根據視訊科技公司安訊士（Axis Communications）的統計，截至 2025 年底，全世界除了中國以外的地區，合計共安裝了 5.62 億台的監視攝影機，其中越來越多產品內建智慧功能，尤其是 2024 年後出貨的攝影機中，大約有三分之二都具備深度學習分析能力。
若從這個角度來看，對於那些致力開發「實體人工智慧（Physical AI）」的公司而言，他們所需要的「基礎設施」，其實早已懸掛在世界各地的牆壁和天花板上，而箇中商機就在於，如何讓 AI 模型理解鏡頭前發生的事情，並且讓現有的監視攝影機發揮更多效用。
新創公司 Lumana 正是看中監視攝影機發展潛力的團隊之一，其創辦人 Sagi Ben Moshe 先前是 Intel RealSense 業務的主要領導者，公司技術長 Ofir Mulla 則負責開發 3D 及 LiDAR 攝影機幕後架構。
擁有 Intel 電腦視覺技術經驗與血脈的 Lumana，目前已經可以透過自行開發的 AI 視訊監控系統，每天處理超過 50,000 台攝影機所帶來的逾十億張影像，並借助 AI 提供的可理解性與可搜尋性，分析正在發展中的各種事件。
讓人類注意「應該被注意」的事件
過去數十年以來，無論是哪裡的保全監控室通常都有一面電視牆，呈現來自每一支監視攝影機的即時畫面，至於身處其中的保全和員工，其任務就是在出現異狀時及時察覺。
然而真正的情況是，在大多數日子裡沒有人會特地去觀看監視器畫面，被錄下的影像只有在包裹遺失、發生意外，或是有人需要從某個事件中查明真相時，監視器畫面才會派上用場。
換句話說，雖然監視攝影機早已數位化，但其所拍攝的影像，卻仍高度仰賴於有人知道「該尋找什麼」以及「要在哪裡找」。為此 Lumana 技術長 Ofir Mulla 認為，與其讓人類長時間盯著電視牆，試圖找出異常情況，不如讓員工將注意力集中在真正需要被調查的事情上。
「正常」的定義會經常改變
只不過，若想要讓 AI 模型借助影像分析，透過監視器畫面做到這一點的關鍵即在於「情境」，這也是傳統的動作偵測技術與固定規則難以掌握之處。
舉例來說，在下午 2 點時，若有人站在電商倉庫的門旁可能完全正常；但若同樣狀況在凌晨 2 點發生，那就會值得進一步調查；又比如一輛貨車停在倉庫門口 20 分鐘，這通常不會有什麼問題，但若同一輛貨車停在原地長達三個小時，就可能意味著情況有些異常。
Lumana 所發的 VIA-1 模型，不只是能夠進行影像分析，它更會從每台監視攝影機所捕捉的環境之中學習，避免於所有地方、所有時間，全都套用相同的「正常」情況定義與告警規則。
相較於傳統動作偵測與固定規則系統，Lumana 指出 VIA-1 可以將告警誤報率降低高達 90%。
人類提供 AI 回饋的關鍵作用
然而，當環境本身發生變化時，才是真正考驗 AI 能力的時刻，因為監視攝影機與 AI 模型眼中看似正常的景象，轉眼之間就可能發生變化。
舉例來說，安裝有 AI 監視系統的出貨倉庫，業者可能會選在非工作日重新調整產品擺放佈局；迎接節假日出貨高峰時，倉庫的人流也會發生變化；又比方業者決定新增夜班，導致數十名員工湧入以往凌晨時段本應空無一人的區域等，這些於昨日可能觸發異常警報的活動，隔天卻會變成正常行為。
對此 Ofir Mulla 說明，VIA-1 模型能夠隨著環境變化，調整 AI 模型對監視器畫面的理解，而當環境發生實質性改變時，人類員工的回饋將有助於 AI 學習新的變化，只是調整時間需要取決於變化的規模與類型而定。
一套真正實用的 AI 監視系統，必須學會將後來增加的新模式當作常態，同時依然察覺出異常活動。由此可見，人類操作員還是十分重要的環節，尤其是在環境出現重大變化時，員工的回饋才能讓系統於持續變動的環境中不斷學習。
以影像觸發行動的「實體 AI 代理」
當然，讓 AI 透過攝影機監視著人類工作，使影像資料變得更容易搜尋與理解，無可避免將引發隱私疑慮，特別是在工作場域之中。
因此 Lumana 允許客戶根據當地法規要求，設定資料保留與存取政策，並選擇性停用臉部、性別識別等功能。
Ofir Mulla 也進一步闡述 AI 監視系統的願景，他認為未來應該將監控、驗證和回應功能，組合成一套「實體 AI 代理」，目前 Lumana 則已經實現了其中的一部分。
實體 AI 代理的願景將讓監視器於企業內部扮演截然不同的角色，例如使影像資料成為軟體的輸入資訊，並用於讓 AI 模型解析事件，而在某些情況下，甚至可以由監視系統本身，觸發後續於現實世界中的各種行動。
地端承擔多數任務，先篩選再花錢
另一方面，企業對於分析影像內容最大的顧慮，終究在於成本。畢竟大規模傳輸和處理影像的開銷十分昂貴，若是將每一幀影像都傳送至雲端，進行更密集的 AI 處理與分析，支出勢必會迅速飆升，尤其隨著攝影機解析度和部署規模的擴大，開銷還會進一步加劇。
為此 Lumana 端出的解決方案，就是將大部分初步分析工作，交由本地端硬體直接處理，並且把核心設備安裝在攝影機附近。根據 Lumana 說法，大多數的影像分析任務皆在本地端進行，而雲端僅提供額外的處理功能、遠端存取及跨站點管理服務。
Lumana 將前述概念包裝成一句話：「先篩選，再花錢」。Ofir Mulla 強調，絕大部分的監視器影像，其內容都是「稀鬆平常」的例行畫面，所以只有那些值得深入分析的影像，才需要進行更昂貴的處理。
讓影像成為實體 AI 的自然起點
對於發展實體 AI 技術的公司來說，若能夠善加運用監視器影像，將具備一項巨大發展優勢。
目前全世界已有數億台攝影機，正對準工廠、商店、大學、倉庫及城市街道，這讓實體 AI 業者，例如機器人公司不必製造數百萬台產品，就能輕鬆取得、利用這些來自真實世界的畫面。
假如 AI 未來能夠在事件發生時，有效解析透過監視器傳來的影像資料，並且即時掌握環境狀況，就可以進一步推展到 AI 代理接下來可以採取哪些行動，讓監視攝影機成為人工智慧進軍實體世界時，最自然也最合理的起點。
從實驗室到產線，機器人正重新定義產業的樣貌。如果你也想站在第一線追蹤這場變革、寫出有觀點與洞察力的報導，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
【推薦閱讀】
◆ 【機器人的下一關：聽覺】會走路、拿東西還不夠，聽不懂人話就難被採用
◆ 【保全業的自動化轉折】機器狗接手體育場重複巡邏工作，不為取代人力而是留才
◆ 人形機器人終於能拆除鐵籠？Digit 5 靠 360 度動態感測，實現免護欄近距共工
＊本文開放合作夥伴轉載，參考資料：The Next Web、Lumana，首圖來源：Pixabay
（責任編輯：鄒家彥）
