Conntour 從 General Catalyst 和 YC 獲得 700 萬美元資金，用於開發人工智慧驅動的監控影像搜尋技術

監控技術產業目前正受到密切關注，但原因卻並非令人樂見。 隨著美國移民及海關執法局據報曾存取 Flock 的攝影機網路進行監控，以及家用攝影機製造商 Ring 因開發允許執法機關向屋主索取鄰里影像的功能而面臨批評，相關爭議隨之爆發。這些發展已引發關於安全、隱私及監控倫理的廣泛辯論。

然而，爭議並未削弱市場需求。視覺語言模型的持續進步，正推動著那些協助企業更有效管理場地的公司持續成長。

視訊監控新創公司 Conntour 的共同創辦人兼執行長馬坦·戈德納（Matan Goldner）承認，倫理考量至關重要，因此他的公司對客戶選擇極為謹慎。 雖然對於一家成立不到兩年的新創公司而言，這似乎有悖常理，但戈德納表示，Conntour 之所以能如此挑剔，是因為其客戶名單中已包含數家大型政府機構及上市公司，其中包括新加坡中央緝毒局。

「正因擁有這些大型客戶，我們才能篩選合作對象並掌握主導權。我們確實能掌控使用者的身分、應用情境，並選擇我們認為符合道德——當然也符合法律——的對象。」 我們運用所有判斷力，並根據我們願意合作的特定客戶來做出決定，因為我們知道他們會如何使用它，」Goldner 在接受 TechCrunch 獨家專訪時表示。

這股動能不僅讓 Conntour 能有所選擇，更引起投資者的關注：這家新創公司最近從 General Catalyst、Y Combinator、SV Angel 和 Liquid 2 Ventures 籌集了 700 萬美元的種子輪資金。

Goldner表示本輪融資在72小時內即告完成。「我記得大概在八天內安排了約90場會議，而僅僅三天後——我們週一開始，到週三下午就完成了，」他說。

Conntour 的挑剔態度或許有其道理，尤其考量到現代 AI 工具在該領域的強大能力。 該公司的視訊平台運用 AI 模型，讓安保人員能以自然語言查詢監視器畫面，即時找出任何物體、人物或情境——本質上就像是專為安防視訊量身打造的 Google 式搜尋引擎。它還能根據預設規則自主監測威脅，並觸發自動警報。

與依賴僵化定義或參數來偵測特定物體、動作模式或行為的傳統系統不同，Conntour 表示其系統採用自然語言與視覺語言模型，提供高度的靈活性與易用性。 使用者只需提出「找出大廳內穿著運動鞋的人遞交包包的畫面」，Conntour 系統便會迅速掃描所有錄影或即時畫面，並回傳相關結果。

Conntour 平台運作中的螢幕截圖。圖片來源：Conntour

由於該平台整合了 AI 模型，使用者只需針對影像提出問題，即可獲得文字形式的答案，並附上相關影片片段，還能生成事件報告。

然而，該公司的主要賣點在於其可擴展性。 Goldner 解釋，該平台與其他 AI 影片搜尋服務的不同之處在於，它專為高效擴展至擁有數千路攝影機畫面的系統而設計。事實上，他表示，Conntour 的系統僅需一顆消費級 GPU（如 Nvidia 的 RTX 4090），即可監控多達 50 路攝影機畫面。

該公司透過採用多種模型與邏輯系統，並根據每個用戶查詢，判定哪種組合能在消耗最少運算資源的前提下產生最佳結果，從而實現此目標。

Conntour 聲稱其系統可完全部署於本地端、完全部署於雲端，或兩者混合部署。它既能與大多數現有安防系統整合，也能作為獨立的完整監控平台運作。

然而，視訊監控產業長期以來面臨著一個頑固的挑戰：監控品質取決於所擷取影像的品質。例如，要從一支鏡頭髒污且解析度低的攝影機所錄製、光線昏暗的停車場畫面中辨識細節，實屬困難。

Goldner 表示，Conntour 透過在搜尋結果旁提供「信心分數」來因應此問題。若原始攝影機畫面品質不足，系統便會回傳信心分數較低的結果。

展望未來，Goldner 表示最大的技術挑戰在於，如何在維持系統效率的同時，將大型語言模型的完整功能整合進來。

「我們有兩項目標需要同時達成，但它們彼此矛盾。一方面，我們希望提供類似大型語言模型（LLM）的完整自然語言靈活性，讓使用者能提出任何問題。 另一方面則是效率——我們希望系統盡量少消耗資源，因為處理數千個影像串流簡直是瘋了。這種矛盾正是我們領域中最大的技術障礙與難題，也是我們正竭盡全力解決的問題。」