Conntour 获得 General Catalyst 和 YC 700 万美元融资，用于开发人工智能驱动的安防视频搜索技术

监控技术行业目前正受到密切关注，不过原因并不令人欣慰。 据报道，美国移民和海关执法局曾接入Flock的摄像头网络进行监控，引发争议；而家用摄像头制造商Ring因开发允许执法部门向业主索取社区监控录像的功能而遭到批评。这些事件引发了关于安全、隐私及监控伦理的广泛讨论。

然而，争议并未削弱市场需求。视觉语言模型的持续进步，正推动着那些帮助企业更有效地监控其场所的公司实现增长。

视频监控初创公司Conntour的联合创始人兼首席执行官马坦·戈德纳（Matan Goldner）承认，伦理考量至关重要，因此该公司对客户的选择极为严格。 尽管对于一家成立仅两年的初创公司而言，这种做法似乎有悖常理，但戈德纳表示，Conntour 之所以能如此挑剔，是因为其客户中已包括多家大型政府机构和上市公司，其中包括新加坡中央缉毒局。

“拥有如此规模的客户使我们能够进行筛选并保持掌控。我们真正掌握着谁在使用该技术、具体应用场景，并能选择我们认为符合道德且当然合法的方案。” “我们运用全部判断力，并根据具体客户的情况做出决定——我们只与那些我们愿意合作的客户合作，因为我们清楚他们将如何使用该产品，”戈德纳在接受 TechCrunch 独家采访时表示。

这种市场势头不仅让Conntour能够有选择地开展业务，也引起了投资者的关注：这家初创公司最近从General Catalyst、Y Combinator、SV Angel和Liquid 2 Ventures处获得了700万美元的种子轮融资。

戈德纳表示本轮融资在72小时内即告完成。“我记得八天内安排了约90场会谈，结果仅用三天就完成了——我们周一启动，周三下午便已收官，”他说道。

Conntour的挑剔态度或许有其道理，尤其是考虑到现代AI工具在该领域的强大能力。 该公司的视频平台利用AI模型，让安保人员能够通过自然语言查询监控画面，实时查找任何物体、人员或场景——本质上是一个专为安防视频量身定制的、类似谷歌的搜索引擎。它还能根据预设规则自主监测威胁并触发自动警报。

与依赖僵化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表示其系统采用自然语言和视觉语言模型，具备高度的灵活性和易用性。 用户只需询问：“查找大堂内有人穿着运动鞋递送包袋的画面”，Conntour系统便会迅速扫描所有录像或实时画面，并返回相关结果。

Conntour 平台运行截图。图片来源：Conntour

由于该平台集成了AI模型，用户只需对录像提出问题，即可获得文本形式的答案，并附有相关视频片段，还能生成事件报告。

然而，该公司的核心卖点在于其可扩展性。 Goldner解释称，该平台与其他AI视频搜索服务不同，因为它专为高效扩展至拥有数千路摄像头流的系统而设计。事实上，他表示，Conntour的系统仅需一块Nvidia RTX 4090等消费级GPU，即可监控多达50路摄像头流。

该公司通过采用多种模型和逻辑系统，并确定哪种组合能在消耗最少计算资源的同时，为每个用户查询提供最佳结果，从而实现了这一能力。

Conntour声称其系统可完全部署在本地、完全部署在云端，或采用两者的混合模式。它既能与大多数现有安防系统集成，也可作为独立的完整监控平台运行。

然而，视频监控行业长期面临一个顽固的挑战：监控效果取决于所捕获视频的画质。例如，很难从一支镜头脏污、分辨率低且光线昏暗的摄像头拍摄的停车场画面中辨别出细节。

Goldner表示，Conntour通过在搜索结果旁提供置信度评分来规避这一问题。如果源摄像头画面质量不足，系统将返回置信度较低的结果。

展望未来，Goldner表示最大的技术挑战在于，如何在保持系统效率的同时，将其大型语言模型的全部能力融入其中。

“我们希望同时实现两项目标，但它们相互矛盾。一方面，我们希望提供类似大型语言模型（LLM）那样的完全自然语言灵活性，让用户可以提出任何问题。 另一方面则是效率——我们希望它尽可能少地消耗资源，因为处理数千路视频流简直是天方夜谭。这种矛盾是我们领域内最大的技术障碍和难题，也是我们正在全力攻克的课题。”