Samsara近20亿美元ARR背后：企业软件如何从“看见现场”走向“推动行动”？

一句话看懂：Samsara用近20亿美元ARR证明，企业软件真正的产品创新不在于连接更多设备或生成更漂亮的仪表盘，而在于将“看见问题”转化为“推动行动”。它通过统一现场数据，把安全管理从事后取证前移到实时提示和持续教练，并将检查、故障和维修纳入同一流程，从而缩短事件发生与现场响应之间的距离。其增长飞轮已通过客户多产品扩张得到验证，但2026年推出的AI Agent仍处于early access阶段，商业化尚在起步。

摄像头能记录事故，但真正的产品创新，是在事故发生前改变行动

车队装上GPS和摄像头后，管理者可以看到车辆在哪里、司机是否急刹，以及事故前后发生了什么；设备接上传感器后，维修人员可以收到故障码；现场表单搬进手机后，纸张也少了。但数据变多，并不会自动带来更好的运营结果。安全经理仍可能来不及处理所有事件，司机收到培训时已经过去几天，维修工单仍要人工抄录，质保索赔也可能因为材料不完整而被搁置。

Samsara值得研究，正因为它抓住了企业数字化中最容易被忽略的一段：连接只是起点，真正的价值在于让数据推动司机、调度员、维修人员和管理者及时改变下一步行动。它的创新战略，不是继续增加一个仪表盘，而是把“看见问题”进一步变成“推动行动”。

截至2026年5月2日结束的2027财年第一季度，Samsara的年度经常性收入（ARR）达到19.906亿美元，同比增长30%；季度收入为4.788亿美元，同比增长31%。这里的ARR不是收入，也不是下一年的收入预测，而是已经开始确认收入的订阅合同年化价值。这组数据主要证明，Samsara已经建立起一套规模化的连接运营平台；它并不能自动证明公司在2026年新发布的AI Agent已经成熟。

2026年6月，公司推出Agent Studio及一组预置Agent，希望把软件从“提示人去做”进一步升级为“按规则代人完成部分流程”。但官方同时说明，这些能力仍处于early access阶段。此前在2027财年第一季度电话会上，管理层也承认，多数实体运营企业对Operational AI和Agent的采用仍处于早期。换句话说，Samsara现在同时经营着两门成熟度不同的生意：连接运营平台已经得到收入、客户和多产品扩张的验证；Agent仍像一项正在敏捷迭代的MVP，缺少独立的采用率、收入和普遍ROI证据。

一、它面对的处境：实体运营不缺数据，缺的是把数据变成行动的系统

办公室软件处理的主要对象是文档、任务和审批，Samsara面对的却是车辆、摄像头、发动机、拖车、机器和一线人员。数据产生在移动、震动、急刹、疲劳、故障、温度变化和现场检查中，留给决策的窗口往往只有几秒或几小时。一次提醒没有被司机听见，一张检查表没有转成工单，一个故障码没有进入维修优先级，都可能让小问题演变成事故、停机或索赔损失。

这也是Samsara最初从车队连接切入的原因。Vehicle Gateway通过GPS、车辆总线和蜂窝网络采集位置、车况与驾驶数据；AI Dash Cam把道路和驾驶舱画面接入平台；Asset Gateway、Asset Tag和环境传感器继续连接拖车、工程设备与温控资产；Site Visibility则把仓库、厂区和作业现场的摄像头纳入同一界面。公司在2026财年处理了超过25万亿个数据点，覆盖视频、位置、能耗、设备利用率、合规日志、加速度和发动机诊断。

但硬件在这门生意里并不是卖完即止的独立产品。Samsara的订阅通常同时包含云端应用、蜂窝连接、网关、摄像头或传感器、支持与质保；平台和设备高度依赖，在会计上被视为一项组合履约义务，并在三至五年的典型订阅期内确认收入。过去两个财年，公司约98%的收入来自Connected Operations Platform订阅，其余部分主要来自替换设备、运输处理和专业服务。

