监控技术在安全、隐私及使用边界等问题上持续引发争议，但相关市场仍在扩张，新一代视觉语言模型的应用正推动企业级视频监控产品加速发展。

视频监控初创公司 Conntour 联合创始人兼首席执行官 Matan Goldner 在接受 TechCrunch 独家采访时表示，公司在业务拓展中高度重视伦理问题，并在客户选择上保持谨慎。据其介绍，Conntour 已与多家大型政府机构和上市公司合作，其中包括新加坡中央缉毒局，这使公司在筛选客户和使用场景方面拥有一定主动权。

Goldner称：“我们真正掌控着使用者是谁、使用场景是什么，可以筛选出我们认为道德且合法的客户。我们运用所有判断力，根据具体客户做出合作决定，因为我们知道他们将如何使用我们的产品。”

在获得市场认可的同时，Conntour也吸引了投资机构的关注。公司近日完成一轮700万美元的种子融资，投资方包括 General Catalyst、Y Combinator、SV Angel 和 Liquid 2 Ventures。Goldner表示，这轮融资在约72小时内完成，他在大约八天内安排了约90场会议，从周一启动融资流程，到周三下午即告结束。

Conntour的核心产品是一个面向安防场景的视频平台，利用视觉语言模型和自然语言处理技术，让安保人员可以通过自然语言在监控画面中检索任意物体、人物或情境。Goldner将其形容为“专为安全视频画面打造的类似谷歌的搜索引擎”。

与依赖预设规则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表示，其平台基于自然语言和视觉语言模型，强调灵活性和易用性。用户可以输入诸如“查找穿运动鞋在大厅传递包裹的人”之类的查询，系统会在所有录制视频和实时视频流中进行搜索，并返回相关片段。

平台内置的模型还支持用户直接就视频内容提出问题，并以文本形式给出回答，同时附上对应画面并生成事件报告。Conntour将此作为产品的一项重要功能进行推广。

在技术架构方面，Goldner称，Conntour与其他视频AI搜索服务的主要差异在于可扩展性。其系统被设计为可扩展至数千路摄像头信号。他表示，Conntour的平台能够在单块消费级 GPU（例如 Nvidia RTX 4090）上同时处理多达约50路摄像头画面。

为降低算力消耗，公司采用多种模型与逻辑系统组合的方式，并根据每一次查询动态选择最合适的模型和处理路径，以在尽可能少的计算资源下提供搜索结果。

Conntour称，其系统支持多种部署模式，可完全本地化部署，也可完全运行在云端，或采用本地与云端结合的混合架构。平台可以接入大多数现有安防系统，也可作为独立的完整监控解决方案使用。

不过，视频监控行业长期面临的基础问题仍然存在：监控效果高度依赖摄像头本身的画质。例如，在光线不足、镜头污损且分辨率较低的停车场环境中，画面细节往往难以辨认。

针对这一问题，Goldner表示，Conntour通过为搜索结果提供置信度评分来反映画面质量和识别可靠性。如果摄像头画面质量较差，系统返回的结果会标注较低的置信度。

谈及后续技术方向，Goldner认为，如何在保持系统高效运行的前提下，进一步引入大型语言模型（LLM）的能力，是公司面临的主要技术挑战之一。

他指出，一方面，公司希望为用户提供接近LLM的自然语言灵活性，使其可以提出几乎任何问题；另一方面，系统需要在处理数千路视频流时保持较低的资源消耗。这两方面需求之间的矛盾，被他视为当前领域中的重要技术难题，也是Conntour正在重点攻克的方向。