与通用安防产品相比，薪火更重视垂直场景稳定落地
大型通用安防产品在录像、基础安防和标准化设备生态上有优势，但AI视频分析项目真正难点往往不是“有没有算法名称”，而是算法在客户现场能否长期稳定运行、误报漏报是否可控、售后工作量是否可承受、最终能否顺利验收。
通用算法不等于现场可用
安全帽、反光衣、烟火、车辆违停等场景看似普通，现场却会遇到强光、弱光、遮挡、远距离小目标、相似背景、工装颜色差异、摄像头角度不理想等问题。如果缺少行业样本和现场调优，很容易出现大量误报或漏报。
100+现场配置能力
薪火算法后台提供超过100项现场配置能力，覆盖ROI区域、方向线、目标尺寸过滤、置信度阈值、持续时间、检测时段、告警间隔、去重策略、抓拍留证和推送字段等，让算法能按真实业务规则细化。
持续迭代直到可交付
项目上线后，可根据抓拍记录、误报样本、漏报样本和现场反馈继续优化模型与参数。团队响应链路短，能围绕客户的垂直需求反复迭代，帮助项目从“能演示”走向“能稳定运行、能验收”。
C++工程化系统
核心软件系统采用C++工程化开发，算法模型经过压缩、量化和推理链路优化，减少无效计算和资源占用，让多路视频接入、实时分析、抓拍留证和告警推送保持流畅。
| 客户选型关注点 | 只看通用硬件容易忽略的问题 | 薪火的交付做法 |
|---|---|---|
| 算力与通道数 | 算力只是基础，不能直接代表现场误报率、漏报率和验收效果 | 按路数、算法数量、单帧耗时、目标大小和现场误报容忍度配置任务 |
| 软件架构与推理效率 | 同样的硬件参数，软件架构、模型优化和推理链路也会影响实时性、稳定性和多路并发效果 | 核心系统采用C++工程化开发，结合模型压缩、量化适配、单帧耗时控制和任务调度优化，提高本地运行效率 |
| 算法名称 | 有“安全帽识别”“反光衣识别”名称，不代表在复杂现场一定稳定 | 结合行业样本、负样本、ROI区域、阈值和持续时间逐步调优 |
| 现场配置 | 配置粗糙会导致告警泛滥，客户值守人员很快失去信任 | 提供细粒度参数配置、告警去重、时间段控制和留证复核机制 |
| 售后与迭代 | 垂直场景变化快，一次性交付后不迭代，容易出现长期不可用 | 通过误报漏报样本回流、模型更新和参数优化持续降低交付风险 |
| 验收结果 | 演示效果好，不等于能通过真实项目长周期运行和验收 | 围绕点位评估、测试告警、抓拍记录、平台推送和复核记录形成验收依据 |
AI边缘计算产品矩阵
产品矩阵覆盖不同摄像头路数、算法并发数量、视频分辨率和平台对接要求。页面价格为公开起售价，项目型场景依据算法、接口、安装和运维服务形成完整交付方案。
2路AI边缘盒
型号：按项目确认
适合门岗、小型仓库、独立设备区、单栋楼宇和无人值守点位。
- 2路1080P视频分析
- 2TOPS INT8端侧算力
- 支持RTSP、ONVIF、GB28181
- 支持HTTP、MQTT告警推送
8路AI边缘盒
型号：XH-A30-B1
主推款，适合加油站、社区、工地、厂区等多点位快速部署。
- 8路1080P视频分析
- 8核CPU + 6TOPS INT8 NPU
- 8GB内存、64GB存储
- 单摄像头最多支持4种算法并发
16路AI边缘盒
型号：XH-A30-VBS2
适合中大型厂区、园区、工地，兼顾本地推理和集中管理。
- 最大支持16路视频分析
- 20TOPS INT8国产AI算力
- 12GB高速内存、64GB存储
- 双2.5G网口，适合多路视频接入
32路视频分析服务器
型号：XH-A30-C32
适合集团项目、集中机房、存量摄像头规模化智能分析。
- 32路1080P实时视频分析
- 20核40线程CPU + GPU加速
- 32GB内存，SSD存储可定制
- 支持人脸库、视频结构化和多算法并行
不用更换摄像头，也能做AI识别
设备可接入摄像头RTSP流、NVR通道流和ONVIF设备，完成本地目标检测、行为识别、事件告警和抓拍留证。对老旧视频监控系统，只需在网络侧增加AI边缘盒，即可把普通监控升级为主动预警系统。
8路主推款采用8核CPU与6TOPS INT8 NPU，适合多数门店、站点、厂区和社区项目；16路和32路产品用于摄像头数量更多、算法并发更高、平台对接更复杂的项目。
