← 返回首页

2026-04-15 · Freight Logistics / Identity Verification / AI Risk Ops

DockPass

把每次提货前靠邮件、电话和经验判断的司机核验，变成一条实时放行、可升级、可留痕的货运身份闸机。

潜力评分 91/100

新闻来源

AI startup, E3 Group, launches "Shield" to combat freight fraud and theft

E3 Group 发布了 E3 Shield，用实时司机身份核验、CDL 与车辆信息验证，在提货前拦截货运欺诈与盗货风险；同时还推出面向货代和货主的 Freight Intelligence 平台。真正值得下注的机会，不是再做一层泛化的物流 AI 助手，而是先做一个更靠近货物真正交接瞬间的『放货控制面』：让经纪、仓库、货主安保与承运方在货物离开月台前，就把“是不是本人、是不是这台车、有没有异常换司机/换设备、这票货值不值得升级复核”说清楚。

查看原文 ↗

为什么值得做

这件事现在值得做，是因为三股力量第一次叠在了一起。第一，货运盗货与冒名提货已经从偶发事件变成高频经营风险。新闻里给出的信号很直接：2025 年美加地区平均单次 cargo theft 损失同比增加 36%，高货值电子、半导体和品牌消费品让一次误放就可能是数十万美金的损失。第二，行业当前的核验手段仍极其原始：大量 broker 还在让司机通过邮件发送 CDL 照片、打人工电话确认、比对零散表格；这些流程天然慢、难审计，也容易被假证件、临时换车和信息拼接绕过。第三，多模态识别、风控评分和实时工作流编排已经足够成熟，可以把自拍、车头照、车牌、DOT/MC 信息、提货地点和历史运输轨迹拼成一个即时风控决策。真正的切入口不是替换 TMS，而是占住“提货前 5 分钟”这个最有钱、也最需要证据的风险节点。

DockPass 不是再做一个更大的物流系统，而是把『谁有资格把这票货开走』做成一个独立的放货闸机。它站在 broker desk、仓库月台和货主安保之间：司机到场时不再只是口头报号、发证件，而是进入一条标准化的放货轨道——系统先确认人、车、单、地点是否一致，再给出可解释的风险等级，并在异常时自动拉起双人复核、回拨、承运人确认或货主升级审批。这样产品抓住的是物流链路里最脆弱、最愿意为之付费的一步，也自然沉淀出可用于理赔、审计和承运商治理的数据资产。

Problem

要解决什么问题？

今天大量货运经纪、3PL、仓库和高价值货主面对的不是没有 TMS，而是提货前最后一道闸门过于脆弱：司机身份靠邮件收 CDL 照片，车辆靠人工比对，调度靠电话和 Excel 备注，异常换司机/换车往往只能靠经验识别。结果是，真正高风险的票往往混在日常放货流程里被快速放行；一旦发生盗货、冒名提货或后续理赔争议，团队很难还原当时到底核验了什么、谁拍板放的、哪些信号早就出现过。这不是后台分析问题，而是一个现场交接动作没有被产品化的问题。

目标用户

  • 管理高货值或高时效货运、需要在提货前降低冒名提货与盗货暴露的中大型 freight broker、3PL 与 shipper security 团队
  • 需要同时协调仓库放货、承运商资质、司机到场核验和客户 SLA，但现有流程仍依赖电话、邮件和人工比对的物流运营负责人
  • 希望把货运欺诈风控、理赔证据与承运商治理串起来的货运保险、风控、loss prevention 与 enterprise procurement 团队

Signals

来自新闻的关键信号

  • E3 Group 把司机身份、CDL 与车辆信息验证前移到提货前，说明货运安全软件的价值点正在从事后追查转向事前放货控制。
  • 新闻提到 2025 年美加地区平均单次 cargo theft 损失同比增加 36%，表明这已经不是边缘风控议题，而是直接影响毛利和客户关系的运营问题。
  • E3 Shield 强调用 AI、biometrics 和 50+ 数据信号做实时判分，说明过去依赖人工邮箱收件和电话确认的核验步骤已经具备被即时产品化的条件。
  • 产品把 domicile status、CDL 图片真伪、卡车信息等要素纳入核验，说明行业需求不是做一个通用 OCR，而是做一条面向提货场景的复合风险工作流。
  • 新闻声称该方案已在 Fortune 100 货主与头部 broker 场景中把 stolen load 降到零，说明客户愿意为提货前的确定性和审计证据买单。
  • E3 同时发布 Freight Intelligence 平台，说明一旦“谁能提货”这个入口被占住，后续还可以向 carrier management、定价、客服与异常处理扩展。

