NetraDyne Inc.创立于2015年,总部位于美国加州San Diego,Netradyne 通过计算机视觉和深入数据分析致力于提高车队安全性。通过处理视觉和感官输入,该公司瞄准那些可操作数据的及时性是绩效关键差异因素的行业。
NetraDyne Inc.美股百科
Netradyne 由首席执行官 Avneesh Agrawal 和首席技术官 David Julian 于 2015 年创立,是一家领先的 SaaS 提供商,为车队安全和管理提供人工智能 (AI) 和边缘计算解决方案。Netradyne 总部位于加利福尼亚州圣地亚哥,在旧金山和印度班加罗尔设有办事处,已迅速成为交通生态系统的行业领导者。
Netradyne 公司的旗舰产品 Driver- i 是一款人工智能车队安全解决方案,可分析 100% 的驾驶时间,以改善驾驶员行为和车队绩效。通过专注于积极强化和实时指导,Netradyne 的技术旨在减少事故、提高安全分数、降低诉讼和索赔成本并提高驾驶员保留率。该系统利用先进的计算机视觉和边缘计算来收集和分析比其他车队安全组织更多的数据点,为客户提供全面的见解以改善其运营。
Netradyne 在车队安全和管理方面的创新方法赢得了业界的认可。该公司的解决方案适用于各个行业,包括建筑、配送、现场服务、石油和天然气、客运、卡车运输和物流。通过利用人工智能和数据分析,Netradyne 旨在改变道路和车队安全,最终为道路安全做出贡献并增强专业驾驶员的能力。随着公司继续扩大其全球影响力并增强其技术产品,它有望在塑造运输行业的未来方面发挥重要作用。
Netradyne 的快速增长体现在其客户群中,目前其客户群包括美国、加拿大、墨西哥、德国、英国、澳大利亚、新西兰和印度等多个国家的 3,000 多个客户和 450,000 名活跃用户。
NetraDyne Inc.融资百科
- 2016年6月,NetraDyne完成Reliance Industries独家投资的1600万美元A轮融资。
- 2018年9月,NetraDyne完成 M12(Microsoft), Reliance Industrial Investments and Holdings 领投,Point72 Ventures跟投的2100万美元B轮融资。
- 2019年12月,NetraDyne获得1050万美元风险投资资金。
- 2021年7月,C轮融资,NetraDyne获得Softbank Vision Fund领投,M12和Point72 Ventures跟投的1.5亿美金投资。
- 2022年9月,NetraDyne获得Silicon Valley Bank独家6500万美元债务融资资金。
- 2025年1月,NetraDyne完成Point72 Ventures领投的9000万美元D轮融资,Qualcomm Ventures和Pavilion Capital跟投。
2F
NetraDyne正在为下一代安全解决方案铺平道路,以促进安全出行的未来。Netradyne正在通过计算机视觉和深入的数据分析来改变交通生态系统,以保护和授权车队和司机为今天创造更安全的道路。Netradyne的解决方案彻底改变了车队安全管理。
NetraDyne致力于为所有车队创造一个更安全的世界。 通过使用先进的视觉技术,公司正在创造更安全、更智能的未来道路。
自 2015 年成立以来,Netradyne 一直在打造世界一流的团队,以提供行业领先的车队安全解决方案。NetraDyne是第一家将人工智能与视频相结合以检测、推理和确定事件因果关系的商用车辆技术提供商,因为公司在驾驶技术发展中告知车队与员工和车辆的互动方式。
Netradyne 是一家为交通运输行业开发深度学习解决方案的公司。 它由 Avneesh Agrawal 和 David Julian 于 2015 年创立。 Netradyne旨在通过使用技术为运输公司提供解决方案。 该公司位于美国加利福尼亚州圣地亚哥和印度班加罗尔。
Netradyne 的主要产品是 Driveri。 Driveri 的开发是为了解决道路安全问题。 通过使用 Driveri,司机和车队经理都可以实时监控司机的表现。 为用户提供了一个移动应用程序,他们可以在其中访问当前的分析报告或推动特定时期的绩效模式。 该信息是从安装在四轮车辆后视镜上的设备收集的。 该设备配备了一个名为 TeraFLOP 的深度学习处理器和几个高清摄像头,用于记录车辆内外发生的事件。
1F
在 NetraDyne,他们正在创建独特的端到端物联网解决方案,将深度学习处理推向边缘。 他们处于有利地位,可以利用视频推动高级分析和商业智能的增长趋势。 通过处理视觉和感官输入,他们瞄准了可操作数据的及时性是性能关键差异化因素的行业。
持续的技术运动正在推动相机技术的快速改进,同时降低传感器、处理和连接的成本。 这些改进以及深度学习技术的进步为跨多个行业提供基于视觉的解决方案创造了绝佳机会。