← 返回首页

2026-04-14 · Industrial Safety / Frontline Operations / AI Risk Intelligence

HazardSnap

把每次开工前的模糊安全交底，变成一张用手机拍照就能生成、可验证、可留痕的现场风险作业卡。

潜力评分 89/100

新闻来源

CompScience Launches AI-Powered Job Safety Platform for Frontline Workers

CompScience 发布了 Safe Work Plan：一线员工只要用手机拍下作业现场、补一句简短任务描述，系统就能基于 National Safety Council 的严重事故预防模型，自动识别任务、环境、条件、潜在危险与建议控制措施。这条新闻真正释放的机会，不是再做一个大而全的 EHS 平台，而是做一层更靠近开工瞬间的安全操作界面：让班组、现场主管和安全经理在真正动手之前，就把“今天这份活最危险的地方在哪里、需要谁确认、要留下什么证据”说清楚。

查看原文 ↗

为什么值得做

这件事现在值得做，是因为三个条件第一次同时成熟。第一，多模态 AI 已经足够把照片、简短文本和结构化规则拼成一个可用的现场风险判断入口，原本要靠纸质 JSA/JHA 表单和主管经验完成的动作，可以被压缩到手机里的 30 秒交互。第二，安全管理正在从看事故率、看滞后指标，转向看高风险任务、控制措施是否到位这类前置指标；CompScience 直接把 NSC 的 Serious Incident and Fatality Prevention 模型嵌进产品，说明市场开始接受“预防过程”本身就是软件切入点。第三，工伤保险、OSHA 文档要求和大客户供应链审查都在逼企业把安全记录做得更实时、更可审计，而一线又普遍缺时间填表。真正值得下注的，不是替换企业整套 EHS 系统，而是先占住“开工前风险快照 + 控制措施确认 + 合规证据留存”这一层高频入口。

HazardSnap 不把自己定位成新的安全管理大后台，而是一个面向现场的『开工前风险相机』。工人、班组长或外包主管不需要理解复杂安全术语，只要拍照、说出今天要干什么，系统就会把现场条件翻译成一份能执行的风险卡：哪些是高风险动作、哪些控制措施必须确认、哪些照片或签字要补齐、这份作业是不是需要升级审批。这样产品既抓住了一线最真实的开工节点，也能给区域安全经理形成跨站点、跨班组、跨任务类型的前置风险视图。

Problem

要解决什么问题？

今天大量建筑、设备维护、仓储、制造与现场服务团队仍在用复制粘贴的 JSA/JHA 表单、微信群提醒和口头交底去管理高风险作业。问题不是企业完全没有流程，而是流程和现场脱节：表单常常是事后补、风险描述过于泛化、控制措施没人逐项确认、照片证据零散、主管只能靠经验判断今天这份活到底危险不危险。等到真正出事时，组织能看到的是结果，却很难还原“当时是否识别过风险、谁确认过控制措施、哪些高风险任务总在重复出现”。

目标用户

  • 管理 50-5000 名一线工人、外包班组或现场技术员，且每天都有高风险任务开工的建筑、制造、能源与现场服务安全负责人
  • 需要把 JSA/JHA、toolbox talk、照片证据与主管确认串起来，但又不想给一线增加太多填表负担的区域运营与 EHS 团队
  • 希望降低工伤赔付、减少严重事故暴露，并把前置风险控制做成可量化能力的保险 MGA、经纪人或大型自保企业

Signals

来自新闻的关键信号

  • CompScience 让工人通过手机拍照加一句简短描述，就能在数秒内识别任务、环境、条件与潜在危险，说明现场安全计划开始具备被多模态 AI 即时生成的条件。
  • 产品明确建立在 National Safety Council 的 Serious Incident and Fatality Prevention Model 之上，表明市场正在接受『把高风险任务和关键控制措施产品化』，而不只是做事故后复盘。
  • 平台把安全计划和 OSHA 所需文档简化成现场顺手完成的动作，说明 JSA/JHA 这类长期低体验、高合规压力的流程正在出现新入口。
  • CompScience 选择向公众免费开放版本，说明这类产品具备自下而上的教育与分发潜力，不一定只能靠自上而下的企业采购推进。
  • Tesla 与 Conagra 等企业试点为该模式提供了强信号：只要能减少严重事故风险并留下可审计记录，大型用工场景愿意为这种前置安全层买单。
  • CompScience 同时具备保险与风险缓释背景，意味着未来工伤保险、承保、预防和现场安全软件之间会出现更紧密的产品联动。

