过去三四天，三条互不相干的公开信息撞在了同一个时间窗里：11 月 9 日，山东黄金焦家金矿挂出 CV 安全类场景 AI 项目竞争性磋商公告，20 余类场景、159 路算法、矿端 3 台边缘推理服务器（来源：阳光采购服务平台）；11 月 12 日，广西挂出数字孪生大藤峡感知能力提升项目招标计划，11 类云边协同模型、存量视频按清单接入云端识别、估算 400 万元（来源：广西公共资源交易中心）；11 月 13 日，合肥综合性国家科学中心成果发布对接会上，中国科大与大华共建实验室的视频深度认知智能体一体机亮相，已接入 2545 路摄像头，识别准确率 97%，分析延迟不超过 1 秒（来源：腾讯新闻）。
一个矿井、一处水利枢纽、一座大学校区，三个业主、三种预算量级、三种技术路线。很多集成商朋友把这看成三个孤立的商机，我的看法恰恰相反：这三份文件把视频 AI 的路线之争摆上了同一张桌，而且每一条路线的代价，都写在明面上。今天这篇文章，就把三条路线拆开对照，给出我的裁决标准。
一、先把三个案子摆上桌
焦家金矿代表端侧重型。 公告写得很清楚：利旧与新增相结合布设前端，矿端配置边缘推理服务器 3 台，建设矿端 AI 应用平台 1 套，视频流本地化智能分析、秒级风险识别，同时与集团 AI 应用平台数据贯通。翻译成架构语言：推理算力全部压在矿端，数据不出矿，告警结果向上汇聚。这几乎是矿山、化工这类高危场景的标准答案——网络不稳，宁可算力重一点，也要保证断网时识别不断线。
大藤峡代表云侧集中。 这个项目最值得玩味的不是 11 类模型，而是招标范围里那句话：建设全域视频智能管控系统，实现视频智能调度，存量视频按清单接入云端智能识别。5 处存量站点改造加 9 处新增点位，边缘计算终端只是配套。也就是说，业主默认了「识别能力集中在云上，边缘只负责取流和回传」这个前提，而平台的核心工作是管好那张「清单」。
合肥的一体机代表第三条路。 2545 路摄像头、97% 准确率、延迟不超过 1 秒，这些数字固然亮眼，但真正的差异化在交互方式：用户一句话即可调度多个智能体完成跨系统任务，成功的协作过程沉淀为可复用的服务。这意味着它不只是跑算法的盒子，而是把「模型生产 + 任务编排」做进了同一个闭环里。
二、差别不在云和边，在三个「归属」
把三条路线放进同一张表，你会发现云和边的争论其实是个伪问题。真正的分歧点有三个：算法驻留在谁那里、数据边界划在哪里、以及最关键的——谁决定哪一路视频在什么时间跑哪个模型。
| 判据 | 端侧重型（焦家金矿） | 云侧集中（大藤峡） | 一体机 + 智能体（合肥） |
|---|---|---|---|
| 算法驻留 | 矿端边缘服务器，本地闭环 | 云端统一推理，边缘只做取流 | 一体机内闭环 |
| 上行带宽 | 只传告警与结构化结果 | 按清单回传视频流 | 只传结果，视频不出域 |
| 合规边界 | 数据不出矿，最好证明 | 依赖专网与等保底座 | 数据不出校区 |
| 算法迭代 | 逐矿更新，复制成本高 | 一次更新全网生效 | 盒内更新，跨点复制靠工具链 |
| 路数上限 | 受单点算力约束 | 弹性最好 | 单机有天花板，2545 路已属高位 |
| 最痛的一刀 | 第二个矿点重新做一遍 | 清单不准，识别认错点位 | 跨校区复制需要调度层 |
