航司损失准点率
可控延误分钟直接影响 D0/D15、飞机利用率、旅客体验和后续航班恢复。
Pitch 61 · Ramp Exception Closure Layer
航班延误不是突然发生的，而是从一个个没人真正关掉的小异常开始。
RampLoop 帮航空公司、机场和地服团队把机坪周转里的 FOD、GSE 迟到、行李/配餐/清洁阻塞、安全区占用和 SLA 争议，在变成离港延误前闭环：有人负责、有倒计时、有升级、有证据。
01 · Problem
机坪主管不是缺数据，而是高峰波次里没有一个系统真正拥有异常闭环。
加油窗口错过、行李装卸没到位、清洁队还在上一架飞机、客梯车没准备好、配餐晚到、FOD 没清、舱单信息卡住。每个人都知道一点情况，但延误发生后才开始补截图、追电话、争 delay code。
地服损失 SLA 信任
服务晚到、责任不清、证据不足，会变成罚款、争议、复盘会和续约压力。
机场损失机位效率
站位被异常占住、GSE 找不到、FOD/安全区风险未闭环，会降低高峰波次吞吐。
安全记录不够闭环
FOD、GSE 近距、无人值守设备和机坪区域占用需要发现、处置、溯源和整改记录。
02 · Why Now
航班量继续增长，但机位、人手和周转时间没有同步变宽。
买方现在愿意为减少可避免延误、减少 SLA 争议、提升机位利用率和安全取证付费，而不是为一个漂亮监控屏付费。
10.2B
ACI 预测 2026 年全球机场旅客量约 102 亿人次，容量约束继续加剧。
$100.76/min
A4A 估算 2024 年美国客运航司直接 aircraft block time 成本约 100.76 美元/分钟。
1.529B
中国 2025 年运输机场旅客吞吐量约 15.29 亿人次，机场运行进入高强度阶段。
2026-07-01
中国运输机场运行安全管理新规生效，强化 SMS、FOD、机坪全链条检查和记录。
03 · Insight
机坪的关键产品单位不是“检测到一个事件”，而是“把一个会拖延离港的异常关掉”。
机场已经有航班系统、排班、CCTV、无线电、微信群和人工经验。缺的是一个跨航司、机场、地服、GSE、货站和 AOCC/APOC 的异常闭环层：谁现在必须做什么，最晚什么时候完成，没完成谁接手，完成证据是什么。
Observation 不是 Case
看到 FOD、车辆、人员或服务节点，只是 observation；只有关联航班、区域、倒计时和责任方，才是 case。
Task 不是 Closure
派单只是开始；连续帧、GSE 状态、照片、主管确认和 SLA 标签满足条件后才算 verified closed。
AI 不是 Buyer Value
买方买的是 fewer open exceptions、avoidable delay minutes、SLA 复盘速度和安全证据。
04 · Solution
RampLoop 是离港倒计时下的机坪异常闭环层。
它不替代 AODB、A-CDM、OCC、地服排班、BHS 或对讲系统。它贴着现有周转流程，把每架飞机的关键任务和异常变成可追责、可升级、可举证、可复盘的 closure loop。
- Detect：固定摄像头、GSE telematics、扫码、BHS/RFID 和人工 App 产生 observations。
- Compile：规则引擎把 observations 变成 FOD、GSE out-of-zone、service blocker、milestone risk 等 cases。
- Assign：每个 case 有 owner、倒计时、下一步动作、升级路径和关闭条件。
- Verify：系统用 before/after clip、GSE 状态、人工审批和 hash 证据证明 case 已关闭。
05 · Product Workflow
从航班落地前到推出后复盘，异常按分钟被关闭。
第一版不控制真实飞机或 GSE，不接管安全关键动作。它做的是“先轻集成、先人工审批、先可证据化”的机坪异常闭环。
1. Build Turn
导入航班、机位、机型、SOBT/EOBT、TOBT、航司 SOP、地服 SLA、关键节点和责任团队。
2. Watch
站位摄像头、GSE 位置、BHS/RFID、扫码、人工 App 和现有系统共同更新机坪状态。
3. Create Case
异常被编译成 case：类型、航班、区域、严重度、置信度、owner、倒计时、证据 clip。
4. Escalate
未按时关闭就升级给班组长、地服主管、航司站长、OCC 或 AOCC/APOC。
5. Verify
关闭后输出异常账本：哪些提前关掉，哪些拖成延误，哪个流程反复卡住。
06 · Market Wedge
先切一个航司站点 + 一个核心地服供应商 + 5-15 个高频窄体机位。
不要先卖全机场操作系统。先在一个延误敏感站点、一个高峰波次、6-10 类高频异常里证明：open exceptions 更少，关闭更快，SLA 复盘更可信。
