先说数字：OSHA 公布的数据，美国每年约 85 起叉车死亡事故、3.49 万起重伤事故，行人被叉车撞到是主要致死原因之一（具体数字以 OSHA 公布为准）。叉车是仓库里最危险的设备，没有之一。
所以这两年 AI 视觉防撞火起来，我一点不意外。摄像头加算法，实时识别行人、测距、盲区预警，听起来像给叉车装上了眼睛。我的判断是：这东西方向没错，但千万别指望装上就高枕无忧。去年我跟过一个试点项目，实测里看到的坑，比厂商 PPT 里讲的多得多。
它到底是怎么"看见"的
AI 视觉防撞的核心就三件事。第一，行人检测：摄像头拍到的画面，算法实时框出行人，区分"人"和"托盘、货架、叉车"。第二，距离估计：结合单目测距或深度摄像头，算出行人离叉车的距离和接近速度，判断有没有碰撞风险。第三，盲区覆盖：叉车最大的杀手是盲区——转弯时的内侧、货叉升起挡住的正前方、倒车时的后方。摄像头布在这些位置，相当于把司机的视野补全了。
检测到风险后，系统一般分两级动作：先声光报警提醒司机，距离继续缩小就联动叉车减速甚至刹停。听起来很顺，但实测里每一环都有坑。
还有一个选型时容易忽略的点：算力放哪儿。摄像头端做边缘计算，延迟最低、断网也能工作，但设备贵；视频流传到服务器集中算，便宜，但对网络依赖大、延迟也多一截。试点那家仓一开始用集中式，Wi-Fi 一抖报警就慢半拍，后来关键路口全换成了边缘计算盒子。这个钱别省错地方。
别听厂商吹，实测就看四个数
第一个数，误报率。试点那家仓装完第一周，误报多到司机直接把报警器声音关了——货架立柱被识别成行人、反光背心挂在挂钩上也被框出来。一套天天狼来了的系统，等于没有系统。我的标准：误报多到影响正常作业的，直接判不合格。
第二个数，漏报。比误报更要命。重点测两种场景：行人蹲着理货（只有半个身子在画面里）、两个人并排走（算法把两个人当成一个）。漏报一次都可能是事故，试点验收时我要求连续两周零漏报才算过。
第三个数，响应延迟。从"人进入危险区"到"司机收到报警"，超过半秒就没意义了。叉车在仓内一般开 8～10 公里时速，半秒就是一米多。测的时候别信实验室数据，拿秒表在现场实测。
第四个数，夜班和粉尘环境下的表现。很多视觉方案在白天 demo 很漂亮，一到夜班灯光不足、或者旺季粉尘大的时候，识别率直线下降。验收必须覆盖夜班时段，这是最容易被厂商糊弄过去的一项。
跟蓝光灯和雷达比，强在哪、弱在哪
传统方案有三样：蓝光警示灯、倒车雷达、凸面后视镜。蓝光灯最便宜，一盏灯几十美金，作用是提醒行人"我来了"，但它是单向的——只提醒行人，不提醒司机，而且行人戴着耳塞听不见、玩手机看不见，灯就白装了。
雷达能测距，但分不清"人"和"货架"，误报率常年下不来，很多仓装完一年就拆了。后视镜最原始，全靠司机自觉——而 OSHA 的数据也说了，约七成叉车事故本可通过更严格的培训避免，恰恰说明"靠自觉"是最不可靠的防线。
AI 视觉真正的优势是"分得清"：能区分行人和物体，这是雷达做不到的。弱点也很明显：怕黑、怕脏（镜头糊了）、怕遮挡，而且一套系统的价格是蓝光灯的几十倍。我的 trade-off 很明确：行人流量大、交叉路口多的仓，AI 视觉值得投；叉车一天跑不了几趟的小仓，蓝光灯加限速加培训，钱花得更值。
落地之前，先把这几件事排好
第一，摄像头布点。先画一张仓内"事故热点图"：过去三年的叉车相关险肇事件都标出来，摄像头优先覆盖这些点位，别按厂商的"标准方案"均匀布点——标准方案覆盖的是厂商的方便，不是你的风险。
第二，标定和调试。装完必须做两周以上的调参期：误报阈值、报警距离、减速曲线，都要按你们仓的实际车速和人流调。跳过调参期直接上线的，我见一个翻车一个。
第三，跟车队管理系统联动。报警数据要进系统：哪台车、哪个时段、哪个位置报警最多，这些数据反过来能告诉你"哪个路口设计有问题""哪个司机习惯不好"。只报警不记录，等于把一半的价值扔了。
还有一个坑是人的抵触。试点那家仓，司机一开始普遍反感——觉得摄像头是监视他们干活的，有两个人甚至故意用纸箱挡住镜头。这事不能硬压，正确的做法是把数据用途说清楚：报警数据只用于安全改进，不进绩效考核；并且让司机参与调参，误报阈值他们最有发言权。司机从"被监视"变成"参与者"，系统才能真正落地。技术问题好解决，人的问题不解决，技术等于白装。
第四，ROI 算法。一次叉车撞人事故的成本：直接成本（医疗、赔偿、OSHA 罚款）加上间接成本（停工、保险上涨、士气打击），轻松超过一套 AI 视觉系统的投入。账要这么算，而不是只看"系统多少钱"。但反过来也要诚实：如果你们仓过去五年零事故、行人区和叉车道物理隔离做得好，这笔钱可以先不花。
最后留个问题给你：你们仓最大的风险，到底是"看不见"，还是"看见了也刹不住"？如果是前者，AI 视觉值得认真谈；如果是后者——司机超速、路口没减速带、行人通道形同虚设——那先把管理和物理隔离做好，再谈 AI。技术解决不了管理的问题，这个顺序别搞反了。
