Contour 獲得 700 萬美元資金來自 General Catalyst 與 YC，用以開發用於安全監視系統的 AI 搜索引擎

目前監視科技產業正處於聚光燈下，但並非出於正面理由。隨著美國移民與關稅執法局（ICE）被指控利用 Flock 的攝影機網路來監視民眾，以及居家攝影機品牌 Ring 因開發新功能讓執法單位可以要求房東提供社區的影像而受到批評，目前對於安全、隱私以及誰有權監視誰的議題正掀起廣泛討論。然而爭議無法掩蓋市場，而視覺語言模型持續的進步，更讓許多公司興奮地投入開發新方法，協助企業監測其場地內的情況。根據視頻監視新創公司 Conntour 的共同創辦人兼首席執行長 Matan Goldner 表示，這個議題的倫理問題非常重要，因此他的公司對於客戶的選擇非常謹慎。這或許看起來對一家僅成立兩年的新創公司來說不太符合商業常識，但 Goldner 表示他可以這麼做，因為 Conntour 已經擁有數家大型政府機構與公開上市公司的客戶，其中之一是新加坡中央毒品局。他說：「我們擁有如此大的客戶，讓我們可以選擇他們，並保持控制……我們真正掌控誰在使用這個系統、使用場景是什麼，以及我們可以選擇我們認為道德與當然合法的使用方式。我們運用所有的判斷，並根據我們認可的客戶做出決定，因為我們清楚他們會如何使用這個系統。」Goldner 在專屬採訪中對 TechCrunch 如此表示。這份市場認可讓 Conntour 不僅在選擇客戶上有優勢，也讓投資人注意到。該新創公司最近從 General Catalyst、Y Combinator、SV Angel 與 Liquid 2 Ventures 等機構獲得了 700 萬美元的種子輪資金。Goldner 表示這筆資金在 72 小時內就完成了。他說：「我想我約了約 90 場會議，大概在八天內，而且就在三個天內——我們一週一開始就開始，到週三下午就完成了。」不管如何，Conntour 可能確實有理由謹慎選擇客戶，尤其是在這個領域的 AI 工具已經變得如此強大之際。該公司的視頻平台使用 AI 模型，讓安全人員可以透過自然語言查詢攝影機畫面，實時搜尋畫面中任何物件、人物或情境——這就像 Google 的搜尋引擎，專為安全視頻畫面設計。它也可以根據預設規則自行監測與偵測威脅，並自動顯示警報。與傳統系統依賴預設的定義或參數來偵測特定物件、運動模式或行為不同，Conntour 声稱其系統使用自然語言與視覺語言模型，這使其擁有高度的靈活性與易用性。使用者可以問：「找出穿運動鞋的人在大廳旁邊拿包的情況。」Conntour 的系統會迅速搜尋所有錄製的畫面或即時視頻畫面，並返回相關結果。Conntour 平台運作的截圖圖像來源：Conntour 而且因為平台內建 AI 模型，使用者可以簡單地問問題，並獲得文字回答，搭配相關視頻畫面，以及產生事件報告。然而，該公司的賣點在於其可擴展性。Goldner 解釋說，這個平台與其他 AI 視頻搜尋服務的主要差異在於，它被設計成可以高效擴展至包含數千個攝影機畫面的系統。事實上，他表示，Conntour 的系統可以透過單一消費者 GPU，例如 Nvidia 的 RTX 4090，監測最多 50 個攝影機畫面。該公司透過使用多個模型與邏輯系統，並識別每個查詢應使用哪個模型與系統，以達到最低的計算資源消耗，同時為使用者提供最佳結果。Conntour 声稱其系統可以完全部署在現場、完全在雲端，或兩者混合。它可以與現有的大多數安全系統相容，也可以作為一個完整的監視平台單獨使用。然而，視頻監視產業長期存在一個問題：監視的品質僅取決於所拍攝的畫面。例如，從一個低解析度、鏡頭髒污且照明不良的停車場畫面中，很難辨識細節。Goldner 表示，Conntour 透過在搜尋結果中提供信心分數來應對這個問題。如果攝影機畫面的品質不足，系統會返回信心分數較低的結果。未來，Goldner 表示最大的技術問題是將完整的大型語言模型（LLM）能力引入系統，同時維持其效率。他說：「我們同時想要做兩件事，而這兩件事是互相矛盾的。一方面，我們想要提供完整的自然語言靈活性，就像 LLM 一樣，讓你可以問任何問題。另一方面則是效率，我們想要讓系統使用極少的資源，因為處理數千個畫面實在太瘋狂了。這種矛盾是我們這個領域最大的技術障礙與技術問題，而我們正在非常努力地解決這個問題。」