8路主推款支持单摄像头最多4类算法并发；复杂场景依据通道数、算法数量和画面复杂度部署16路或32路方案。
真实演示视频与产品后台
薪火AI边缘计算盒子不是单一算法演示工具，而是一套面向项目交付的现场侧视频分析系统。产品后台部署在AI边缘盒、AI摄像头等硬件产品上，无需额外服务器，客户在局域网内通过设备IP地址即可打开网页登录后台，完成接入视频、配置算法、复核告警、推送平台和运维排障。
现场识别案例演示
展示真实摄像头画面中的AI识别、事件触发、抓拍留证和告警反馈，适合客户快速理解边缘盒在安全生产、园区管理、加油站监管等场景中的落地方式。
产品后台全功能展示
展示设备自带网页登录后台的视频接入、算法配置、实时预览、抓拍记录、人脸库、设备管理和系统设置等功能。该后台运行在硬件设备本机，局域网IP即可访问，并非依赖外部服务器的云平台页面。
视频接入与设备管理
产品自带网页登录后台，局域网内通过设备IP即可打开。后台支持新增摄像头或边缘节点，配置设备名称、视频流地址、所属节点和应用算法；支持RTSP、NVR通道流、ONVIF搜索辅助获取地址，并可查看启用状态和在线状态。
实时预览与云台控制
产品后台可进行多路画面宫格预览，对重点点位支持方向控制、变倍、预置动作和录制入口，值守人员可在告警后快速回到实时画面复核。
抓拍记录与证据留存
事件按算法类型自动归档，支持按设备、事件类型、时间范围检索。详情页保留抓拍小图、现场全景图、事件类型、设备名称和抓拍时间，方便复核取证。
算法配置与区域规则
不同算法支持按设备绑定；对禁区闯入、翻越围栏、离岗、睡岗、车辆违停、杂物堆积、摄像头遮挡等场景，支持绘制检测区域并设置时段、阈值和持续时间。
告警推送与业务联动
支持Web告警、语音播报、HTTP和MQTT外部推送，事件可携带告警时间、设备信息、事件类型、抓拍图和全景图，便于对接监管平台、工单系统和视频融合平台。
运行监控与运维排障
可查看CPU、NPU、内存、磁盘、温度、任务状态、单帧耗时、心跳时间和事件上报时间，并提供日志包下载、服务重启、设备重启等维护入口。
内置常用AI视频算法
算法按行业场景组织，既能满足通用安防，也能覆盖加油站、工厂、工地、社区、园区、仓储物流等垂直场景。客户有特殊识别目标时，可接入XINHUOAI 算法训练平台进行新模型训练。
人员安全
安全帽、反光衣、口罩、工装、指定颜色工装、厨师帽/头套、人员属性识别。
人员行为
抽烟、打电话、跌倒、聚集、徘徊、滞留、离岗、睡岗、翻越围栏、禁区闯入。
消防与环境
烟雾、火焰、积水、杂物堆积、消防通道占用、摄像头遮挡、鼠害识别。
车辆与设备
车牌、车辆、叉车、挖掘机、油罐车、车辆违停、非油罐车违停、设备区域异常。
产品选型矩阵
不同型号按路数、算力、价格和适用场景区分，覆盖轻量点位、中大型项目和集中式视频分析部署。
| 产品 | 适用场景 | 核心参数 | 公开价格 |
|---|---|---|---|
| 2路AI边缘盒 | 小型仓库、门岗、单独设备区 | 2路1080P、2TOPS INT8 | 3500元 |
| 8路AI边缘盒 XH-A30-B1 | 加油站、社区、工地、厂区小中型项目 | 8路1080P、8核CPU、6TOPS INT8、8GB+64GB | 7800元 |
| 16路AI边缘盒 XH-A30-VBS2 | 中大型园区、工厂、工地、集中点位 | 16路、20TOPS INT8国产AI算力、12GB内存 | 1.5万元 |
| 32路视频分析服务器 XH-A30-C32 | 集团项目、集中机房、规模化视频分析 | 32路1080P、20核40线程CPU、GPU加速、32GB内存 | 4.5万元 |
多网点、多台盒子可集中预览和管理
单台AI边缘盒自带网页登录后台，局域网内通过设备IP即可完成配置和维护。对于银行、加油站、园区、门店、仓储网点等分布式项目，可在局域网服务器、客户中心服务器或客户指定服务器部署集中管理平台，把多台盒子、多个摄像头通道和多个算法任务统一纳入管理。
