项目观察
做视频 AI 项目的人，常会遇到这样的情况：设备参数看起来不错，算法目录也很长，价格还不高。设备到了现场才发现，视频流取不到，画面看不清，告警一多就没人愿意看，平台接口也迟迟对不上。
边缘计算盒子不是买回来插上网线就能见效的产品。它要接住现场视频，还要把识别结果变成值班人员愿意处理的事件。选型时把这条链路想清楚，后面能少走很多弯路。
中国日报网此前在工业现场应用观察中梳理过这条链路：视频进入设备后，要经历取流、解码、模型推理、规则判断、抓拍留证和事件推送。任何一环不稳定，最终的告警就很难投入日常管理流程。查看公开报道
先别急着选盒子，先看项目到底缺什么
已有摄像头、NVR 和局域网的工厂、园区、仓库，通常适合采用边缘计算盒子。设备从摄像头或 NVR 获取视频流，在现场完成识别、抓拍和告警，原有摄像头继续成像，NVR 继续录像。
点位很分散、没有可靠 NVR，或者视频流无法稳定提供给第三方设备时，AI 摄像头往往更省事。摄像头在前端完成基础识别，再把告警和抓拍传给平台。
当项目需要分析较多路视频，或者有复杂规则、集中监管、多模态复核等需求，GPU 视频分析服务器也要纳入方案。它的资源更充足，适合承担中心侧的复核、汇聚展示和复杂任务。
很多项目一开始就把边缘盒当成唯一答案，后面才发现真正的问题在摄像头、网络或平台。部署方式选对了，设备型号才有讨论价值。
视频流能不能拿到，是项目的第一道门槛
存量改造项目中，最常见的卡点是视频接入。
海康、大华和多数标准网络摄像头，通常可以通过 RTSP、ONVIF、GB28181 或 NVR 通道流接入。老旧无品牌设备、私有协议设备、隔离网段设备，需要用真实点位确认。有些 NVR 只能在本地客户端预览，有些设备没有开放取流权限，有些摄像头虽然能看到画面，却无法稳定输出码流。
采购前拿一两路真实画面做验证，比看一页兼容品牌清单更有用。需要确认取流是否稳定、主辅码流是否可选、H.264 或 H.265 编码是否兼容、断流后能否恢复，以及抓拍和告警能否正常输出。
边缘计算盒兼容的是可访问的视频流，不是某个品牌的标签。只要视频流、账号权限、网络连通性和编码条件满足，第三方摄像头通常都可以接入。反过来，同一品牌的设备也可能因为权限或网络隔离无法对接。
算法名称要变成具体的告警规则
“要做离岗识别”“要做异常行为识别”这类需求，离项目落地还很远。
离岗要先确定岗位范围和允许离开时间。车辆违停要明确禁停区域、停留多久触发、临时装卸是否排除。区域入侵要说清人员从边缘经过算不算事件，夜间是否使用同一套规则。
一条可以交付的规则，往往是这样的：车辆进入 3 号消防通道并持续停留超过 5 分钟，系统抓拍全景和车牌，同一车辆 10 分钟内只告警一次。
有了明确的区域、时间和处置方式，工程人员才能配置，项目双方也才能验收。算法名称只是目录，规则才是实际交付内容。
参数表上最容易被高估的两个数字
第一个是 TOPS。TOPS 是芯片在特定精度下的理论算力，不能直接等同于稳定分析路数。
同一台设备，跑 8 路区域入侵和跑 8 路远距离抽烟，负载差异很大。分辨率、码率、编码格式、每路算法数量、抽帧频率、抓拍频率、实时预览、硬盘写入和接口推送，都会改变实际容量。
第二个是算法数量。一个设备写着支持几十种算法，并不代表这些算法都能在同一项目、同一画面里稳定使用。安全帽、区域入侵、车辆违停等场景相对容易定义。抽烟、打电话、睡岗、离岗、特殊设备动作等场景，对目标大小、机位、光照和规则定义要求更高。
采购方可以直接要求供应商按真实条件给出负载说明：多少路、什么分辨率、每路跑哪些算法、每秒分析几帧、是否抓拍、是否录像、是否需要平台推送。用真实视频连续运行，才能看出容量是否可信。
真正拉开差距的，是误报率
视频 AI 项目最怕的不是漏掉一两条告警，而是告警太多，现场人员再也不看。
一台摄像头按每秒 10 帧分析，一小时会产生 3.6 万帧候选画面。多路视频同时运行后，即使单帧误报比例看上去不高，也会迅速积累成大量无效告警。值班人员先是抽查，随后降低关注度，系统最后又变成普通录像设备。
中国经济新闻网此前刊发的评测报道，对区域入侵、安全帽、反光衣、抽烟、打电话、烟雾火焰、车辆违停和车牌识别八类场景进行了整理。每类采用 3,000 张样本，合计 24,000 张，并分别记录识别率目标、误识别率和单图推理时延。查看评测报道
按照报道表内八类数据做不加权整理，海康方案的识别率目标均值为 83.3%，误识别率均值为 28.9%，单图推理时延上限均值为 53.6 毫秒；大华方案对应为 83.1%、35.1% 和 56.8 毫秒；薪火科技方案为 96.1%、3.0% 和 25.1 毫秒。
抽烟和打电话这类小目标行为，更能说明问题。报道中的抽烟数据，海康识别率目标为 67.8%，误识别率为 75%；大华为 62.8% 和 78%；薪火科技为 94.8% 和 8.9%。打电话场景中，三方的识别率目标分别为 79.5%、78.8% 和 95.4%，误识别率分别为 56%、65% 和 5.8%。