Airline Station
站长和机场运营团队拥有可控延误痛点，可以通过 SLA 机制拉地服参与。
Ground Handler
地服 GM 关心罚款、复盘、人员调度、SLA 证据和跨班组响应速度。
Airport AOCC/APOC
机场扩张买方：共享异常队列、机位利用率、SMS 证据、租户问责。
China Airports
千万级枢纽、机场集团、主基地航司和地服保障公司，需要安全闭环和本地化部署。
GSE / eGSE
电动 GSE、共享设备、充电排班、占位预警和设备利用率是机场绿色化后的新痛点。
Cargo Ramp
货站、ULD、冷链、查验、单证和机坪车辆协同可以作为独立模块扩张。
07 · Business Model
按站点、航班量、机位和被验证的节省收费。
硬件尽量可选和低毛利；核心收入是 SaaS、集成、异常模块和经验证的节省。卖点是 delay-minute reduction，不是 innovation theater。
10-12 周付费试点
5-15 万美元，5-15 个 gate/stand，6-10 类异常，接入航班、人工证据、GSE 或摄像头。
Station SaaS
7.5-25 万美元 / station / year，按 annual departures、stand 数和异常模块定价。
Hub / AOCC Tier
30-120 万美元 / airport / year，作为多租户机场运行异常层。
Vision / GSE Modules
已有摄像头 1000-3000 美元 / stand / month；GSE 模块 10-35 美元 / powered asset / month。
08 · Go-To-Market
先做 delay autopsy，再赢一个波次、一个站点、一个网络合同。
YC/Airbnb 式打法：创始团队先亲自去站点值班，拿过去 30 天延误航班拆成未闭环异常，给站长和地服 GM 看每天损失在哪里。
Pilot KPI
85%+ selected exception precision，70%+ exceptions assigned and closed in RampLoop。
Hard Proof
1-2 avoidable minutes saved per turn，或 late critical tasks 下降 10-20%。
ROI Formula
100 daily departures x 365 x 1 minute x $100.76 = $3.68M gross annual value。
Expansion
从 handler SLA 模块扩到多站点、AOCC/APOC、GSE、cargo 和机场-wide exception network。
09 · Competition
视觉系统看得见，机场系统管计划；RampLoop 管“关得掉”。
AODB/RMS 管航班和资源，视觉系统管事件识别，GSE telematics 管车辆，通用工单管任务。RampLoop 管的是离港倒计时下的跨组织异常闭环、升级和证据链。
Assaia / Deep Turnaround
AI turnaround visibility 强；RampLoop 强调 case ownership、verified closure、SLA evidence 和 HIL。
SITA / Amadeus / INFORM
AODB、A-CDM、资源管理强；RampLoop 把现场 blocker feed 回这些系统。
Veovo / AeroCloud
机场运营系统强；RampLoop 是站位级 exception accountability layer。
Targa / Undagrid / TCR
GSE telematics 强；RampLoop 把设备状态绑定到具体航班、SLA 和离港风险。
FOD Systems
QinetiQ、Xsight、iFerret、ADB SAFEGATE AiPRON FOD 偏检测；RampLoop 负责处置和证据。
Aurrigo / Auto GSE
自动 GSE 是执行层；RampLoop 先做 assistive automation，再逐步接入自动设备。
10 · Moat
壁垒不是模型，而是站点级运营记忆和跨组织信任。
每个航司、机型、地服合同、机位和高峰波次都有不同的异常分类、升级规则、关闭证据和复盘结果。一旦 RampLoop 成为 SLA 复盘和准点改善的日常记录，切换成本来自流程、责任链和历史基准。
Exception Graph
航班、机位、GSE、人员、服务节点、SLA、TOBT、延误原因和责任方。
Closure Dataset
谁接、怎么关、几分钟关、是否复发、是否恢复离港表现，形成稀缺监督信号。
Airport Connectors
AODB/AIDX、A-CDM、BHS/RFID、GSE telematics、地服 App、SLA 和 AOCC/APOC 接口。
