位置:首页 > 技术资讯 > 普通摄像头变身AIoT终端 涂鸦携手全志加速消费IPC视觉方案落地

普通摄像头变身AIoT终端 涂鸦携手全志加速消费IPC视觉方案落地

时间:2026-08-13  |  作者:游戏探长  |  阅读:0

在全志科技最近举办的“智绘世界,芯连万物”大会上,涂鸦智能IPC事业部负责人王延波带来了题为《端云融合,智见未来》的演讲。

现场展台还演示了全志平台搭配涂鸦OS在视觉看护场景中的端云协同方案。

这场演讲的核心,主要围绕两个话题展开:消费级IPC的技术演进,以及涂鸦与全志在芯片层面的合作如何推动端侧轻量级设备落地。

消费级IPC技术演进趋势:三条路线推进,AI技术推动新感知、新场景落地

涂鸦在安防行业摸爬滚打了20年,见证了全球IPC行业从专业领域走向千家万户的全过程。

回顾历史,消费类IPC的起步可以追溯到2010年。但真正意义上的家庭级应用,是沿着三条路线并行推进的。

  • 产品线的丰富
  • 技术线的迭代
  • 成本控制

只有成本适中,才能让产品走进大众市场。

从专业监控走向家庭场景

2010年那会儿,视频监控还是交通、金融等专业领域的专属工具。

到了2015到2019年,随着4G网络的普及,一些安防设备厂商开始把4G模块集成到监控设备中,消费级IPC才真正萌芽。

2020年之后,小米、萤石等品牌通过电商平台推出高性价比产品,精准瞄准家庭安防市场,消费IPC才算正式“登堂入室”。

从最初的室内看护,到后来走向室外无源监控,再到海外市场,AI技术驱动产品回归室内,成为家庭智能中枢,这条路径已经非常清晰。

视觉IoT产品正在走向融合

在消费类IPC领域,视觉IoT产品正在从单一功能向“视觉融合产品”演进。

王延波在演讲中特别提到,AI技术实现突破后,中国率先推出了视频门锁。

这其实是一个典型的“视觉融合”案例,把摄像头和门锁功能合二为一。

普通摄像头变身AIoT终端 涂鸦携手全志加速消费IPC视觉方案落地_wishdown.com

海外市场也在加速推进

海外市场同样在加速。

谷歌在2025年10月1日正式发布了新款Google Home智能音箱,核心卖点就是集成的Gemini AI助手。

同时,谷歌还发布了多款以Gemini AI为核心的家庭设备,包括Nest Cam摄像头和门铃系列产品,进一步完善智能家居生态。

整体思路很一致:端侧+AI,用摄像机作为家庭AI中枢。

技术焦点已经转向AI理解与决策

再看消费类安防的技术焦点演化史,初期集中在像素与编码,中期攻克连接与低功耗。

2015年到2022年,美国很多网络已经用上Wi-Fi5、Wi-Fi6,而国内很多摄像机还是Wi-Fi4。

走向户外时,设备需要接受无电状态,这直接激发了低功耗技术的突飞猛进。到了户外,4G摄像机大放异彩。

而下一代,毫无疑问是AI时代。当前核心已经转向AI理解与决策,依赖大模型算力。

去年,以AI宠物、AI母婴为代表的产品已经出现了爆发式增长。

涂鸦和全志合作:V851和V881芯片推动端侧轻量级设备落地

消费类芯片的算法有一个天然的天花板:精确度与成本之间,很难两全。

2024年,涂鸦智能开始接入AI大模型,而与全志科技合作的第一款芯片是全志V821。

早期方案:前端初筛+云端确认

举一个具体的例子:鸟识器案例。

涂鸦采用全志821芯片,前端仅做简单的移动侦测(CD算法),触发后上传图像至云端大模型识别。

通过“前端初筛+云端确认”的机制,确实减少了无效上传,但云端成本仍然偏高,这是早期方案的通病。

普通摄像头变身AIoT终端 涂鸦携手全志加速消费IPC视觉方案落地_wishdown.com

进一步升级:端侧承担更多识别任务

再看婴儿看护案例。

引入全志851芯片(0.5T算力)后,前端植入了哭声检测算法。只有检测到哭声时,才触发云端大模型分析原因,比如惊吓、饥饿。

这个方案解决了90%的无效传输成本,但仍有优化空间。

利用全志V851/881等芯片,涂鸦智能在IPC端侧部署了人形检测、哭声识别等轻量化算法,完成初步感知与无效数据过滤。

V851的0.5Tops NPU,可以对哭声进行实时检测,而且支持本地应急响应,比如告警、播放安抚音乐,还能提取标签并压缩片段上传。

在云端,涂鸦云上,哭声可以解读,还可以实现安全区看护,以及睡醒提醒等功能。

整个架构可以拆解为三层

  • 第一层,前端轻量化。利用全志851/881等芯片,部署轻量化小模型(如人形检测、哭声识别、表情分析),在端侧完成初步感知和过滤,确保仅上传有效数据。
  • 第二层,云端大模型。接收结构化数据后进行深度推理(比如判断婴儿状态、老人跌倒真实性),并将结果以结构化标签形式回传。
  • 第三层,规则引擎。涂鸦平台提供规则下发能力,根据云端分析结果反向控制设备(比如检测到婴儿惊吓,前端自动播放安抚音乐)。

当前挑战与平台能力

王延波指出,这一方案面临的主要挑战有三点:

  • 第一,端侧0.5T NPU算力有限,多任务模型难度大;
  • 第二,需要更多单任务模型来适配不同场景;
  • 第三,端侧模型精度仍然受限,部分场景仍需云端深度分析。

不过,涂鸦的IoT平台已经接入全球主流大模型,提供统一协议接口,这大大降低了开发者对接难度。

同时,涂鸦依托全球7个数据中心、12个加速节点及1300+边缘节点,保障了视频流的低延时传输。

在AI开发平台方面,涂鸦提供私有化轻量多任务小模型训练路径,支持合作伙伴定制场景算法。

2024年6月,涂鸦还推出了8大AI场景订阅服务(如宠物看护、老人关怀),实现了从端到云再到订阅服务的完整商业闭环。

免责声明:文中图文均来自网络,如有侵权请联系删除,心愿游戏发布此文仅为传递信息,不代表心愿游戏认同其观点或证实其描述。

相关文章

更多

精选合集

更多

大家都在玩

热门话题

大家都在看

更多