MotoNerv「看」穿監控未來

Forte於2014年畢業於香港都會大學（都大）商學院，其後再修讀香港城市大學市場學碩士課程，之後便加入阿里巴巴杭州總部，參與「淘寶直播」營運。
半年後，他申請調職回港，於2017年加入成立不久的「阿里巴巴創業者基金」（AEF），負責籌備年度重頭戲Jumpstarter環球創業比賽，並支援團隊的創投工作。

自動駕駛項目　啟發創業之路

在AEF工作的四年間，Forte大開眼界。其中一個深圳的自動駕駛項目尤令他著迷，更使他萌生創業念頭：「我想坐上駕駛座試試。」
2020年，他毅然離開待遇優厚的職位，創辦MotoNerv，成為自己口中那位「苦修」的創業者。

Forte的合夥人是一位具豐富經驗與人脈的賽車手。創業初期，團隊專注於車隊管理及駕駛影像識別，希望提升駕駛安全。MotoNerv花了足足四年時間收集行車影片、訓練AI模型及開發系統，把影片內容轉化為文本再作分析。
惟當時市場對相應的需求仍有限。直到大型語言模型（LLM）技術橫空出世，與MotoNerv的技術完美契合，才為Forte打開一片新天地。
「我們產品（的應用領域）不再局限於汽車或駕駛場景。」LLM擅長理解文字，而MotoNerv的核心能力，正是把影片實時「翻譯」成可搜尋的文本，準確地將源源不絕的影片，轉化成描述影片中人物、物件、行為、互動、環境等完整細節的海量文本數據。

更重要的是，用戶可以直接就影片提問——例如「剛才誰進入房間？」、「今天下午有多少人跌倒？」系統會即時從文字資料中整理答案，猶如一名全天候觀看畫面的智能助理。

影像化成文字　即時預警

以MotoNerv參與的一個政府項目為例，系統持續分析CCTV畫面並轉化為文字，一旦偵測到異常狀況，便會通知人員即時處理，效率遠勝人手監控。「一般人能看到甚麼，我們都能看到。但我們不累、不分心、不看漏。」Forte說。
這套技術同樣適用於商場、醫院及酒店等公共空間。當系統辨識到有人跌倒或打翻液體等情況，便可即時提示相關人員處理。
此外，影片在轉化為文本後可被刪除，而文字所需的儲存空間遠低於影像，有助降低儲存成本。

雖然大眾亦可利用LLM把影像轉換成文字，但過程通常耗時且需要大量運算資源。Forte比喻MotoNerv的系統好比連鎖快餐店，處理「食材」既快且標準化；反觀一般工具就如偶爾才下廚的人，效率較低，成本也較高。
成立多年後，MotoNerv終於在2025年錄得收支平衡；同年，MotoNerv向都大申請天使基金（Angel Fund），並成功獲批，得以繼續拓展業務，預計2026年收入可達500萬至800萬港元，穩步發展。這一刻，Forte終於感到自己穩穩坐上了屬於自己的駕駛座。