夜雨聆风每天骑着电动自行车到公司，停车、充电、上楼办公——对不少联想人来说，这是一套再熟悉不过的通勤流程。
但你或许没有留意到，在北京总部园区的电动车棚上方，有一位新“同事”正在沿着轨道来回巡查。它重量不足六公斤，却能看见人眼难以察觉的异常温升；不怕风沙雨雪，也不需要换班休息。
它就是联想自研的AI轨道巡检机器人。
继第一期探访北京园区地下车库的“AI最强大脑”后，本期《走进联想看AI》把镜头转向与很多同事日常通勤密切相关的电动车棚，看看AI如何从细微处入手，为园区安全增加一道新的防线。
一辆电动自行车，为什么需要AI来守护？
电动自行车方便、灵活，是不少同事通勤路上的好搭档。但在集中停放和充电的场景中，电池热失控带来的风险同样不容忽视。
一辆发生热失控的电动自行车，从冒烟、起火到形成爆燃，可能只需要一分钟。真正留给现场人员发现异常并采取措施的时间窗口非常有限。
联想北京总部园区西区共有超过三百五十三个电动车停车位，车棚总长度达到三百米。过去，车棚安全主要依靠物业人员全天候巡检。
这道人工防线不可或缺，但也有其天然局限：巡查会受到班次、频次、天气和视野范围的影响；更重要的是，人眼可以看见烟雾和明火，却很难及时察觉电池内部正在发生的异常升温。
正如联想集团物业经理张文博在节目中所说：
“受班次、巡逻频次和视野范围的影响，光靠人力很难做到无死角覆盖。”
于是，一个很实际的问题摆在团队面前：能不能让风险识别再早一点，让车棚巡查再全面一点？
这一次，答案是AI。
车棚顶部，多了位不知疲倦的“新同事”
为解决这一安全管理难题，联想集团自研了一套AI轨道巡检机器人方案：由联想研究院提供底层AI算法能力，来酷科技负责硬件研发和场景化落地，并率先部署在联想园区车棚。
目前，这台机器人正沿着车棚顶部的轨道执行巡检任务。
机器人每隔三秒自动采集一次图像，最快约四分四十秒便可完成整个车棚的一轮巡查。与固定摄像头相比，移动巡检可以用更少的设备动态覆盖更大区域，减少监控死角和复杂布线。
张文博介绍，在覆盖同等区域的情况下，这套方案的建设成本较传统固定摄像头方案可降低百分之三十以上。
除了“小巧灵活”，这两位新同事还相当“皮实”：设备具备工业级IP66防护能力，可以在零下二十摄氏度至零上五十五摄氏度的环境中正常工作，遇到风沙或大雨也能在户外持续运行。
不过，能移动、能拍摄，只是它的基本功。真正让机器人从“移动摄像头”升级为“AI安全员”的，是它背后的智能识别能力。
一双眼睛看画面，另一双眼睛“看温度”
巡检机器人配备了两个镜头：
一个是高清可见光镜头，用于识别烟雾、火焰等视觉特征；
另一个是热成像镜头，能够穿过黑暗甚至烟雾，捕捉肉眼看不到的异常温升。
为什么需要两种镜头协同工作？
因为传统摄像头主要识别烟雾和火光，当明火已经出现时，往往意味着风险已经发生。热成像则可以将识别节点进一步前移，在“看得见火”之前，先发现不正常的温度变化。
两路数据进入后台后，AI大模型会进行综合判断：异常发生在哪里、是否具有烟雾或火焰特征、风险程度如何。机器人还配有全双工语音对讲功能，发现异常后，工作人员即使尚未赶到现场，也可以远程喊话，指导现场人员及时处置。
节目中，主持人思彤和来酷智能市场营销总监马丽娜还进行了一次现场测试。
当测试点出现火源后，机器人立即锁定目标：热成像捕捉异常升温，可见光同步确认烟雾特征，后台AI大模型完成综合判断并发出预警。
从“看见明火再处理”到“捕捉温升早预警”，变化的不只是技术手段，更是安全管理的时间窗口。
太阳反光、汽车排气管，会不会让AI“看走眼”？
真正的车棚环境远比实验室复杂。
夏季被太阳晒热的地面、镜面反射的强光、路灯和车灯，甚至汽车的高温排气管，都可能在画面中呈现出近似火焰或异常热源的信号。如果系统“看见亮光就报警”，不仅会产生大量误报，也会给物业同事增加额外负担。
为此，团队为机器人设置了“三层保险”：
第一层，热成像捕捉异常升温；
第二层，可见光镜头识别烟雾和火焰特征；
第三层，后台AI大模型对两路数据进行语义综合判断。
此外，系统还引入了跨帧注意力算法。
马丽娜在节目中用了一个很容易理解的比喻：
“传统识别是在看单张照片，一看有光就报警；我们的AI是在看连续的‘电影’，关注的是光影变化的整个过程。”
太阳反光或车灯照射，通常呈现为静态亮点或相对规律的移动；真实火焰则会出现不规则的闪烁、跳跃和扩散。AI不只判断某一帧“像不像火”，还会连续观察一段时间内的动态变化，从而提高识别准确性。
这双“火眼金睛”也并非一开始就什么都会。技术团队采集了大量真实场景图像，不断训练和优化模型，才让它逐步学会区分环境干扰与真实风险。
技术可靠的背后，是算法、硬件、业务和物业团队在真实场景中的一次次共同打磨。
AI没有取代巡检，而是让安全防线向前一步
看到机器人上岗，可能有同事会问：有了AI，还需要人工巡检吗？
答案当然是需要。
AI的价值，不是简单取代人，而是承担那些需要高频、连续、全天候执行的监测工作，帮助物业同事补足视野和感知能力。系统负责更早地发现异常，管理人员负责判断、协调和现场处置，两者彼此配合，才能形成更完整的安全闭环。
一旦触发警报，系统可以联动安防与门禁。值班人员会通过声光、短信、APP等多个渠道收到通知，并可借助机器人的远程语音功能第一时间指导现场处置。
对每天骑车通勤的同事来说，我们未必会注意到机器人完成了多少次巡查，也未必能看见后台运行了多少次分析。但这种“不打扰”的守护，本身就是技术落地的意义：把复杂留给系统，把安心留给每一位员工。
从一个车棚，看见AI怎样走进真实工作与生活
第一期节目中，我们看到AI如何帮助解决违停、长期占位等车库管理难题；这一期，我们又在电动车棚里看到了AI对异常温升的提前感知。
它们都是很小、很具体的场景，却恰恰说明：联想的“Smarter AI for All”并不只存在于宏大的技术叙事中，也体现在我们每天经过的车库、停放车辆的车棚，以及日常工作与生活的许多细节里。
从一线需求出发，通过跨团队协作，把AI能力真正转化为可用、好用的解决方案——这正是《走进联想看AI》希望记录的故事。
今天，这套方案率先服务于园区车棚；未来，类似能力还可以应用于地下车库、危化品仓库、城市电力隧道以及其他存在火灾隐患、人工难以持续覆盖的场景。
一台小小的巡检机器人，守护的是员工的每一辆“小电驴”；它所折射出的，则是AI从技术能力走向真实价值的完整过程。
让战略“可见”，让技术“可知”，让进化“可感”。
这就是《走进联想看AI》想带大家看到的联想AI实践：不遥远、不抽象，就发生在我们的身边。
📣 你还想让镜头走进哪个团队？又发现了哪些藏在身边的AI应用？欢迎在评论区留言。说不定下一期，我们就去探访你推荐的场景。
《走进联想看AI》，下期再见！
（本文编辑：白鸽男孩）