MVP

这个原型包含什么

如果一个轻量、提货前优先的产品能在司机到场后的 90 秒内，把自拍、CDL、车辆照片、提货单和承运资质变成一条可审计的放货决策流，并只在异常时要求人工升级复核，那么中大型 broker、3PL 与高货值仓配团队会愿意先把它接在现有 TMS/WMS 前面，因为它替代的不是抽象的“物流数字化”，而是每天都在发生、且一旦出错就极贵的放货核验动作。

提货前身份闸机

司机到场后通过手机链接或门岗二维码提交自拍、CDL、车头/车牌照片与提货参考号，系统实时比对司机身份、证件真伪、车辆信息与当前派车单，给出可解释的放货风险等级。

异常放货升级台

当出现临时换司机、换车、地理位置异常、承运资质不一致或证件疑点时，平台自动触发双人复核、承运人回拨确认、客户授权或仓库 hold 流程，避免一线调度在压力下凭经验拍板。

司机信任护照

已验证司机可沉淀为可复用的信任档案，记录历史提货、常用设备、所属 carrier、异常记录与授权状态，减少每票都重复发邮箱提交个人证件，也给优质司机更快的过闸体验。

盗货暴露雷达

管理层按货类、线路、承运商、站点、客户与异常类型查看高风险票分布、拦截率、手动复核耗时与重复出现的欺诈模式，把货运安全从事后追责变成事前运营指标。

Interactive demo

三种最先能打动市场的使用场景

点击不同场景，查看从体验入口到北极星指标的 MVP 路线。

Use case

高价值电子产品的仓库放货核验

最危险的不是司机真的来不了，而是看起来一切正常时，仓库为了赶时效把高货值货物放给了错误的人。

  • 司机到达仓库后扫描 DockPass 二维码，提交自拍、CDL、车头与车牌照片，并输入 pickup number
  • 系统实时比对派车单、承运人资料、设备信息与到场位置，发现司机姓名与原 dispatch 不一致且该票货值超阈值，于是自动转入人工复核
  • broker 与仓库主管在异常放货升级台中完成回拨 carrier、确认新司机授权并记录审批后，系统才生成可审计的放货凭证
北极星指标：高货值提货任务的异常拦截率 / 单票放货核验平均耗时

Stack

当前技术栈

  • 先用静态站点验证“提货前身份闸机”这个切口是否足够打动 broker、3PL 与高货值货主，再收集 demo 预约或假数据上传意向。
  • 司机端优先用手机 Web App 或 PWA，避免安装摩擦，支持自拍、证件拍摄、车头/车牌拍摄、二维码建单与低网速上传。
  • 后端用 Postgres 或 Supabase 存储 carrier、driver、equipment、pickup event、risk decision、审批记录与审计日志。
  • AI 层结合 OCR、证件结构化提取、人脸比对、车辆/车牌识别与异常规则引擎，但最终是否放货必须受工作流与人工权限约束。
  • 集成层优先对接 TMS/WMS、carrier onboarding 工具、短信/语音回拨服务与保险/claim 系统，确保产品能做 overlay 而不是要求客户重构流程。
  • 分析层重点展示盗货风险前置指标：异常放货占比、二次审批率、司机复用率、按线路/货类的高风险分布与拦截后挽回金额。

Risks

主要风险

  • 司机身份核验涉及 biometrics 与个人证件，若隐私、授权与数据保存策略设计不好，客户和司机都会产生强烈阻力。
  • 高峰期放货动作对速度极其敏感，若误报过多或交互过慢，仓库和 broker 会绕过系统继续走人工捷径。
  • 不同州、不同承运资质和不同客户的放货规则差异较大，产品若前期覆盖过宽，容易变成复杂低效的审批系统。
  • 缺少真实理赔、盗货与 carrier 历史数据时，风险模型很难快速建立可信度，因此前期必须把可解释规则和人工复核放在前面。
  • 若无法平滑接入现有 TMS、WMS 与门岗流程，客户会担心新增一个系统反而让一线更慢。

Next steps

如果继续迭代，接下来做什么