美國移民與關稅執法部門利用 Flock 的攝影機網路進行監控，以及 Ring 因新增功能引發對執法部門索取住宅影像的批評，導致社會對安全、隱私及監控許可權展開廣泛討論。儘管爭議不斷，市場仍持續成長，視覺語言模型的進步更推動企業開發新的監控方案。Conntour 創始人兼執行長 Matan Goldner 表示，雖然公司成立僅兩年，但憑藉包括新加坡中央毒品局在內的大型政府與上市公司客戶，公司有能力嚴格篩選客戶，確保使用案例符合道德與法律規範。Conntour 近期以 700 萬美元完成種子輪融資，由 General Catalyst、Y Combinator、SV Angel 及 Liquid 2 Ventures 等機構投資，資金於 72 小時內籌足。
Conntour 的影片平臺利用 AI 模型，允許安全人員透過自然語言查詢攝影機畫面，即時搜尋特定物件、人物或情境，類似專為安防影片設計的 Google 搜尋引擎。系統能根據預設規則自動監控並檢測威脅，並自動呈現警報。與依賴預設定義的傳統系統不同，Conntour 採用自然語言與視覺語言模型，提供高度靈活性。使用者可詢問「搜尋穿運動鞋經過大廳的人」，系統即可在錄製畫面或即時影片中返回相關結果。平臺還可生成文字報告並附上相關影片片段。
Conntour 的核心賣點是可擴充套件性。其系統可監控高達 50 路攝影機，僅需單一消費級 NVIDIA RTX 4090 顯示卡。透過多模型與邏輯系統動態分配計算資源，達到最佳效能。平臺支援本地部署、雲端部署或混合模式，並可整合現有安防系統或獨立運作。針對攝影機畫質不佳的問題，系統會提供置信度分數，若來源畫質不足，則返回低置信度結果。Goldner 指出，未來最大技術挑戰在於如何在維持高效能的前提下，將大型語言模型的完整能力融入系統，以解決處理數千路影片時的資源限制與靈活性需求之間的矛盾。