如今，监控技术行业正处于舆论焦点之中，但原因并不理想。随着美国移民与海关执法局接入 Flock 的摄像头网络以监视人群引发争议，以及家用摄像头制造商 Ring 因开发新功能而受到批评，这些功能将使执法机构能够向房主索取其所在社区的监控画面，围绕安全、隐私以及谁有权监视谁的讨论正在扩大。
但争议并不会抹去市场，而视觉语言模型的持续进步，也进一步助推了那些帮助企业监控其场所内情况的新公司。
视频监控创业公司 Conntour 的联合创始人兼 CEO Matan Goldner 表示，这一话题涉及的伦理问题足够重要，因此他们在选择销售对象时非常挑剔。对于一家成立还不到两年的创业公司来说，这听起来或许不算精明的商业做法，但 Goldner 说他有底气这么做，因为 Conntour 已经拥有多家大型政府客户和上市公司客户，其中一家是新加坡中央肃毒局。
Goldner 在接受 TechCrunch 独家采访时表示：“我们拥有这样的大客户，这让我们能够筛选客户并保持掌控……我们确实能够掌控是谁在使用这项技术、使用场景是什么，我们可以选择我们认为在道德上以及当然在法律上都合适的事情。我们会运用全部判断，并基于具体客户做决定，只与那些我们认可的客户合作，因为我们知道他们会如何使用它。”
这种进展带给 Conntour 的不只是挑选客户的空间。投资人也已经注意到：这家创业公司最近完成了一轮 700 万美元种子轮融资，投资方包括 General Catalyst、Y Combinator、SV Angel 和 Liquid 2 Ventures。
Goldner 说，这轮融资在 72 小时内就完成了。“我记得自己大概在 8 天里安排了约 90 场会面，而仅仅 3 天后，我们周一开始，到周三下午就结束了。”他说。
无论如何，考虑到这一领域的 AI 工具已经变得多么强大，Conntour 这样挑选客户或许是对的。该公司的视频平台使用 AI 模型，让安保人员能够用自然语言查询摄像头画面，实时查找视频中的任何物体、人物或情况，这像是一个专为安防视频流打造的 Google 式搜索引擎。它还可以基于预设规则自行监控并检测威胁，并自动发出警报。
与依赖预设定义或参数来检测特定物体、运动模式或行为的传统系统不同，Conntour 称，其系统使用自然语言和视觉语言模型，因此具有很高的灵活性和可用性。用户可以提出“找出有人穿着运动鞋在大厅里递包的画面”这样的请求，Conntour 的系统会迅速搜索所有录制视频或实时视频流，并返回相关结果。
由于平台内置了 AI 模型，用户还可以直接就视频内容提问，并获得文本形式的答案，同时附上相关视频画面，也可以生成事件报告。
不过，这家公司的卖点在于可扩展性。Goldner 解释说，该平台与其他 AI 视频搜索服务的主要区别在于，它被设计成能够高效扩展到由数千路摄像头组成的系统。事实上，他表示，Conntour 的系统在单张像 Nvidia RTX 4090 这样的消费级 GPU 上，最多可以监控 50 路摄像头画面。