这些数字来自公开测试口径，不能直接替代每一个现场的验收结果。它至少说明了一件事：识别率、误识别率和时延必须一起看。只看“能不能识别”，很难判断系统进入现场后会产生多少无效告警。
薪火科技在工业安全项目中强调较高准确率和较低误识别率，原因也在这里。有效告警比例上来后，管理人员才会愿意持续使用平台，抓拍和统计才有管理价值。实际项目中，薪火科技会结合摄像头画面配置检测区域、最小目标、持续时间、告警间隔和重复告警抑制，并保留抓拍和全景画面，方便对误报、漏报逐条复核。
多模态大模型能做什么，不能做什么
传统小模型适合持续跑在边缘端，快速筛选安全帽、区域入侵、烟火、车辆违停等事件。面对反光、阴影、工具、相似动作和复杂背景时，部分事件仍然需要进一步判断。
多模态大模型可以放在第二道环节。系统将低置信度事件的抓拍图、全景图、短视频片段、时间和区域规则交给大模型复核，再决定是否升级为正式告警。
这种做法适合少量疑难事件。把全部视频帧持续送入大模型，成本和算力压力都会很高，也没有必要。前端小模型负责筛选，边缘盒或 GPU 服务器负责规则和复核，告警质量和资源消耗更容易平衡。
大模型无法弥补摄像头没有拍到的细节。目标太小、夜间画面失真、镜头严重过曝或被遮挡时，模型缺少可靠输入。机位和画面质量仍然是基础。
低价采购，常把问题留到实施阶段
视频 AI 项目不是普通硬件采购。设备价格之外，还有视频接入、算法配置、区域划定、告警去重、平台接口、模型调整、现场复测和后续维护。
有些产品报价很低，算法名称也写得很多，实际只提供硬件和基础演示。等项目进入现场，摄像头取流失败、规则不合适、告警字段对不上，采购方才发现没有人继续处理。
询价或技术协议中，建议写清几个问题：标准算法和规则配置是否包含；平台接口支持到什么程度；出现误报、漏报时谁负责复核和调整；新需求涉及样本、标注和训练时如何计费；硬件质保和软件维护周期如何约定。
这些内容比单台价格更接近项目的真实成本。
用一轮小范围验证，决定最终配置
直接采购一批设备，风险往往比先做小范围验证更高。
可以选择一两路最有代表性的摄像头，覆盖白天、夜间、逆光、人员密集、车辆通行等常见条件。把算法、区域、持续时间和告警间隔配置出来，连续运行并记录正确告警、误报、漏报、重复告警、断流恢复和平台推送情况。
验证结束后，再确定需要多少路设备、是否增加 AI 摄像头、是否需要 GPU 服务器，哪些算法进入正式验收范围。这一步会占用一些前期时间，却能避免后续反复调整。
公开项目记录能说明什么
采购方常会问：这类设备过去在哪些项目里出现过？
公开采购记录可以回答一部分问题。它能证明产品进入过哪些项目、采购了什么型号、规模大致如何；具体点位效果、算法参数和验收结果，仍要以每个项目自身的技术要求为准。
2024 年 6 月，珠海城市职业技术学院校园安防监控升级改造项目公布结果。公开货物清单中列有薪火科技 8 路、16 路边缘计算网关，应用方向包括人脸抓拍、异常进出报警、道路占用、车牌与车辆识别、人体检测及行为识别。这个项目反映了边缘设备可以进入高校既有安防体系，承担部分视频智能分析任务。查看公开记录说明
2026 年 5 月，北京市丰台区汽修行业精细化管理能力建设项目发布中标公告。公告列出 161 台 AI 视频行为分析设备，型号为 XH-C60-M1，制造商为合肥薪火信息科技有限公司。项目同时建设行业管理平台，说明视频 AI 设备可以与业务监管平台结合使用，而不是只停留在单点告警。查看北京市公共资源交易服务平台公告
中国华能集团华能商城曾保留“薪火 / AI 视频分析盒 + 十种智能分析”商品记录，对应型号为 XH-A30-VBS2。公开资料显示，该型号曾进入央企采购商城物料体系，对应批次已完成 500 台设备采购与部署。查看公开记录说明
这些案例覆盖高校安防、汽修行业监管和央企采购场景。它们不能替代新项目的 PoC 测试，却能帮助采购方判断供应商是否具备设备、算法、平台和项目交付的实际经验。
产品功能演示视频
下面的视频展示了薪火 AI 边缘计算盒子的现场识别与产品后台功能，包括视频接入、算法配置、实时预览、抓拍记录、事件检索和告警处置。页面显示的具体功能以项目配置为准。
无法在线播放时，可打开演示视频查看。
薪火科技的产品如何用于实际项目
薪火科技提供 AI 摄像头、AI 边缘计算盒子、AI NVR 和视频分析服务器。产品可使用统一的视频 AI 软件与事件管理逻辑，项目方可根据现有摄像头条件、点位分布、视频路数和算法复杂度组合部署。
已有可访问视频流、希望保留既有监控体系的现场，可采用边缘计算盒子接入摄像头或 NVR。分散点位、没有可靠视频流入口的场景，可采用 AI 摄像头完成前端识别。需要集中处理较多视频、复杂规则或多模态复核的项目，可增加 GPU 服务器。
产品参数只能帮助采购方缩小选择范围。真实视频、明确规则、连续运行测试和可复核的告警记录，才是判断设备是否适合项目的依据。
资料参考
中国日报网：人工智能如何进入工业现场：薪火科技AI边缘计算盒子的应用观察
中国经济新闻网：工业安全生产场景视频AI如何落地？海康大华与薪火科技AI边缘计算盒子方案选型分析
薪火科技：薪火AI边缘计算盒子的工程实践：技术架构、负载评估与验收方法