Evidence Vault
before/after clip、模型版本、人工审批、SHA-256 hash chain、WORM 存证和审计包。
11 · Product Architecture
Observation 进来，Case 出去；只把已验证关闭的状态回写机场系统。
生产版不接管飞机或 GSE 控制。它接收感知和状态，生成 case，由人或既有系统执行，RampLoop 负责监督、验证、存证和学习。
Edge Perception
RB3/RB5 站位节点，2-3 路摄像头，检测 FOD、GSE、人员、安全区、cargo-side blocker 和 milestone risk。
Case Compiler
Observation 关联 flight_leg_id、stand_id、zone、severity、confidence、assignee_role 和 evidence。
Airport Adapter
AODB/AIDX、A-CDM、TOBT/TSAT、turnaround API、GSE MQTT 和 BHS/RFID 只收/回写必要状态。
Verification
10-20 秒 before/after clips、标注帧、camera pose、stand polygon、人工审批和 WORM evidence。
LeRobot Loop
桌面机坪/仿真机器人 HIL 记录多相机、状态、动作和人工接管，训练下一次巡检/取证策略。
12 · Competition Demo
桌面机坪演示完整闭环：发现、分派、处置、验证、存证、学习。
不需要真实机场权限：打印机位图、玩具飞机、带标签 GSE、FOD token、摄像头和小机器人即可展示 edge AI + HIL + evidence closure。
Load Flight
AODB mock 加载 B12 机位、TOBT/TSAT、服务任务和实时 camera tiles。
Create Cases
摄像头发现 nose gear 附近 FOD 和挡住 cargo-side belt-loader path 的行李车。
Approve
ramp lead 批准，FOD 派给 sweeper/robot，baggage blocker 派给 baggage lead。
HIL Inspect
机器人/仿真 drone 进入 supervised LeRobot HIL，拍摄近景证据，等待人工确认。
Verified Closed
清除后进入 verified_closed，WORM 存证显示 hash、模型版本、审批人、前后帧和 case status。
13 · Why Qualcomm
机场需要可部署的边缘 AI，而不是把所有机坪视频送到云端再等结果。
Qualcomm 的价值不是芯片背书，而是让 RampLoop 变成机场可部署的工业级系统：本地推理、多相机、低功耗、私有/可靠连接、机器人 HIL 和产业伙伴生态。
Edge Vision
FOD、GSE、人员、区域占用、milestone risk 和低置信度队列需要站位本地推理。
Private Connectivity
机场网络、专网、弱网缓存和区域云部署，比公网云视频流更符合机场数据边界。
Model Chain
AI Hub、Neural Processing SDK、QNN/QAIRT 可以展示 profile、签名、回滚和边缘发布。
Ecosystem Pull
连接机场、航司、地服、自动 GSE、智能摄像头、航空物流和交通基础设施 design partner。
14 · Ask
请 Qualcomm 帮我们把桌面闭环推到 3 个真实付费试点。
比赛阶段证明 tabletop ramp；赛后 18 个月目标是 3 个付费试点、10 个站点部署、形成可复用的站点 playbook。
Hardware
RB3 Gen 2 / RB5 / Dragonwing dev kit，广角摄像头、可选深度摄像头、小型 AMR 或桌面机械臂。
Partner
1-2 个航空/交通基础设施 design partner：航司站点、地服、机场 AOCC/APOC 或 cargo ramp。
Data
匿名过站节点、延误原因、GSE/BHS/SLA 异常、站位 SOP 和 30 天 delay autopsy 样例。
Funding
pre-seed 150 万美元；请 Qualcomm 参与 50-75 万美元并提供 edge AI reference support。
Claims / Sources
可信边界：减少可避免异常拖延，不承诺消除航班延误。
不声称 FAA/EASA/CAAC 认证，不控制真实飞机或 GSE，不承诺杜绝所有延误/FOD/事故，不说 AI 自动管理机坪，不说 tabletop policy 可直接泛化到机场，不引用未实测 NPU FPS。