MVP

这个原型包含什么

如果一个轻量、手机优先的产品能在开工前 1 分钟内，把现场照片、任务描述和行业安全规则转成一份可确认、可升级、可留痕的作业风险卡，那么高频高风险作业团队会愿意先把它接在现有流程前面，因为它替代的不是抽象的“安全数字化”，而是每天都在发生的临时交底、补文档、追证据和事后追责。

开工前风险快照

现场人员拍摄作业环境并补充一句任务描述后，系统自动识别可能涉及的高风险动作、环境条件与危险源，生成一张今天这份活专属的作业风险卡，而不是套用泛化模板。

关键控制确认轨道

围绕坠落防护、上锁挂牌、隔离、许可、PPE、设备状态等关键控制措施逐项确认，可要求照片、勾选、签名或双人确认，并在缺失时触发升级审批，避免风险卡只生成不执行。

JSA/JHA 证据包

把作业前照片、风险判断、控制措施确认、参与人员、时间戳与现场备注自动整理成可导出的 JSA/JHA 与审计证据包，用于 OSHA 检查、客户审查、事故调查或内控复盘。

前置风险雷达

总部和区域安全经理可以按站点、任务类型、班组和承包商查看高风险任务分布、残余风险趋势、未完成控制项和重复出现的危险组合，把安全管理从事后看事故变成事前看暴露。

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

屋顶 HVAC 维修前的远程放行

最危险的维修往往不是技术难，而是班组临时上屋顶、现场条件一变，原来的标准作业卡就不够用了。

  • 技术员到店后拍摄屋顶环境并口述今天要更换压缩机，系统识别出高处作业、临边风险、电气隔离与天气条件等关键暴露
  • 平台自动要求补充梯具状态、坠落防护、断电确认和第二人到场情况，缺项时不允许直接提交完成
  • 区域主管在手机上远程查看风险卡与照片后放行，维修完成后同一张卡继续沉淀为现场证据包
北极星指标：高风险维修任务中在开工前完成全部关键控制确认的比例 / 远程放行平均耗时

Stack

当前技术栈

  • 先用静态站点把『开工前风险相机』的定位、关键场景和 ROI 叙事讲透，验证安全负责人是否愿意预约演示或上传示例任务。
  • 移动端优先采用 PWA 或 React Native，支持拍照、短语音、短文本、多人确认和弱网缓存，确保现场可用而不是只适合办公室。
  • 后端用 Postgres 或 Supabase 存储站点、任务模板、风险卡、控制措施、附件、签名、承包商与审计日志。
  • 多模态模型负责从现场照片与语音中提取环境线索和任务语义，但最终风险判断必须受行业规则库与工作流引擎约束，不能只靠模型自由发挥。
  • 规则层优先覆盖 5 类高风险作业：高处、电气、热作、叉车/移动设备、有限空间，并允许客户按行业追加控制项。
  • 分析层聚焦前置指标，如高风险任务占比、关键控制完成率、残余风险分布、重复暴露点和证据包完整度，而不是只展示事故统计。

Risks

主要风险

  • 纯靠图像和短文本无法识别全部危险，尤其是看不见的能量隔离、化学品或组织性风险，因此产品必须把人工确认设计成核心环节而不是补充项。
  • 不同行业、工种和地区的安全规则差异巨大，如果前期覆盖范围过宽，系统容易给出看似正确但不够可执行的建议。
  • 一线工人若把产品视为额外负担或监督工具，采用率会快速下滑，因此交互必须比传统填表更快、更自然。
  • 客户往往已经有 EHS、permit-to-work 或 LMS 系统，若不能作为轻量 overlay 接入现有流程，落地阻力会很大。
  • 一旦系统建议与现场主管判断冲突，责任边界需要定义清楚；否则客户会担心它在法律和事故调查中的角色。

Next steps

如果继续迭代，接下来做什么