因此，Samsara既不是单纯卖硬件，也不是可以脱离现场设备运行的纯软件。硬件负责持续采集现实世界的数据，订阅平台负责分析这些数据，并推动后续行动。它真正要解决的经营问题是：如何让越来越多的数据不再停留在更漂亮的仪表盘里，而是缩短事件发生与现场响应之间的距离。

二、它如何完成产品创新：把“感知—判断—行动—复核”连成一套运营系统

先统一现场数据，让不同岗位围绕同一个运营对象协同

Samsara的第一步不是直接推出Agent，而是先建立可信的数据链。车辆的位置、速度、怠速、故障码和行驶时间来自Vehicle Gateway；摄像头提供事故前后的画面和驾驶行为；Asset Gateway与Asset Tag补上拖车、机器和工具的位置、使用率与状态；第三方OEM和业务系统则通过集成与API进入平台。对管理者而言，价值不只是“数据更多”，而是同一辆车不再分别存在于调度、保险、安全和维修的四套记录里。

统一数据后，问题的表达方式也发生了变化。过去，调度员看到车辆晚点，安全经理看到急刹，维修人员看到发动机报码，三者未必知道这些信号指向同一项运营风险。接入同一平台后，位置、驾驶行为、设备诊断和工单能够围绕同一资产串联。现场数据也从事后报表变成流程触发器：进入或离开地理围栏可以启动任务，司机检查发现缺陷可以形成问题，故障码可以进入维修判断，异常视频可以进入安全收件箱。

这套增长打法并不是没有成本。设备需要安装、供货、联网和维护，云计算与蜂窝连接也会持续产生费用。2027财年第一季度，Samsara的GAAP毛利率从上年同期的77%降至75%，公司解释主要原因是云与蜂窝成本上升；连接设备成本也随着销量和新增功能增长。也就是说，这不是可以零成本复制的软件模式。每多连接一类实体资产，公司都要承担把现实数据稳定送入云端的成本。

把安全管理从事故后取证，前移到实时提示和持续教练

摄像头最直观的价值，是在事故发生后找到画面、厘清责任并处理保险。但Samsara更关键的产品创新，是把部分判断前移到车内边缘设备。AI Dash Cam可以识别分心、疲劳、跟车过近和碰撞风险，并在事件发生时向司机发出声音提示。提醒首先到达正在驾驶的人，而不是等安全经理第二天打开后台。

这看起来只是“更快告警”，实际上重新设计了安全管理流程。低严重度事件可以自动分配给司机自我复盘；安全经理把时间集中在高风险事件和需要人工沟通的司机上；管理层再通过趋势报告判断哪些风险正在上升。2026年推出的Samsara Coach，又把每周安全摘要和双向语音互动送到司机端：系统结合视频、道路条件、车辆信息与驾驶历史，解释某次行为为什么危险；遇到持续疲劳等高风险情形时，还可以通过车内音频或电话发起简短互动，提示司机采取安全行动。

不过，把判断前移并不等于自动驾驶，更不意味着AI可以代替管理者处分员工。系统负责识别、提醒、排序和教练，司机仍然控制车辆，组织仍要决定如何处置风险。Samsara自己的工会沟通指南也明确写道，Safety Score等输出不应单独决定招聘、解雇、薪酬、路线或工时安排，而应只是主管作出决定时的一项信息。

公司披露的聚合数据为这条路径提供了支持性证据：按一组匿名客户使用平台30个月、并与第一个月基线相比的口径，使用Samsara的组织事故率降低73%；2025年，平台交付了1160万次司机教练。这不是随机对照实验，也没有排除客户同期更新车辆、调整制度或加强培训等因素。因此，这些数据可以说明长期使用与运营改善方向一致，但不能证明所有改善都由摄像头或AI单独造成。

