如今监控技术行业备受瞩目，但原因并不光彩。随着美国移民和海关执法局接入Flock摄像头网络监视民众，以及家用摄像头制造商Ring因允许执法部门向房主索要社区视频片段的新功能而受批评，围绕安全、隐私及监视权的争论十分广泛。
争议并未抹去市场，视觉-语言模型（vision-language models）的持续进步，更为致力于帮助企业监控场所的新兴公司注入了强劲动力。
审慎筛选客户与快速融资
视频监控初创公司Conntour联合创始人兼CEO Matan Goldner表示，鉴于该话题涉及的伦理问题至关重要，公司对客户选择非常谨慎。尽管成立仅两年，Conntour已拥有新加坡中央禁毒局等大型政府及上市公司客户，这使其能够保持控制权并筛选符合道德且合法的合作对象。
Goldner在接受TechCrunch独家采访时称：“我们完全掌控谁在使用产品、具体使用场景是什么，并基于特定客户决定是否合作。”这种势头也吸引了投资者注意，Conntour最近从General Catalyst、Y Combinator、SV Angel和Liquid 2 Ventures获得了700万美元种子轮融资，且在72小时内完成。
类Google搜索引擎式的安防视频平台
Conntour的视频平台利用AI模型，允许安保人员通过自然语言查询摄像头画面，实时查找物体、人物或情境，相当于专为安防视频流打造的类Google搜索引擎。与传统依赖预设参数的系统不同，该系统采用自然语言和视觉语言模型，具备高度灵活性。例如用户提问“找出穿着运动鞋的人在大厅传递包袋的情况”，系统将迅速搜索录制画面或实时视频流并返回结果。
由于内置AI模型，用户只需对画面提出问题，即可获得文本回答、相关视频片段及事件报告。
高效扩展性与部署灵活性
该平台的核心卖点在于可扩展性。Goldner解释称，Conntour系统设计为能高效扩展至数千路摄像头画面，仅依靠一块消费级GPU（如Nvidia RTX 4090）即可监控多达50路画面。公司通过组合多个模型和逻辑系统，识别算法处理查询时应调用的组件，以最低计算资源消耗提供最佳结果。
Conntour支持本地、云端或混合部署，可接入大多数现有安防系统，也可作为独立完整监控平台运行。
应对画质挑战与技术难题
针对监控质量取决于画面质量的长期问题，Conntour通过提供置信度评分来应对。若视频源画质不佳，系统将返回低置信度结果。
Goldner表示，未来最大技术难题是在保持效率的同时引入大语言模型（LLM）的全部能力。“我们希望提供类似LLM的自然语言灵活性，同时确保极低资源消耗，因为处理数千路视频流极其耗费精力。解决这一矛盾是我们领域最大的技术障碍，我们正在全力以赴。”