，只需要给员工或车主发送一个链接，就可以通过手机完成车辆检查。
公司披露，截至融资时，其平台已经完成超过 100万次车辆检查，客户覆盖租赁车队、汽车金融、车辆拍卖等场景。
Dream 的联合创始人 Ryland Birchmeier 却发现，这类产品依然有一个问题：员工必须记得使用它。
写到这里我不由得感慨：这是多么小、多么不起眼的细节，却真实的成为了一个产品切入口。
对于每天处理几十辆车的租赁公司或者经销商来说，哪怕手机验车只需要几分钟，只要业务繁忙，就可能有人跳过检查。
照片记录一旦缺失，后续即使发现损伤，也很难补回当时的证据。
Dream 决定不再要求员工主动拍照，而是把摄像头固定在车辆必经的位置，让检查成为正常业务流程的一部分。
它的相机只有口袋大小，使用电池供电，可以安装在经销商维修入口、租车公司出口和设备场站等位置。
公司官网展示的一个例子是：
编号 214 的车辆上午 8点42分离场，系统自动保存 12个同步视角的照片；下午4点18分返回时，系统再次拍摄，发现驾驶侧出现新的凹陷，并将前后影像关联起来。
每一次经过，都会被整理成这辆车自己的外观记录。用户不仅能查看最新的损伤，还可以回到历史记录，检查某个具体时间点车辆是什么状态。
这与普通监控摄像头有很大区别，监控记录的是某个地点发生过什么，而 Dream 希望记录的是某件资产发生了什么变化。
两个创始人，都做过现实环境中的视觉 AI
Dream 的两名创始人 Ryland Birchmeier 和 Alexander Halpern，都曾在弗吉尼亚大学学习计算机科学。
Ryland 此前在 X/xAI 及航空影像公司 Vexcel Imaging 工作，参与过利用航空图像识别现实资产损伤的项目，包括检测表面材料的退化。
Alexander 曾在亚马逊云科技开发智能体，另一段经历则更加特别：他为野生动物保护组织 Panthera 训练过一套计算机视觉模型，将其部署在非洲和印度的野外摄像头中，用来识别偷猎者。
这些经历恰好与 Dream 面对的技术难题有关。
车辆损伤识别远不只是让 AI 认识划痕，同一辆黑色汽车，早上阳光直射与晚上下雨时拍出来的照片可能完全不同。
车漆反射、表面污渍、拍摄角度变化，也都可能影响判断。
Dream 使用多视角拍摄和三维重建，希望在不同时间拍摄的影像之间建立可靠的对应关系，进而判断哪些变化是真正新增的损伤。
而现实部署的难度，最近也已经体现在它的试点中。
9月下旬，Ryland 透露，团队正在旧金山附近的一家斯巴鲁经销商进行试点，并为摄像系统增加了照明设备。
改善后的灯光，让相机更容易发现小划痕和凹陷，对深色汽车的帮助尤其明显。
这说明即使 AI 模型具备损伤识别能力，真正部署时仍然需要解决拍摄环境的问题。
Dream 未来能否保留低成本、容易安装的优势，很大程度上取决于它需要多少额外的灯光、校准和硬件维护。
UVeye 证明了有市场，Dream 想把设备做得更轻
Dream 不是第一家尝试自动化车辆检查的公司。
目前，这个市场已经出现了一家规模大得多的企业：UVeye。
与 Dream 的小型摄像头不同，UVeye 提供的是专业车辆扫描通道。一辆汽车驶入后，系统从多个角度检查车身、轮胎和底盘，再利用 AI 识别损伤与其他异常。
因此，自动验车并不是 Dream 独自发现的一项新需求，越来越多的汽车公司已经开始尝试用AI替代部分人工检查工作。
但 Dream 与 UVeye 采用了不同的产品路线。
UVeye 提供完整的扫描设备，可以检查车身之外的轮胎、底盘等部位，适合车辆流量较大、需要全面检测的业务场所。
Dream 则希望通过几枚小型摄像头，以更低的安装和使用门槛，覆盖那些不适合建设大型扫描通道的场景。
例如，一家只有几十辆车的租赁公司，或者每天有少量工程机械进出的设备场站，未必需要投资一整套大型车辆扫描系统。
