当安防摄像头遇见DeepSeek

新年伊始，专注于开发先进大语言模型及相关技术的DeepSeek横空出世，并由此引发一场中美网络激战，进一步推进了有关大模型的应用落地讨论。

在此背景下，“安防+AI”的应用落地前景，再度回归到安防行业的热度之中。

特别是近日，头部大厂发布的多模态大模型文搜存储系列产品——文搜NVR、文搜CVR，基于观澜大模型技术体系，讲大参数量、大样本量的图文多模态大模型与嵌入式智能硬件深度融合，让安防业务管理更高效和更智能。

AI大模型在安防领域的落地的机遇和阻碍有哪些？今年会出现更多融合大模型的安防产品吗？边缘计算对大模型的落地有何助力？面对诸多疑问，我们与业内人士进行深度交流，力图从多个角度剖析AI大模型的落地前景。

大模型对摄像头的赋能

在今年的消费级监控摄像头市场趋势分析中，高像素、AI大模型、4G、低功耗、毫米波雷达等技术的陆续引入和融合，进一步丰富了监控摄像头的品类。

其中，智能化监控设备与AI技术的深度融合已是必然趋势。

AI和安防的融合将不再局限于简单的运动监测等基础功能，而是通过深度学习算法，从而实现更精准的面部识别、行为分析、场景感知等高级智能分析功能，推动摄像头从“看得见”向“看得懂”升级。

目前，AI智能识别技术已在安防监控领域应用得较为成熟，对人形监测、视频通话、宠物监测、智能避障、通知优化等越来越智能化。

特别是DeepSeek的出现，不同于众多通用大模型，DeepSeek的低成本训练、技术开源以及技术迭代等优势，为大模型在细分行业的应用带来新的突破口。

正如IDC咨询指出，DeepSeek通过引入了创新性的多令牌预测（MTP）技术，对注意力模块进行了拓展，从而在模型训练与推理过程中，于较低计算量条件下实现了性能的显著提升。简言之，DeepSeek凭借极具成本优势的架构，正在重新定义AI模型的研发与定价机制。

同时，DeepSeek选择将其技术开源，包括代码和模型权重。通过开源，DeepSeek加速了技术的迭代和生态系统的建设。这也意味着行业用户可能不需要在基础设施和硬件方面进行大量投资，从而降低大模型的引入门槛。

对于当前无限内卷的安防行业而言，消费类安防产品在深度融合AI技术和大模型的需求，基于DeepSeek所开创的成本优势和技术开源，似乎看到新的希望。

此外，正如业内人士剖析，“通过大模型提升摄像头的通知质量，也是安防+AI的落地应用之一。涉及到具体的落地层面，对摄像头进行针对性的软硬件优化，小模型已能满足当下的需求。”

与此同时，也有不少业内人看到边缘计算对大模型的助力，或将抢占“安防+AI”的落地先机。

边缘计算对大模型的助力

从安防产业链来看，不论大模型还是小模型，上游芯片厂商在大模型的融合阶段，还需要更多的破局之力。

近日，在业内交流的渠道中了解到，基于当前摄像头芯片对大语言模型（LLM）的支持并不多，且芯片价格不低，大多数摄像头芯片还不能支持Transformer在CV领域中的ViT算法。

因而，在AI大模型时代，边缘计算成本低、低时延、隐私性、灵活性和安全性高的优势，在云边一体化趋势下，边缘计算已与云计算一起成为驱动数字经济发展的关键技术之一。

特别是，随着摄像机端芯片的算力越来越大，以及服务器端大算力卡的价格下降，各大平台公司、算法公司在摄像机端的算法适配上可以根据需求配置不同的算法固件，所以后期边缘盒子的市场有可能被端侧摄像机和AI服务器取代。

与此同时，业内人士也预测，“融合大模型的监控产品将在Q2/Q3上线，作为一个边缘计算的设备存在，配合端侧的摄像头，实现一个更为智能的主动报警产品。”

对于硬件厂商而言，大模型能够从根本上解决AI算法精准度和定制开发的成本问题，通过高价值和高性价比的产品在细分场景逐渐延伸，才能实现边缘计算在安防行业的快速落地能力。

源自网络

审核编辑 黄宇