AI识别高速夹击风险，寻求种子轮融资

高速公路上，前方大型车辆突然减速，后方大型车辆持续逼近，而相邻车道又恰好存在车辆——驾驶员需要在极短时间内同时判断前向碰撞、后向追撞、变道时机与横向可用空间。SandwichGuard将这一类前后风险同时收敛的情况定义为“高速夹击风险场景”，并尝试通过双向感知与风险融合，为驾驶员提供更早的风险预警与避险方向建议。

SandwichGuard目前处于种子阶段。项目已完成CARLA仿真场景及Dual TTC核心风险逻辑的初步验证，工程样机处于开发阶段。团队计划以不接入原车CAN的后装智能预警系统作为第一阶段产品载体，通过真实道路数据继续验证识别准确性、预警时机和误报控制，再探索保险风控、UBI及OEM主动安全合作。项目现寻求80万元人民币种子轮融资。

高速夹击：单一碰撞预警之外的复杂风险

当前乘用车主动安全系统已广泛覆盖前向碰撞预警、自动紧急制动、车道偏离预警等基础功能，但在复杂交通环境中，风险往往并非来自单一方向。以高速夹击为例，前车急减速会迅速压缩前向安全距离，后方高速车辆又可能形成追撞压力；如果侧向车道同时被占用，驾驶员可选择的避险空间会进一步缩小。

SandwichGuard认为，这类场景的难点并不是“有没有看到车辆”，而是如何在多个风险同时出现时，计算风险收敛速度、判断可用空间，并把复杂信息压缩成驾驶员能够快速理解的预警。项目因此没有把自身定位为另一套通用ADAS，而是聚焦复杂交通场景中的风险理解与决策。

在目前的CARLA仿真中，系统围绕前车减速、后车逼近和侧向空间受限等变量构建测试场景，并对前后车辆的相对距离、速度和碰撞时间等信息进行计算。相关结果目前仍属于仿真阶段，团队下一步需要通过工程样机、封闭场地和真实道路测试，进一步验证算法在现实环境中的稳定性。

Dual TTC风险引擎：从双向感知到预警建议

SandwichGuard第一阶段规划的是后装智能预警版本。按照当前工程方案，系统采用前向77GHz毫米波雷达与前视摄像头，并结合后向雷达及侧向感知能力获取车辆周边信息，通过Dual TTC风险引擎同时评估前向与后向碰撞时间，并将侧向可用空间纳入风险融合。

与只提示“前方有危险”不同，SandwichGuard希望输出的是风险等级、预警信息以及可供驾驶员参考的避险方向建议。团队的目标是在典型高风险场景中争取3至4秒级的提前预警窗口，但这一指标目前仍需要在真实道路测试中进一步验证，并非已经完成量产级验证的性能承诺。

在产品工程路径上，后装版本计划采用独立供电，不接入原车CAN，以降低早期测试和部署复杂度。当前方案的BOM成本测算约为800至900元，拟议零售价为1999元，但团队强调，后装硬件的主要作用并非建立长期硬件零售业务，而是作为风险识别能力验证和真实驾驶数据采集的载体。

项目已完成CARLA仿真验证和核心Dual TTC风险逻辑的初步搭建，并已提交实用新型专利申请。工程样机、真实道路测试和保险PoC仍属于下一阶段里程碑。团队认为，早期最需要回答的问题不是产品能否做出更多功能，而是风险识别是否有效、误报是否能够持续下降，以及真实数据能否证明其对事故风险管理具有价值。

保险先行：从预警设备走向风险数据

SandwichGuard选择保险作为第一阶段商业切入口。团队判断，车险行业长期需要更细颗粒度的驾驶风险数据，以支持风险筛选、事故预防和差异化定价；而后装设备如果能够持续形成可验证的复杂交通风险数据，则有机会从单纯的安全硬件延伸到保险风险服务。

按照目前规划，SandwichGuard将首先完成工程样机和道路数据闭环，再与保险机构推进PoC验证。若试点能够证明设备对风险识别和事故预防具有价值，团队计划进一步探索与保险机构联合开展UBI车险模式验证，使驾驶风险数据成为保险定价和用户激励的一部分。对于终端用户，团队更倾向于由保险公司或合作机构承担设备与服务成本，让低风险驾驶行为通过保险优惠获得反馈，而不是依赖消费者主动购买硬件。

更长期的产品路径指向OEM。团队计划在后装版本积累真实道路数据、风险场景库和标定参数后，再推进主动避险能力，并与主机厂探索软硬件、算法库及标定能力的合作。后装验证、保险PoC和OEM并非三条独立业务线，而是团队希望逐步完成的验证链条：先证明风险可以被识别，再证明风险数据具有商业价值，最后将成熟能力嵌入车辆主动安全体系。

SandwichGuard目前由创始人梁伟辉负责产品战略、商业路径、融资及外部合作，技术合伙人负责算法、工程样机和系统迭代，团队另设商务职能推进保险及产业合作。现阶段团队规模较小，种子轮的重点也并非快速扩张，而是完成关键技术与商业假设验证。

本轮计划融资80万元人民币。按照团队当前规划，资金的40%用于产品与工程验证，包括工程样机和系统迭代；40%用于道路测试、数据采集与相关合规验证；20%用于保险PoC和商业验证。团队希望在本轮资金周期内形成“工程样机—真实道路数据—保险PoC”的验证闭环，为下一阶段融资和产业合作建立更明确的依据。

对于SandwichGuard而言，真正需要积累的并不只是某一个算法模型。随着真实道路测试推进，团队希望逐步沉淀复杂交通风险场景数据库、风险阈值与标定体系，并形成从CARLA仿真到真实道路、再到保险应用的数据闭环。其长期目标，是让复杂交通风险变得可计算、可预测、可管理。