10 月 13 日，Samsara 发布了一款叫 Agent Studio 的无代码智能体平台，定位是物理运营。产品公告里有一句话比任何功能列表都更能说明这类产品的方向：在后台，智能体可能通过聊天接触人；在路上，它是打个电话。发布稿明确提到，语音智能体上线四周内交互量超过了对话智能体，此后的每一周都保持领先。
Samsara 是一家做联网运营平台的上市公司，在纽交所挂牌，核心产品是车辆、设备与现场人员的连接运营。它手里的资产不是语言模型，而是十余年的运营数据——位置、视频、诊断、行为与环境条件，横跨多个行业和地区。
为什么物理运营需要另一套交互形态
官方产品负责人 Johan Land 的说法是：AI 在有用的时候会被快速采用，而在物理运营里，这意味着智能体得先理解正在发生什么，并且到人所在的地方去找人。
这个「所在的地方」是这类产品和办公类智能体最本质的分野。司机的手在方向盘上，电力工人在修线路——这些场景里屏幕不是可用界面。所以平台的做法是同时给对话和语音两条路：预置智能体加一个自定义构建器，客户可以按自己的运营场景搭出对话型或语音型智能体。
语音侧被强调的原因是它能把物理事件接进工作流。发布稿给的例子是：卡车驶入一个陌生场站或配送中心周围时，语音智能体可以立刻打电话给司机，给出场地专属指引——走哪个门、在哪停车、场站限速多少、需要哪些安全装备。司机还能追问，答案来自公司政策和实时运营数据。车离开时，智能体把这次到访的信息收走；管理者再用 Samsara Assistant 分析哪些场站造成了最长停留时间。
这类设计的聪明之处在于它不要求司机改变行为。司机不需要打开新 App、不需要学新界面，只是接了一个电话。这大概是目前少见的、能把智能体推到驾驶位旁边而不用被拒绝的交互方式。
三家给了数字的客户
发布稿里点了三家客户，数字都能对上具体业务：
Grand Isle Shipyard 做巡检与合规报告。智能体把表单、巡检报告和资产数据合成月度报告，每个部门约五分钟完成，报告生成时间下降 99%，据称每年能释放约 10 万美元的专家产能。该公司负责企业安全、资产管理与住房的副总裁 Derek Champagne 的说法是，他们过去每年在报告和数据汇编上花六位数美元，这部分工作现在已完全自动化。
S. Bertram Foods 做预测性合规。智能体跟踪剩余站点、驾驶时长和班次时长，在违规发生前三小时标记出 hours-of-service 风险，每周人工复核时间下降 84%。这个案例有意思的地方在于它是「把检查放在违规之前」，而不是事后统计。
StreamTech Industrial 做司机身份识别。智能体找出每一次司机没有登录的行程，两个月内减少了 500 小时未指派的驾驶时间。这类任务在人工时代基本不可能靠抽查发现。
另有三家未具名客户的场景写得更简略：一家北美城际客运运营商用智能体分析怠速，把司机行为造成的燃油浪费与再生循环、维护、天气造成的部分区分开，好让管理者知道该动哪些车；一家大型食品经销商做了叫 Driver Wingman 的智能体，按自家政策回答新司机关于停车、私车通勤规则、加油停靠的问题；一个工业客户则让智能体诊断运营问题的成因。
该打的折扣，与它为什么仍然值得看
先说折扣。这一层数字基本都属于过程指标——省下的工时、减少的差错、被提前三小时发现的违规。带金额口径的只有 Grand Isle 那条「每年约 10 万美元专家产能回流」，而这是受访方自述，没有第三方核验。所有客户数据都来自厂商发布稿引用。另外发布稿没有提及语音智能体的接口延迟、方言与口音识别表现、以及司机拒绝接听时的降级路径——对语音产品来说，这几项比交互量更能说明它能不能用。
再说为什么它仍然值得看。三个案例有个共同特征，而这个特征比数字本身更有价值：任务价值密度高、发生频率高、结果可以被机械核对。报表生成时间是不是 99% 下降，一眼能看出来；巡检该做的项目有没有漏，也能查。这是智能体少有的「稳赢区」——不需要相信模型的判断，只需要看产出对不对。
还有一个数字更值得反复看：自 2026 年 6 月以来，平台上智能体的采用加速了约 7 倍。Agent Studio 对全部客户开放。从行业角度看，这和本站此前记录的形态变化是同一个方向——智能体不再是一个独立 App，而是长在已有业务系统里的构件。Samsara 的做法更进一步：因为数据本来就在自己平台上，智能体的起点不是「读你的文档」，而是「读十几年攒下来的运营现场」。这是别家做不来的起点。
从这个角度看，语音这条线的意义也不只是交互方式。它同时是成本结构问题：文本智能体的调用可以异步批处理，语音智能体是实时同步的，这两者在单位成本和并发模型上完全不是一回事。7 倍加速里有多少来自语音、有多少来自对话，发布稿没拆开，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
给从业者留一句可复用的判断：判断一个智能体场景值不值得投，就看这三件事——结果能不能被机械核对、错了代价大不大、频次够不够高。Samsara 这三个案例全中，所以它的 99%、84%、500 小时这些数字听着不浮夸。放不下这三条的场景，再热闹也难收场。