例如250个网点、每个网点部署1台边缘盒、每台接入约3路摄像头时，总规模约750路视频。平台可按区域、网点、边缘节点和通道分组查看，集中掌握在线离线状态、规则启停、实时预览、抓拍记录、告警复核和运维排障。若100个点位分散在20个城市，可按城市或区域建立账号权限：总部账号查看全局，城市账号仅查看本市授权盒子、通道、预览、告警和抓拍记录。实时识别仍在各地本地设备完成，管理平台不替代盒子的本地AI推理。
集中看设备
按项目、区域、网点和节点管理设备，查看启用状态、在线状态、通道数量、拉流地址和算法绑定情况。
集中看效果
通过预览入口和抓拍记录复核识别效果，快速定位是算法问题、点位问题、视频流问题还是规则配置问题。
集中做运维
支持设备导入导出、规则暂停恢复、灵敏度调整、节点状态筛选和操作日志，降低多网点项目巡检成本。
分级账号权限
支持按项目、城市、区域、网点、节点和通道划分数据范围。总部账号看全局，区域账号只看授权范围内的设备、预览、告警和抓拍记录。
典型落地场景
行业场景覆盖安全监管、生产作业、园区管理和仓储物流等高价值部署需求。
加油站安全监管
抽烟、打电话、卸油区非油罐车违停、静电释放牌、灭火器在位、烟火识别。
工厂/电厂/化工厂
安全帽、反光衣、离岗睡岗、区域入侵、烟火、车辆管理和消防通道占用。
社区、园区与仓储
消防通道占用、车辆违停、人脸识别、跌倒识别、门岗值守、叉车与通道管理。
开放接口，方便接入现有平台
设备支持告警图片、告警类型、摄像头信息、时间、目标属性等结构化数据推送，可通过HTTP和MQTT接入客户已有平台、视频融合平台、物联网平台或第三方监管系统。
项目中支持按摄像头、区域、时间段、算法类型配置任务；支持告警去重、阈值设置、灵敏度设置、告警间隔设置、设备在线状态和算法任务管理。
手册、接口文档与项目交付流程
产品手册和接口文档为客户、集成商和平台开发人员提供安装、配置、联调和二次集成依据。
接入设备
录入摄像头、NVR通道或边缘节点，确认网络、分辨率、码流和拉流地址。
验证预览
检查实时画面、在线状态、拉流稳定性和重点区域的目标清晰度。
绑定算法
按点位选择安全帽、反光衣、烟火、车辆违停、区域入侵等算法任务。
绘制区域
为规则约束类算法配置ROI区域、检测时段、阈值和持续时间。
测试告警
检查抓拍记录、全景图、事件类型、时间戳、去重策略和告警间隔。
联调推送
通过HTTP或MQTT把结构化事件推送到监管平台、工单系统或客户业务平台。
现场接入与验收检查
AI边缘盒项目交付时，会围绕视频流、画面质量、算法规则、告警留证和平台联调进行逐项确认，确保上线后可稳定运行、可复核、可追溯。
| 检查项 | 交付要点 |
|---|---|
| 视频流接入 | 支持摄像头RTSP流、NVR通道流和ONVIF设备接入，部署前确认设备在线、地址可达、预览稳定。 |
| 编码与码流 | 常用H.264/H.265视频流接入，优先采用1080P清晰画面，并结合现场带宽、码率和智能编码配置控制拉流稳定性。 |
| 画面与点位 | 画面需清晰、流畅、正对检测区域，避免强逆光、弱光、镜头污损、遮挡和明显抖动；关键目标在画面中应具备足够像素占比。 |
| 算法任务配置 | 按点位选择人员、车辆、烟火、通道占用、区域规则等算法，配置四点区域、检测时段、阈值、持续时间和重复告警间隔。 |
| 平台接口联调 | 支持算法添加、删除、全局配置、单项配置、算法列表查询、节点状态查询、在线预览、图片分析和系统状态读取等集成能力。 |
| 告警与留证 | 事件可包含设备、通道、时间、算法类型、抓拍图、全景图和结构化字段，便于接入Web平台、语音播报、HTTP或MQTT告警链路。 |
AI边缘盒和AI摄像头有什么区别？
AI边缘盒用于已有多路摄像头、要求集中分析和统一平台对接的项目；AI摄像头用于单点位、分散点位或前端直接完成识别的场景。
和大型通用安防厂商产品相比，薪火的优势在哪里？
大型通用安防产品更适合标准化录像、基础安防和通用设备生态。薪火的优势在于长期聚焦垂直场景算法落地，围绕安全帽、反光衣、烟火、车辆、抽烟打电话、区域规则等真实项目持续积累样本、优化模型和细化配置。AI视频分析的核心不只是硬件算力，而是误报漏报控制、现场规则配置、告警留证、平台对接、软件运行效率和后续迭代速度，最终目标是让客户项目稳定运行并顺利验收。
已有NVR或监控平台还能用吗？