我常用一张五层图来判断一条路线的成色：前端接入、边缘推理、平台调度、模型生产、业务应用。停在第 2 层的方案是更贵的 NVR，停在第 1 层的方案是更贵的硬盘，只有摸到第 3 层——统一编目、按清单派发任务——才配得上「平台」二字。拿这张图去量三个案子：焦家金矿的矿端平台只调度本矿，模型靠厂商逐点交付；大藤峡把调度权和模型迭代都收在了云上；一体机则把四层闭环塞进了一个盒子，但它的天花板也很直白——跨校区复制，终究要靠调度层而不是堆盒子。
三、我的裁决：不是三选一，是三层
说完对照，该下结论了。我的判断是：三条路线从来不是竞争关系，而是分层关系，选错的人往往不是选错了技术，而是在错误的层级上寻找答案。
第一层判断给接入和推理，答案基本收敛：断网风险高的矿区厂区选端侧，跨区域要汇聚的选云侧，这一层没有悬念。第二层判断在调度，这才是分水岭——大藤峡那句「存量视频按清单接入」之所以值钱，是因为它意味着业主已经从「买算法」进化到「买台账管理能力」。清单就是视频资产的编目，编目做不准，后面 11 类模型跑得再好也是在认错的点位上空转。第三层判断在模型生产，这是 2026 年新出现的变量：百度一见 6.0 公开的数据显示，通过大模型先学场景、再经强化学习与蒸馏落进端侧相机，配合维护一个正负样本集，视觉模型一轮迭代从过去的一周压到了两三个小时（来源：网易号，百度智能云）。模型生产正在工业化，平台如果不能承接这条生产线，再多的接入路数也只是存储规模。
给三类买家的建议很简单。点位数百路以内、算法稳定、断网要命的项目，照焦家金矿抄作业；千路以上、跨区域、要向上级平台汇聚的，照大藤峡抄作业，把预算的大头花在清单治理上；场景复杂、希望业务人员自己定义看管任务的，关注一体机路线，但必须确认它的调度能力能不能跨点复制。无论选哪条，先做视频质量治理——有厂商把话说得很透：先上算法跑两周，回头才发现是前端画面本身不合格，顺序反了（来源：咸宁网，深学科技）。存量摄像头先摸清黑屏、偏色、遮挡这些故障，再谈 AI，算力才不白花。
最后留一个提醒：五个判据里最该先看的是「复制成本」。多数项目真正决定成败的，不是第一个点跑得多漂亮，而是第二个点要花多少钱。
结语
视频 AI 的路线之争吵了四五年，答案其实早就从「云还是边」的口水仗，沉淀成了「接入、调度、模型生产」三层能力的厚度比拼。三个项目摆上桌的这一天，恰恰说明市场已经用真金白银投了票：端侧解决确定性，云侧解决规模性，智能体解决灵活性——而平台的价值，是把这三种确定性装进同一套清单和调度体系里。选路线之前，先问问自己的平台握着哪几层，答案会比任何厂商的 PPT 都诚实。
说到三层能力，这正是我们团队一直在做的事。智联视频超融合平台从设计第一天起就按这个分层走的：接入层兼容 GB28181、RTSP、ONVIF 等多协议，把存量摄像机的利旧成本压到最低；调度层以统一编目和任务派发为核心，让每一路视频的模型绑定关系清晰可查；模型层则面向安防监控、安全生产等场景持续迭代，让算法更新不再依赖逐点重做。如果你正在为上面讨论的路线选择犯难，欢迎参考我们的实践——路线没有对错，但要选一个能让三层能力长在一起的底座。
智联视频超融合平台介绍
智联视频超融合平台是面向视频联网与智能化的一站式底座，核心能力包括：多协议视频接入与统一管理（GB28181 / RTSP / RTMP / ONVIF）、视频流分发与转码、云端录像与存储、AI 算法接入与告警联动、多级平台级联共享。平台广泛服务于园区、能源、矿山、交通、安防等场景，帮助企业以利旧为主、增量为辅的方式，低成本完成从「看得见」到「看得懂」的升级。了解更多：https://www.zhituzhilian.com