Conntour 融资 7 万美元，旨在将监控摄像头改造为搜索引擎

发布时间 2026 年 3 月 26 日

安托万·塔迪夫， Unite.AI首席执行官兼创始人

轮廓该公司已结束隐秘运营，并完成了由包括以下投资者在内的7万美元种子轮融资：通用催化剂, Y组合, SV天使和 Liquid 2创投该公司围绕一个简单但雄心勃勃的理念进行定位：安保团队应该能够像搜索网络一样轻松地搜索视频录像。

该平台在摄像头网络中引入了自然语言查询功能，允许用户描述他们正在寻找的内容，而不是依赖预定义的过滤器或类别。

从被动式摄像头到可搜索智能

传统视频监控系统基于僵化的规则构建。操作人员必须预先定义要检测的内容——特定的物体、动作或行为。这种方法常常导致漏报事件，并在发生意外情况时需要花费数小时进行人工审查。

Conntour 用更灵活的界面取代了原有模式。用户无需预先配置警报，只需输入诸如“有人将包无人看管”或“昨天装卸货区附近有一辆货车”之类的查询，系统即可检索相关视频片段。

这标志着视频观看方式从监控转向查询。视频不再仅仅是观看的内容，而是可以随时探索和分析的对象。

监控面临的核心挑战之一是，现实世界的情况很少能被简单地归类。可疑行为往往与具体情境相关，涉及一系列动作，而非单一可检测的物体。

Conntour 的系统旨在应对这种不确定性。它既能处理实时视频流，也能处理历史录像，从而实现实时警报和快速事后调查。该平台还可与现有摄像头基础设施兼容，并可完全部署在本地，这对于数据不能离开安全网络的环境至关重要。

该界面以易用性为设计理念，使非技术操作人员无需配置检测规则或了解底层模型即可与复杂的系统进行交互。

该公司已在新加坡的国土安全行动中得到应用，这表明该公司已在准确性和速度至关重要的环境中率先采用。

创始团队在情报和高科技系统领域的背景似乎影响了产品的设计，尤其体现在其对运营效率的重视上。该平台声称能够让单个操作员监控数千个摄像头，同时大幅缩短事件调查所需的时间。

与传统视频分析系统相比，该平台在运行方面实现了显著提升：

这些收益来自于用能够更动态地解释上下文和意图的系统来取代基于规则的工作流程。

Conntour 正在构建的体系预示着视频数据解读方式的更广泛转变——不仅仅是更快的分析速度，更是一种截然不同的交互模型。系统不再围绕预定义的检测规则进行设计，而是将重心转移到理解自然语言表达的意图上。

这种转变的影响远不止于安全领域。如果系统能够可靠地解读诸如“有人遗留物品”或“入口附近出现异常移动”之类的开放式查询，则表明视频理解正朝着语义化方向发展——在这种理解方式中，上下文、关系和顺序与单个对象同等重要。

从长远来看，这可能会彻底改变组织机构使用视频档案的方式。视频素材将变成可动态查询的索引数据集，而非被动存储。在交通枢纽、物流网络或公共基础设施等环境中，这可能会改变事件的重建、审计以及潜在的预测方式。

传统系统依赖于目标检测模型，这些模型经过训练可以识别特定类别，例如人或车辆。虽然在受控场景下有效，但当查询超出预定义标签范围时，这些模型就难以发挥作用。

Conntour 的方法可能涉及构建更丰富的视觉表示（通常称为嵌入），这些表示不仅捕捉对象，还捕捉属性、关系以及随时间的变化。然后，可以将自然语言查询映射到相同的表示空间，从而使系统能够将意图与视觉数据匹配。

另一个关键挑战是时间推理许多现实世界的查询涉及一系列事件，而非单一帧。要支持这种查询，需要跟踪实体随时间的变化并理解它们之间的交互，而不仅仅是孤立地识别对象。

尽管这类系统潜力巨大，但也带来了新的挑战。使用高级模型处理大量视频需要大量的计算资源，尤其是在资源有限的本地部署环境中。

准确性是另一个需要考虑的因素。开放式查询会引入歧义，系统必须在灵活性和精确性之间取得平衡，以避免误报或漏检。与基于规则的系统不同，自然语言驱动的系统非常依赖模型对边缘情况的泛化能力。

此外，这还涉及治理方面的问题。搜索高度特定属性或行为的能力引发了关于监督、访问控制和合理使用等方面的疑问——尤其是在敏感或公共环境中。

康纳图尔的此次发布标志着监控方式正从僵化的、基于规则的监控转向能够实时解读意图和背景的系统。

如果该模型被证明是可靠的，它可能会重新定义组织与视频数据交互的方式——从被动监控转向动态的、查询驱动的智能。