Conntour 获得 700 万美元融资，打造人工智能驱动的安全视频搜索引擎
TechCrunch AI··作者 Ram Iyer
关键信息
该平台可扩展至数千个摄像头，并能高效运行在消费级硬件（如 NVIDIA RTX 4090 显卡）上，每台设备最多处理 50 个摄像头流，通过智能选择模型优化计算资源。它支持混合部署（本地/云端），并兼容现有系统或作为独立平台使用。
资讯摘要
成立两年的视频监控初创公司 Conntour 已获得 700 万美元种子轮融资，用于开发专为安防视频系统设计的人工智能搜索引擎。与依赖固定规则的传统系统不同，Conntour 平台利用视觉语言模型实现自然语言查询——例如查找“穿运动鞋的人在大厅递包”的画面。该系统可分析实时或录制视频，自动生成警报并输出事件报告。
创始人马坦·戈尔德纳强调伦理客户筛选，指出新加坡中央禁毒局等大型政府客户使他们能够有选择地合作。投资者被其技术创新和原则性立场所打动，该轮融资仅用 72 小时即完成。
资讯正文
监控技术行业如今备受关注，但原因并不总是正面的。随着美国移民与海关执法局（ICE）被曝接入Flock的摄像头网络对人群进行监视，以及家用摄像头制造商Ring因开发新功能允许执法部门向房主索要社区监控录像而引发争议，围绕安全、隐私以及谁有权观看谁的广泛讨论正在展开。
然而，争议并不会抹去市场机遇。随着视觉语言模型的持续进步，越来越多企业正致力于开发新的方式，帮助公司更好地监控其场所内的活动。
据视频监控初创公司Conntour的联合创始人兼CEO马坦·戈德纳（Matan Goldner）表示，这一领域的伦理问题非常重要，因此他的公司对客户选择非常谨慎。对于一家仅成立两年的初创企业来说，这种做法可能看起来不太符合商业逻辑，但戈德纳表示，由于Conntour已经拥有多个大型政府机构和上市公司客户——其中包括新加坡中央禁毒局——他能够这样做。
“我们之所以能挑选客户并保持控制权，正是因为我们的客户规模很大……我们真正掌控着谁在使用这项技术、具体用途是什么，并可以选择我们认为道德且合法的客户。我们会运用全部判断力，基于我们了解客户将如何使用该技术来做出决策，”戈德纳在接受TechCrunch独家采访时说道。
这种客户基础不仅让Conntour得以坚持筛选标准，还吸引了投资者的关注：这家初创公司最近从General Catalyst、Y Combinator、SV Angel和Liquid 2 Ventures筹集了700万美元种子轮融资。
戈德纳表示，这轮融资在72小时内完成。“我大概在八天内安排了约90场会议，而在三天后——我们周一开始，周三下午就结束了，”他说。
不管怎样，Conntour选择性地对待客户可能是明智之举，尤其是在该领域的人工智能工具变得越来越强大的情况下。该公司自有的视频平台利用AI模型，使安保人员可以通过自然语言查询摄像头画面，实时查找画面中的任何物体、人物或场景——本质上是一个专为安防视频流打造的谷歌式搜索引擎。它还能根据预设规则自主监测和检测威胁，并自动推送警报。
与依赖预设定义或参数来识别特定物体、运动模式或行为的传统系统不同，Conntour声称其系统采用自然语言和视觉语言模型，从而具备高度灵活性和易用性。用户可以提问：“找出在大厅里穿运动鞋的人递给别人包的情况”，Conntour的系统会迅速搜索所有记录下来的视频或实时画面，返回相关结果。
而且，由于平台内置了AI模型，用户只需针对视频内容提出问题，即可获得文本形式的答案，并附带相关的视频片段，甚至能自动生成事件报告。
然而，这家公司的卖点在于其可扩展性。Goldner解释说，该平台与其他AI视频搜索服务的主要区别在于，它被设计为能够高效地扩展到包含数千个摄像头信号的系统。事实上，他表示，Conntour的系统可以在单个消费级GPU（如Nvidia的RTX 4090）上同时监控多达50个摄像头画面。
该公司通过使用多个模型和逻辑系统来实现这一点，然后根据每个查询识别出最合适的模型和系统，以最少的计算资源为用户提供最佳结果。
Conntour声称，其系统可以完全部署在本地、完全部署在云端，或者两者结合使用。它可以接入大多数正在使用的安防系统，也可以独立作为完整的监控平台运行。
但视频监控行业长期存在一个问题：监控质量只能达到所捕获画面的质量水平。例如，由低分辨率摄像头拍摄且镜头脏污的昏暗停车场画面，很难看清细节。
Goldner表示，Conntour通过在搜索结果中提供置信度评分来应对这一不可避免的情况。如果某个摄像头的画面质量不够好，系统将返回低置信度的结果。
Goldner称，未来最大的技术挑战是，在保持效率的同时，将大语言模型（LLM）的全部能力引入其系统。
他说：“我们想要同时做到两件事，而这两种目标相互矛盾。一方面，我们希望提供全自然语言灵活性，像LLM一样，让你可以提出任何问题；另一方面则是效率，我们希望它能使用极少的资源，因为再次强调，处理数千个视频流真的非常困难。这种矛盾是我们领域里最大的技术障碍和技术难题，也是我们正在全力以赴解决的问题。”
来源与参考
收录于 2026-03-27