把检查、故障和维修纳入同一流程，不让预警停在后台

安全之外，维修更能检验数据是否真正推动了行动。发动机报码只是一个信号，真正的运营价值还要经过判断严重程度、找到车辆、安排技师、准备零件、完成维修、核对发票和提交质保索赔。任何一个环节断开，预警都会变成后台里又一个无人处理的红点。

Samsara先用Connected Workflows，让一线人员通过Driver App的数字表单报告设备缺失、维护问题或现场安全事件；应用还会显示某项资产尚未解决的问题，减少重复报告。随后，Connected Asset Maintenance把故障码、司机车辆检查报告、预防性保养、工单、供应商、零件库存和质保记录纳入同一套维护系统。2027财年第一季度，公司披露一家加拿大大型超市客户用车辆检查和故障码自动触发工单，并把预防性保养、供应商、库存和AI发票扫描放在同一维护流程中。这个例子来自公司业绩电话会，可以证明具体客户正在使用，但不能外推为普遍效果。

这里真正重要的，不是Samsara又增加了一款维修软件，而是工单能够继承车辆的实时信息。维修人员不必等司机口述问题，系统也不必只按固定日历保养；故障、里程、使用时长和现场检查可以共同决定何时处理。与这套相对成熟的维护能力相比，2026年6月24日公布的Enhanced Fault Insights与Shop Planner仍处于early access。前者尝试从跨车队故障码模式中提供车辆级判断线索，后者把每日检查、逾期保养、故障码和预测提醒排成优先队列，再由管理者用几次点击把问题转成工单。它们仍是正在验证的产品创新，不能写成已经全面上线或被规模化采用。

质保索赔则展示了“辅助”和“执行”之间最容易被夸大的边界。同样在2026年6月24日公布、且仍处于early access的质保能力，可以在工单结束后生成对应OEM的合规检查清单、提示可能被拒的风险，并自动起草索赔材料。它减少的是查规则、凑材料和重复录入，并不等于AI已经替企业完成所有判断、确认责任并自动向厂商提交索赔。最终权限、证据完整性和例外处理，仍应由客户配置并保留人工复核。

用Agent Studio承接重复流程，但把权限、预览和人工复核写进产品

当事件、资产、人员和流程已经进入同一平台，Agent才有条件不只回答问题，而是根据触发条件连续完成一组动作。Agent Studio允许客户从15个以上预置模板开始，也可以用无代码方式配置自己的Agent；客户能够指定它监控什么、何时触发、采取什么动作，并把内部政策和文档作为知识库。管理者还可以开关能力、设置权限、在部署前预览行为，并通过仪表盘查看运行结果。

官方列出的早期案例比较具体：食品分销企业的“司机助手”根据位置和公司政策回答停车、称重站与升级问题；食品银行用每日维修摘要汇总车况和检查合规；现场服务企业在车辆移动但司机身份未知时，自动关联车辆与员工；另有客户把报表汇总自动化。这些案例说明，Agent已经进入部分真实流程，而不只是停留在产品演示。

但这些案例仍主要来自公司及客户自述，样本少、场景窄，节省时间或费用的口径也没有经过独立审计。更关键的是，Agent Studio、预置工作流，以及同期公布的Enhanced Fault Insights、Shop Planner和质保辅助能力，截至2026年6月24日都仍处于early access。Samsara没有单独披露Agent Studio的付费客户数、续费率、收入、错误率或总体ROI；公司2026年7月披露的新兴产品接近1.5亿美元ARR、贡献超过20%的新增业务，也不能直接归因于刚推出的Agent，因为这一组合明确包括AI教练、资产追踪等产品。

因此，Samsara更可信的创新路径不是“AI已经自主运营车队”，而是分层推进：成熟产品负责采集、告警、表单、工单和教练；新一层Agent在明确触发条件、权限、知识库与人工边界的前提下，承接部分重复沟通、材料准备和流程跟进。这是一种更接近MVP和敏捷迭代的产品策略。Agent能否从早期场景扩展到高风险、跨系统的现场决策，还需要继续验证。

