新年伊始，專注于開發先進大語言模型及相關技術的DeepSeek橫空出世，并由此引發一場中美網絡激戰，進一步推進了有關大模型的應用落地討論。

在此背景下，“安防+AI”的應用落地前景，再度回歸到安防行業的熱度之中。

特別是近日，頭部大廠發布的多模態大模型文搜存儲系列產品——文搜NVR、文搜CVR，基于觀瀾大模型技術體系，講大參數量、大樣本量的圖文多模態大模型與嵌入式智能硬件深度融合，讓安防業務管理更高效和更智能。

AI大模型在安防領域的落地的機遇和阻礙有哪些？今年會出現更多融合大模型的安防產品嗎？邊緣計算對大模型的落地有何助力？面對諸多疑問，我們與業內人士進行深度交流，力圖從多個角度剖析AI大模型的落地前景。

大模型對攝像頭的賦能

在今年的消費級監控攝像頭市場趨勢分析中，高像素、AI大模型、4G、低功耗、毫米波雷達等技術的陸續引入和融合，進一步豐富了監控攝像頭的品類。

其中，智能化監控設備與AI技術的深度融合已是必然趨勢。

AI和安防的融合將不再局限于簡單的運動監測等基礎功能，而是通過深度學習算法，從而實現更精準的面部識別、行為分析、場景感知等高級智能分析功能，推動攝像頭從“看得見”向“看得懂”升級。

目前，AI智能識別技術已在安防監控領域應用得較為成熟，對人形監測、視頻通話、寵物監測、智能避障、通知優化等越來越智能化。

特別是DeepSeek的出現，不同于眾多通用大模型，DeepSeek的低成本訓練、技術開源以及技術迭代等優勢，為大模型在細分行業的應用帶來新的突破口。

正如IDC咨詢指出，DeepSeek通過引入了創新性的多令牌預測（MTP）技術，對注意力模塊進行了拓展，從而在模型訓練與推理過程中，于較低計算量條件下實現了性能的顯著提升。簡言之，DeepSeek憑借極具成本優勢的架構，正在重新定義AI模型的研發與定價機制。

同時，DeepSeek選擇將其技術開源，包括代碼和模型權重。通過開源，DeepSeek加速了技術的迭代和生態系統的建設。這也意味著行業用戶可能不需要在基礎設施和硬件方面進行大量投資，從而降低大模型的引入門檻。

對于當前無限內卷的安防行業而言，消費類安防產品在深度融合AI技術和大模型的需求，基于DeepSeek所開創的成本優勢和技術開源，似乎看到新的希望。

此外，正如業內人士剖析，“通過大模型提升攝像頭的通知質量，也是安防+AI的落地應用之一。涉及到具體的落地層面，對攝像頭進行針對性的軟硬件優化，小模型已能滿足當下的需求。”

與此同時，也有不少業內人看到邊緣計算對大模型的助力，或將搶占“安防+AI”的落地先機。

邊緣計算對大模型的助力

從安防產業鏈來看，不論大模型還是小模型，上游芯片廠商在大模型的融合階段，還需要更多的破局之力。

近日，在業內交流的渠道中了解到，基于當前攝像頭芯片對大語言模型（LLM）的支持并不多，且芯片價格不低，大多數攝像頭芯片還不能支持Transformer在CV領域中的ViT算法。

因而，在AI大模型時代，邊緣計算成本低、低時延、隱私性、靈活性和安全性高的優勢，在云邊一體化趨勢下，邊緣計算已與云計算一起成為驅動數字經濟發展的關鍵技術之一。

特別是，隨著攝像機端芯片的算力越來越大，以及服務器端大算力卡的價格下降，各大平臺公司、算法公司在攝像機端的算法適配上可以根據需求配置不同的算法固件，所以后期邊緣盒子的市場有可能被端側攝像機和AI服務器取代。

與此同時，業內人士也預測，“融合大模型的監控產品將在Q2/Q3上線，作為一個邊緣計算的設備存在，配合端側的攝像頭，實現一個更為智能的主動報警產品。”

對于硬件廠商而言，大模型能夠從根本上解決AI算法精準度和定制開發的成本問題，通過高價值和高性價比的產品在細分場景逐漸延伸，才能實現邊緣計算在安防行業的快速落地能力。

源自網絡

審核編輯 黃宇