新聞速讀｜Glid奪TechCrunch創業大賽，以AI自主路鐵貨櫃物流壓低成本
新聞速讀｜Glid奪TechCrunch創業大賽，以AI自主路鐵貨櫃物流壓低成本
把港口、鐵路與AI決策打包成訂閱式物流基礎設施
InfoAI 編輯部
當貨櫃「第一哩」開始由AI驅動的車輛與軟體系統接手，真正被改寫的其實是港口到鐵路之間看不見、卻最傷成本與安全的那段基礎設施。
這不是一間做「炫技自駕車」的新創，而是用 AI 自主車隊＋訂閱制商業模式，去重寫港口與鐵路之間的現金流與風險模型。
這不是一間做「炫技自駕車」的新創，而是用 AI 自主車隊＋訂閱制商業模式，去重寫港口與鐵路之間的現金流與風險模型。
01｜理解事件
在今年舊金山舉行的 TechCrunch Disrupt 2025，全球知名的 Startup Battlefield 創業競賽 再次選出年度冠軍：總部位於美國的物流基礎設施新創 Glīd，從 Startup Battlefield 200 中脫穎而出，在最終 20 家決賽隊伍中擊敗 19 家對手，拿下 10 萬美元獎金與 Disrupt Cup。
Glid 鎖定的是最瑣碎、也最昂貴的一段路：貨櫃從港口上岸後，如何在「第一哩」被送上鐵路。創辦人 Kevin Damoa 從 17 歲在美軍負責把坦克與戰車裝上火車的經驗出發，看到這段流程充滿多次吊掛、等待與場內短程貨車周轉，不僅成本高，也存在安全風險。
為了改寫這個瓶頸，Glid 打造了三個關鍵產品：GliderM 是一台 混合電力路鐵雙模車輛，後方掛鉤可以直接拖運 20 呎貨櫃到鐵軌，省掉堆高機與場內短程貨櫃車；Rāden 則是 低車身裝甲平台，可以滑入任何拖車底部、抬起後自行在路與鐵路之間移動；搭配的 EZRA-1SIX 物流與調度軟體，負責車隊協調與路徑規劃。
值得注意的是，Glid 採用 訂閱＋使用量計價：客戶每年支付 30 萬美元訂閱費，取得一台 GliderM 或 Rāden 加上軟體授權，再以 每噸每英里 0.08 美元 計費。Damoa 指出，若把傳統轉運、鐵路與卡車成本加總，平均約為 每噸每英里 2.27 美元，顯示其方案在單位經濟上具有明顯差距。
在資本市場上，Glid 於 2025 年 7 月宣布完成 310 萬美元超額認購 pre-seed 募資，由 Outlander VC 領投，之後再追加資金，總融資達 710 萬美元、事後估值約 3,500 萬美元。目前這家約 14 人團隊 已簽下 四家短程鐵路公司，以及 華盛頓州 Port of Woodland、溫哥華貨運公司 Taylor Transport、Kansas 州 Great Plains Industrial Park 等合作場站，準備在港口與工業園區展開實際試點。
02｜解讀新聞
從技術角度看，Glid 做的是一種 「系統級自主物流」：它不是只造一台很酷的自駕車，而是把雙模車輛、場內平台與調度軟體 綁成一個封閉、可優化的迴路。貨櫃從船上吊下來後，過去需要在堆場與鐵路之間反覆由堆高機與場內貨櫃車接力，如今換成一套「GliderM／Rāden 接貨 → EZRA-1SIX 調度 → 送上火車」的流程，現場動作被拆解成可感測、可計算的微步驟，這就是工業現場真正的「AI 自主系統」。
在商業與場域選擇上，Glid 的聰明之處，是刻意從封閉、高痛點的第一哩開始。封閉港區、短程鐵路與大型工業園區，本來就有較高的勞務與保險成本，又不牽涉一般道路自駕的法規複雜度，天然適合作為自治物流的實驗場。Glid 不是要求港口重建碼頭或新增鐵路，而是讓自家車輛與平台「插入」既有拖車與鐵道系統，降低前期資本支出與轉換風險，這對保守的基礎設施業者特別關鍵。
再從投資人視角來看，這是一個典型的「硬體＋軟體＋訂閱制」組合。硬體提高轉換門檻，軟體與調度邏輯則累積成長期護城河，再配合 年費＋使用量 的收費方式，讓現金流更可預測。Robotics & Automation 等報導也指出，Glid 的故事同時打中基礎設施韌性、國防後勤與減碳三個敘事：越多貨櫃被拉回鐵路，對減少公路塞車與排放都有實際效果，這也說明為何有不少關注基礎建設與防禦的基金參與早期投資。
從產業結構來看，Glid 代表的是一種可能：物流基礎設施被「服務化」。當港口與鐵路營運商不再只是買設備，而是採用「每年多少訂閱＋每噸每英里多少費率」的模式時，鐵路與港口不再只是資本密集資產，而更像一個可以被 API 化、被動態調度的底層服務。這種「基礎設施服務化」若持續擴散，之後幾年的投資與併購，很可能會圍繞在誰能把更多場站、車隊與資料整合進同一套自主系統。
03｜延伸思考
我們可以從這篇新聞看見當代 AI 專案的一個關鍵轉向：從「幫你看清楚」走向「替你做決策並執行」。過去十年供應鏈數位化，多半停留在儀表板與可視化報表；Glid 則示範了什麼叫「決策—行動—回饋」的完整閉環：系統看到貨櫃在哪裡、鐵道空檔如何、車輛位置在哪裡，然後自己決定誰先動、走哪條路、在什麼風險邊界內運作。