三、结果与增长飞轮：平台扩张已经被验证，Agent商业化仍在起步

先看已经站稳的部分。Samsara的2025财年收入为12.492亿美元，ARR为14.579亿美元；2026财年收入增至16.186亿美元，ARR增至18.899亿美元，两项同比均增长30%。GAAP毛利率由76%升至77%，GAAP经营亏损从1.900亿美元收窄至5260万美元，GAAP净亏损从1.549亿美元收窄至912万美元；调整后自由现金流从1.115亿美元增至2.087亿美元。自由现金流是公司调整口径，不应与GAAP净利润混为一谈，但它说明公司扩张已经不再完全依赖外部融资。

大客户和多产品采用也在加深。按公司2025年调整后的客户定义，ARR超过10万美元的客户组织从2025财年末的2484个，增至2026财年末的3194个，再到2027财年第一季度的3363个；同季另有190个客户组织ARR超过100万美元。96%的10万美元以上ARR客户订阅至少两款产品，70%订阅至少三款。这里的“客户”是一个实体，或共享母公司的关联实体组，不是司机、员工或自然人用户。

这组数据说明，Samsara已经形成一套清晰的增长打法：先以车辆或设备连接进入客户现场，再通过安全、维修、资产追踪和工作流等产品扩大使用范围，更多产品又带来更深的数据沉淀和更高的订阅价值。连接更多资产、积累更多数据、拓展更多产品、提升客户ARR，构成了公司的增长飞轮。类似地，禾赛科技也是通过硬件切入客户现场，再以软件和服务扩大价值，但Samsara的订阅模式更强调持续运营而非一次性销售。

2027财年第一季度，Samsara收入4.788亿美元、ARR 19.906亿美元，GAAP经营利润720万美元、GAAP净利润4450万美元，调整后自由现金流7320万美元。净利润中包含一项3030万美元仲裁收益；公司称剔除该项后每股收益仍为正，但这也提醒读者，单季度GAAP盈利不能被简单理解为经营质量已经全面跃迁。

这些数字共同验证的是：客户愿意为连接车辆、设备、人员和工作流持续付费，并在首次部署之后购买更多产品。Samsara与金蝶、monday.com处理办公室协同和企业管理流程不同，也不同于京东物流自己运营仓配网络；它出售的是一套持续进入客户车辆、设备、司机、维修和现场风险的订阅平台。它也不是九号公司的智能硬件品牌生意，或禾赛的激光雷达量产模型——设备在这里主要承担的是持续服务的接入功能。

尚未得到验证的，是Agent能否成为同等规模的新收入层。公司对Operational AI的市场兴趣、早期客户和产品路线披露很多，但还没有给出Agent独立ARR、广泛采用率、留存率或普遍ROI。把平台19.906亿美元ARR全部归功于行动型AI，相当于把一项刚进入early access的能力，提前写成了成熟业务。

四、为什么不能盲目照搬：离现场越近，自动化的错误成本越高

第一，行动质量取决于原始数据和运营标准。摄像头被遮挡、传感器安装不当、司机身份匹配错误、维修编码混乱，都会让后续自动化在错误输入上继续运行。没有统一的资产编号、检查标准、工单责任和升级规则，Agent面对的不是可执行流程，而是一组彼此冲突的例外。

第二，误判的代价高于普通办公软件。疲劳或分心检测可能漏报，也可能过度提醒；故障预测可能让车队提前停运，也可能错过真正的故障。软件越接近驾驶和机器，就越不能只看“模型平均准确率”。高风险动作应保留确认、撤销、升级和审计记录，自动化权限也必须按照风险等级配置。

