11 月 1 日，中国环境网报道了环保展上的一套系统：首创智能的 AI 视频智能预警系统，靠大语言模型加视觉语言模型，把水务企业现有的监控摄像头直接变成"智能巡查报警员"，号称不增加硬件预算、不改变一线操作习惯。
配套公开报道里有一组更扎心的数字：WEAM 生态智慧运营平台接入的 9 个项目，装了 1252 台视频监控设施，真正具备智能识别能力的只有 136 台——占比不足 11%。
剩下那 1116 台，每天忠实录像，在硬盘里等一个可能永远不会被调阅的明天。
这不是水务一家的病，是整个视频监控行业的通病。而"存量利旧"这道被讲了多年的题，首创这次给出的答卷值得拆一拆。我的看法先放这儿：存量利旧这道题，难点从来不在算法，在工程。下面按四个问题拆。
问题一：你的摄像头里，有多少台在"装睡"？
先回答为什么 89% 的摄像头是"装睡"的。
绝大多数存量监控系统的架构逻辑是"录像优先"：摄像机把码流推给 NVR 或者存储服务器，落盘、回放、取证，链路就闭环了。要不要分析？那是后来加的需求，加的方式通常是两条路：要么换带 AI 能力的新相机，要么在前端后端单独挂算法盒子。
两条路都贵，而且贵得隐蔽：换相机要重新布线、验收、招投标；挂盒子是每个场景买一次算法，算力散落各处无人调度。于是大多数项目的选择是：先录着，智能化列入"二期"。
二期通常不会再来了。所以 1252 台里只有 136 台会思考，不是预算问题，是架构问题——智能能力从来没有被设计成可复用的平台层，它被当成了一次性采购项。
问题二：不换硬件，"看懂"从哪里来？
首创这次的路线核心是四个字：云边端协同。展开说，它做对了三件工程上的事。
第一，把识别引擎从"专用"改成"通用"。传统方案里每个场景一套小模型：漂浮物一个、排污一个、积水一个，各自训练部署。这套系统的底座是视觉语言模型加大语言模型，识别的语义理解能力是底座给的，场景差异主要靠提示词和样本去约束。这也是它敢说"让每一台现有摄像头都上岗"的底气——引擎通用了，接入才是主要工作量。
第二，样本策略务实。它没有追求通用大模型开箱即用，而是融合千余路存量视频资源和公开数据集，分场景构建"黄金数据样本"，再设计图像识别提示词。也就是说，大模型负责"看懂"，行业数据负责"看准"。这一步省不掉，也恰恰是平台厂商该干的活。
第三，工程化模块去兼容存量业务平台，而不是要求业务系统迁就它。这点不起眼，却决定利旧能不能落地——甲方工单、告警、值班制度都已在跑，没人愿意为接 AI 推倒业务流程。
| 维度 | 传统小模型改造 | 视觉大模型利旧升级 |
|---|---|---|
| 识别引擎 | 每场景单独训练专用模型 | 通用底座 + 提示词约束场景 |
| 硬件投入 | 换 AI 相机或加算法盒子 | 复用现有摄像头，不加硬件 |
| 扩展新场景 | 重新采集标注、重新训练 | 补样本、调提示词为主 |
| 算力形态 | 分散在盒子/边缘，难调度 | 云边端协同统一调度 |
| 与业务系统 | 各自对接，烟囱式 | 工程化模块兼容现有平台 |
问题三：单靠画面，判得住吗？
答案很明确：判不住，必须融合。这是这套系统里最值得其他行业抄的一笔。
三个场景的正确率结构很说明问题：
| 场景 | 融合的数据源 | 实测判别正确率 |
|---|---|---|
| 水面漂浮物识别 | 纯视频画面 | 约 83% |
| 排口异常出流 | 视频画面 + 雨量计数据 | 约 88% |
| 道路积水识别 | 视频画面 + 雨量计 + 气象预报 | 约 85% |
水面漂浮物只靠画面，就能做到全天候运行，在江苏宿迁、淮安两地 49 个监控点上跑出了 83% 的判别正确率。但排口出流不一样——下雨天排口出水是正常的，非降雨时段出水才可疑，所以系统把雨量计数据融合进来，"看见出水却难以追溯来源"的老问题才被解决。道路积水更进一步，把气象预报也接进来，降雨过程中按积水深度分级触发。
看出来了吗？视频是主证据，但让判定成立的是视频之外的数据。单一模态的 AI 视频分析，天花板就在那里；跨数据源的融合判定，才是从"识别"走向"业务可用"的那一步。
这对视频平台的架构要求很直接：接入层不能只收码流，得能收 IoT 数据、气象数据，并且在一个判定流程里把它们对齐到同一时间轴上。
问题四：告警之后，谁接住？
识别只是开始，告警发出来没人管，比不发还糟——它会迅速消耗值班人员对系统的信任。
这套系统的答案是五个环：识别—报警—分派—处置—反馈。识别出异常即自动生成含位置、抓拍图、类型信息的预警单，推送一线运维手机，派单、处置、反馈全程留痕。公开报道给出的对比数字是：相较人工巡查，发现时效提前 97.9%，处置效率提升 68.75%。
这两个数字背后是两种工作模式的区别：人工巡查是"人找问题"，巡到哪里算哪里；闭环系统是"问题找人"，AI 轮巡全量画面，人只处理被筛出来的那一小撮。上午 6 点大屏出红色预警、3 分钟完成从识别到派单，这个节奏人肉轮巡给不了。
顺带一提，同一个展台上还有个不太起眼的应用叫"智能问数"：业务人员用自然语言问"B 厂 3 号提升泵近一年的维修记录"，系统直接调取设备参数、缺陷、保养、维修履历作答，单位时间有效数据获取量提升 5 到 10 倍。视频预警解决"看见"，数据问数解决"听懂"——大模型在视频行业落地，从来不只是一个摄像头的事。
收个尾：四个问题，其实是一张架构清单
回过头看这四个问题，答案是同一个：
- 摄像头"装睡"，是因为智能能力没有平台化；
- "看懂"要成立，靠的是通用引擎加行业样本加工程化兼容；
- 判定要可信，靠的是视频与 IoT、气象数据的多源融合；
- 告警要闭环，靠的是把 AI 事件接进真实的业务流程。
所以我的结论是：存量利旧的竞争力，不比谁的算法分高，比谁的接入、融合、调度、闭环这四层工程是否扎实。钱包从"换设备"挪到"接平台"，这可能是未来几年视频行业最大的一笔结构性转移——毕竟会思考的摄像头，从来不心疼旧。
顺势介绍一下我们自己在做的事。智联视频超融合平台就是按上面这张架构清单来设计的：GB28181、RTSP、RTMP 等多协议统一接入，存量摄像头利旧注册，视频流在平台内统一转码、分发与调度；AI 分析以调度方式挂接在平台之上，识别结果与告警事件走标准接口对接到业务系统，形成从接入到闭环的完整链路。如果你的项目里也躺着一大批"装睡"的摄像头，欢迎来聊聊怎么用一张平台网让它们集体上岗。
（案例数据来自中国环境网 11 月 1 日报道及首创智能公开资料，指标以厂商实测为准。）