這也提供讀者一個評估 AI 專案的實用檢查表。第一，看它是否抓住具體可量化的瓶頸：Glid 很清楚地把問題聚焦在「第一哩貨櫃上鐵路」，而不是模糊的「讓物流更聰明」。第二，看它是否善用既有基礎設施：Glid 沒要求港口重建堆場，只是在現有鐵路與貨櫃拖車之間插入雙模車輛與平台，這讓決策者面對的是「一套可退可換的系統」，而不是推倒重練。第三，看它是否提出可以驗證的單位經濟：從 2.27 美元到 0.08 美元／噸英里的對比，就是一個所有財務長都聽得懂的故事。
這則新聞也提醒我們更深一層的認知：在 AI 時代，真正的競爭優勢常常不在模型本身，而是在誰能把複雜現場拆解成清楚的決策迴路。對讀者來說，這代表未來在看任何 AI 相關專案時，與其問「模型多強」，不如先問三件事：卡在哪個瓶頸、動到哪些既有資產、怎麼賺回成本與風險溢價。懂得用這種眼光看基礎設施級的 AI 方案，就更容易分辨哪一些是 PR 故事，哪一些是真正在改寫現實世界的運作方式。
04｜重點提煉
Glid 在 TechCrunch Disrupt 2025 Startup Battlefield 中，從 20 家決賽隊伍、合計 200 家新創之中奪冠，主打的是「第一哩」貨櫃從港口到鐵路的 AI 自主物流系統，產品組合包含 GliderM 雙模車輛、Rāden 低車身平台與 EZRA-1SIX 物流軟體，並已與四家短程鐵路及多個港口、工業園區簽約試點。
透過年費 30 萬美元＋每噸每英里 0.08 美元的訂閱與使用量計價，Glid 企圖把原本約 2.27 美元／噸英里的傳統道路與轉運成本大幅壓低，同時利用「插入式」雙模車輛與平台沿用既有鐵路與拖車基礎設施，降低客戶導入風險與前期資本支出。
從技術與商業結構來看，Glid 展現的是系統級自主物流：不是單一自駕車，而是一整套「車輛＋場內平台＋調度軟體」的閉環，把貨櫃移動拆解為可感測、可優化的微步驟，並透過訂閱制與長期合約，逐步把港口與鐵路變成一種可被「服務化」的基礎設施。
對 AI 素養而言，這起案例提醒我們評估 AI 專案時，應從瓶頸是否明確、是否善用既有資產、單位經濟是否可驗證這三個角度著手，而不是只看模型規格或行銷故事；能用這種方式拆解，就比較能分辨哪些 AI 方案只是短期熱潮，哪些有機會確實重寫產業的營運邏輯。
05｜後續觀察
接下來幾個月最值得觀察的是 Glid 在實際場域的試點成效：包括 Kansas 的 Great Plains Industrial Park 這類大型工業園區，以及已簽約的短程鐵路與港口，能否在安全紀錄與實際成本上，驗證「8 美分 vs 2.27 美元／噸英里」這個承諾。若保險公司、工會與監管機關接受這套模式，自治路鐵物流才有機會從示範案例變成行業標準。
其次，可以留意是否出現更多「基礎設施服務化」競爭者：若其他港口、鐵路營運商與物流巨頭開始推出類似的自主貨櫃移動方案，市場可能會從「物流 SaaS」進化為「以自主系統為核心的基礎設施服務」，屆時不只新創，連既有大型營運商的角色與議價能力，都可能被重新洗牌。
參考資料：
Glīd won Startup Battlefield 2025 by building solutions to make logistics simpler, safer, and smarter
Glīd is building an autonomous shortcut to move freight from road to rail — catch it at TechCrunch Disrupt 2025
Glīd closes oversubscribed US$3.1m pre-seed round to launch autonomous road-to-rail freight solution
版權聲明與授權須知
本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。
用內容建立信任
用洞察塑造品牌
在 AI 時代，真正有力量的行銷不是廣告聲量，而是持續輸出的深度思考。InfoAI 把全球 AI 趨勢與報告，轉譯成清楚、精準、有觀點的內容，讓企業不只是跟上變化，而是成為洞察的提供者，讓品牌變成被信任的決策夥伴。如果你不想只是「談 AI」，而是想「透過 AI 影響市場與客戶」，那就從內容開始。歡迎來信： contentpower688@gmail.com
如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。
AI 協作聲明：
本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。
InfoAI｜讀懂 AI 如何改變世界
在 AI 改變世界之前
助你先讀懂 AI 世界
每日精選全球 AI 新聞
AI 趨勢 + 新聞 + 深度解讀
Content Power ｜賦能你在 AI 時代的專業能力
專注於「AI × 專業 × 工作方法」的知識平台
透過框架、流程與方法
協助你在 AI 時代重建專業能力