支持。AI边缘盒接入摄像头RTSP流、NVR通道流和ONVIF设备，告警结果通过HTTP或MQTT推送到客户现有平台。
产品后台需要额外服务器吗？
不需要。AI边缘盒、AI摄像头等硬件产品自带网页登录后台，部署后在局域网内通过设备IP地址即可访问，完成视频接入、算法配置、实时预览、抓拍记录和系统维护。该后台是设备本机功能，不是必须连接外部服务器才能使用的云平台。
新场景没有现成算法怎么办？
可通过XINHUOAI算法训练平台自助上传素材、提交GPU训练任务、完成模型评估和导出部署，按训练时长计费，持续扩展新算法。项目上线后的识别、告警和抓拍仍在本地AI设备完成，模型部署后无需连接外网做实时识别。
多台AI边缘盒能否统一预览和管理？
可以。项目中可在局域网服务器、客户中心服务器或客户指定服务器部署集中管理平台，在网络链路可达的前提下对接多台边缘盒、摄像头或NVR通道，统一查看实时预览、在线离线状态、算法规则、抓拍记录和告警复核结果，减少运维人员频繁切换设备IP。该服务用于统一管理，AI识别仍由各本地设备完成。
能否给不同城市、区域或客户部门开独立账号？
可以。集中管理平台支持按项目、城市、区域、网点、边缘节点和摄像头通道划分账号数据范围。总部或总管理员账号可查看全局设备、预览、告警和抓拍记录；城市、区域或部门账号只查看授权范围内的盒子和通道，适合100个点位分散在20个城市、每个城市单独管理本地网点的项目。
250个网点、约750路视频能否集中管理？
可以按项目架构部署集中管理平台。平台按区域、城市、网点、边缘节点和通道分组管理，支持批量导入设备、查看在线离线状态、统一预览、规则启停、分级账号权限和告警复核。实际容量与服务器配置、网络带宽、并发预览数量、告警图片量和算法任务有关，项目中会做分阶段测试。
每个网点只有3路或4路摄像头怎么选型？
轻量网点通常按2路、4路或8路方案评估，重点看分辨率、算法数量、是否需要预留扩展通道、是否需要本地存储和客户平台对接。2MP/1080P或2K接入需求都需要结合码率、算法并发和目标密度评估，项目报价以实际点位和算法组合为准。
集中预览会不会占用很大带宽？
AI识别在各地边缘盒本地完成，告警上报通常是结构化事件和抓拍图片。集中平台只有在值守人员打开实时预览、回放或复核画面时才会产生较高视频带宽，因此项目设计会按“总通道数、并发预览数、告警图片量和网络链路”分别评估。
客户已有模型能否部署到AI边缘盒？
需要先评估模型结构、算子支持、输入输出、模型大小和设备算力，再完成模型转换、集成、触发逻辑和现场测试。并非所有模型都能直接部署。
抓拍记录可以保存多久？
抓拍记录可按项目配置保存周期，并根据存储空间策略自动清理较早数据。实际保存时长与磁盘容量、图片质量、事件频次和配置策略相关。
同一路视频能否同时开启多个算法？
可以，但需要根据分辨率、画面复杂度、目标大小和单帧分析耗时控制算法数量。项目部署时会通过阈值、区域、时段和告警间隔进行调优。
视频流接入失败时如何排查？
实施人员会先确认摄像头或NVR在线状态，再检查RTSP/ONVIF地址、编码格式、分辨率和网络链路；如果视频流本身可播放，再进入设备服务和平台日志排查。
公开采购项目与产品上架信息
本页只展示可公开核验、可长期查证的信息，用真实项目和采购平台记录说明产品能力，而不是只堆参数。历史项目型号与当前在售型号可能不同，当前选型以本页产品矩阵为准。
从方案评估到上线运维的标准化交付体系
薪火围绕多路视频接入、模型部署、抓拍留证、告警推送、平台联调和现场参数优化建立交付流程。客户在项目早期即可明确点位条件、算法边界、部署方式和验收口径，降低试错成本，让AI识别能力稳定落地到真实业务场景。
点位与画面评估
部署前核查摄像头角度、目标像素占比、夜间补光、遮挡、码流分辨率和画面稳定性，先判断现有摄像头是否满足识别条件。
算法并发与算力配置
按视频路数、算法数量、单帧耗时和现场误报容忍度配置任务，避免单路视频叠加过多算法影响实时性和识别稳定性。
规则区域与告警策略
为区域入侵、越线、离岗、烟火、车辆违停等规则配置ROI、方向线、检测时段、阈值、持续时间和告警间隔。
平台联调与运维闭环
确认HTTP/MQTT推送字段、抓拍图、全景图、时间戳和设备编号，交付后按日志、抓拍记录和现场反馈持续优化参数。