如果安装几枚小相机，就能自动保存每台设备进出时的外观记录，那么原本不值得部署自动检测系统的客户，也有机会用上这类产品。
这也是 Dream 选择同时面向乘用车、货车、拖车和工程机械等不同资产的原因。
卖的不是划痕识别，而是可追溯的证据
假设一辆租出去的汽车回来后，工作人员发现右侧车门多了一块凹陷。
仅仅知道车门有损伤，并不能判断是谁造成的。真正有价值的，是找到车辆离场前的照片，确认当时是否已经存在同样的凹陷。
汽车经销商也有相似的问题。
客户把车送去维修，过几天来取车时，发现保险杠上有一道划痕。如果没有车辆入场时的影像，双方很可能陷入争执。
Dream 希望通过每一次车辆进出的自动记录，把这类争议转化成可以回查的证据。
而对于经销商来说，这套设备还存在另一种商业价值。
如果车辆刚进入维修区时，系统就发现了客户此前没有注意到的轮毂损伤或者车身刮蹭，经销商便可以在客户确认后，提供额外的维修服务。
因此，同样一套设备，对不同客户有着不同用途：租赁公司希望减少损伤漏检和责任争议，经销商则既可以保存交接证据，也可能增加维修机会。
从长期来看，如果一辆车从购入、出租、维修到二手出售的外观记录能够持续积累，这份历史档案本身也会变得越来越有价值。
不过，证据能不能让双方信服，除了取决于拍摄质量，还取决于记录是否完整、时间是否可靠，以及出现争议时能否调出原始影像。
Hertz 的 440美元账单，暴露了 AI 验车的另一面
车辆损伤检测并不是准确率越高，就一定越受欢迎。
2025年，Hertz 部署 UVeye 之后，一位客户在亚特兰大机场归还租赁汽车，系统发现后轮毂上有一道约一英寸长的刮痕。
随后，他收到一张 440美元的账单，其中 250美元为维修费、125美元为处理费，另外 65美元是行政费用。
另有客户因两处小凹痕收到 350美元账单。相关事件被媒体报道后，引起了美国消费者和部分国会议员对 AI 检测及收费流程的关注。
Hertz 当时向相关机构披露，在已经接受扫描的超过 67.5万笔租赁中，97%以上没有产生需要收费的损伤记录。
但这一数据并没有消除消费者对费用计算和申诉流程的疑问。
这件事暴露出一个容易被忽视的问题：AI 能够发现损伤，并不代表它应该决定谁来赔偿，以及赔偿多少。
以前人工检查可能忽略一些很小的划痕，现在机器能够将它们全部记录下来。但哪些属于正常磨损、哪些需要维修、是否应该向客户收费，都还涉及业务规则和人为判断。
对于 Dream，这同样是一个需要认真处理的问题。
如果它未来成为车辆交接的重要记录工具，就需要让客户和工作人员方便地查看前后照片，并支持人工复核有争议的检测结果。
否则，一套原本希望减少纠纷的系统，也可能因为过度依赖自动判断而制造新的纠纷。
两个人的公司，还需要证明什么？
Dream 目前仍然处于非常早期的商业验证阶段。
虽然已经开始在汽车经销商部署试点，但公司尚未披露正式付费客户数量、设备定价、损伤检测准确率及客户实际节省的成本。
对它来说，接下来最重要的不是继续展示 AI 能够识别多少种损伤，而是证明这套设备在现实场景中确实可以长期稳定工作。
首先，摄像头需要适应不同光线、天气和车辆行驶速度。
如果想要准确识别细小损伤，需要增加大量照明和校准设备，那么它在安装便利性上的优势就可能减弱。
其次，系统必须控制误报。将雨水、灰尘或者车漆反射错误地识别为新损伤，可能反而增加员工的复核工作。
最后，企业需要算清楚经济账。
安装整套系统后，究竟能够减少多少检查工时、发现多少原本容易漏掉的损伤、避免多少责任争议？这些才是客户决定是否持续付费的依据。
Dream 现在还没有公开足够的数据来回答这些问题，因此不能仅凭产品演示，就认定它已经建立了成熟的商业模式。
不过，从 UVeye 已经达到的部署规模，以及 Self Inspection 完成的百万次检查来看，企业对于数字化车辆状态记录的需求已经获得了实际验证。
Dream 现在要证明的，是能否用一套更轻便、更容易部署的设备，让这项能力进入更多中小型场站。