第三，安全工具也可能变成员工监控工具。双向摄像头、GPS、实时视频、驾驶评分和人脸识别都会触及隐私、劳动关系与心理安全。Samsara的Camera ID是可选功能，使用人脸识别来分配司机，默认关闭；公司要求客户在法律规定的情况下取得司机同意。平台也提供人脸与车牌模糊、隐私模式和细粒度权限。但产品提供了这些功能，并不等于企业治理自动完成。不同国家、行业和集体协商安排并不相同，客户仍需要在具体司法辖区确认通知、同意、访问、保存、申诉和员工沟通机制，不能把供应商功能清单当作合规结论。

第四，客户案例不能替代独立的因果证明。事故下降、保险节省、维修节约和工时减少，多数来自公司聚合分析或客户自述。这些材料可以说明可能的价值路径，却不能成为所有企业的预算承诺。真正的MVP试点，应先在自己的车队中建立基线，区分事故暴露里程、车辆更新、培训变化和业务结构，再观察误报率、采用情况与实际结果，而不只是统计告警数量。

第五，这不是购买一个软件许可证就能结束的项目。Samsara需要硬件安装、蜂窝连接、云成本、系统集成、司机沟通、维修流程重做和长期客户成功。组织如果只增加摄像头，却不调整教练制度；只接入故障码，却不给维修团队配置资源；只开启Agent，却不定义权限，最终得到的只会是更多提醒，而不是更快行动。

五、给管理者的启示：先设计行动系统，再决定哪些环节交给AI

Samsara最值得迁移的，不是“给所有车辆装摄像头”，而是一套行动系统的设计方法：现场信号能否被可靠采集，系统能否把事件放进正确的业务背景，下一步动作是否有明确责任人，执行结果能否回写并用于复核。任何一个环节缺失，数据都会停留在“被看见”，无法转化为真正的运营改善。Klarna用AI替代客服后又把人请回来的案例也提醒我们，自动化若脱离业务背景和责任人设计，效率提升可能难以持续。

第二个判断是，自动化应按风险分层，而不是只看技术能否实现。整理每日摘要、催收缺失表单、生成检查清单，可以较早自动化；司机身份确认、维修放行、质保索赔提交和人员处分，则需要更严格的权限、证据和人工复核。管理者真正要问的，不是“Agent能不能做”，而是“做错一次会造成多大损失，谁有权确认，又如何撤回”。

第三个判断是，把数字化和AI项目的采用指标，从后台活跃度换成行动时差。真正值得跟踪的是：风险出现到司机收到提示用了多久，检查缺陷到工单创建用了多久，故障出现到车辆进场用了多久，工单关闭到索赔材料完整用了多久，以及误报率、人工推翻率和一线接受度是否改善。只有这些指标持续变好，连接才真正进入运营流程。

最后，要把一线人员当作产品创新和敏捷迭代的参与者，而不是被采集的数据源。司机需要知道提醒为什么出现，维修人员要能纠正错误判断，工会或员工代表也应参与制定视频与数据政策。很多时候，这些机制比再增加一个模型更能决定项目能否持续。实体运营中的AI，不是把人从现场移走，而是让正确的信息在正确的时间到达正确的人，并只在边界清楚的环节替人完成重复动作。

Samsara已经证明，把车辆、设备、司机和工作流接入同一订阅平台，可以成长为接近20亿美元ARR的业务。它下一步要证明的更难：当软件开始替客户采取行动时，效率能否在不牺牲准确性、隐私和一线信任的前提下扩大。前一阶段，是已经被经营数据验证的平台增长打法；后一阶段，则是一项仍在通过MVP和敏捷迭代寻找稳定模式的产品创新。

想把这套打法用到你自己的业务上？

Samsara的路径表明，从连接现场到推动行动，关键在于设计一套完整的行动系统。如果你希望评估自身业务的数字化行动短板，可以试试我们的AI诊断，定位你的运营流程中最值得优化的环节。

💎 核心承诺：先诊断、再合作，思路不对不推进。

专属咨询热线：400 822 8832

扫码加顾问 Ben 评估