🔎 如何辨識哪些安控應用的 AI 來自中國？

文/3S Market 編輯部

從演算法、SDK、雲端平台到 SoC 與韌體，一套由外到內、由軟到硬的供應鏈溯源方法

適讀對象：安控品牌商、製造商、代理商、系統整合商、採購主管、產品經理、研發與資安人員

刊頭圖說：安控設備的品牌、組裝地與產品標示，不一定等於其 AI 技術的真正來源。演算法、SDK、雲端服務及晶片韌體，都可能隱藏在產品供應鏈的不同層次中。

前言：辨識 AI 來源，往往比辨識硬體產地更難

辨識一台攝影機、NVR 或 AI Box 的硬體產地，通常還可以從製造商、工廠、晶片型號、產品標籤及進出口文件著手；但要判斷其中的 AI 是否來自中國，難度高出許多。

原因是，多數產品不會在規格書上直接標示：

人臉辨識演算法來自哪家公司；
車牌辨識模型在哪裡開發；
使用哪一家 AI SDK；
AI 推論是在本地端還是遠端雲端執行；
韌體內是否包含中國開發的函式庫；
AI 模型更新由哪一座伺服器提供。

有些產品的品牌、外殼、電路板與組裝地都不在中國，但內部採用的演算法、SDK、雲端 API 或 SoC 韌體，仍可能來自中國供應鏈。

因此，判斷安控 AI 的來源，不能只看外觀、品牌或產地，而要建立一套「由外到內、由軟到硬」的檢查方法。

本報導重點

判斷一套安控 AI 是否涉及中國供應鏈，最重要的不是問「這台設備是不是中國製」，而是進一步追問：

演算法是誰家的？SDK 從哪裡來？資料送到哪裡？韌體又是由誰維護？

即使硬體符合特定採購規範，也不代表其中的 AI、軟體元件與雲端服務已完成來源查核。

一、先建立四層判斷框架

安控 AI 可能在四個不同層級中，使用來自中國的技術或服務：

AI 演算法層包括人臉辨識、行為分析、車牌辨識、物件分類及影像特徵比對。
SDK/Library 層將第三方 AI 能力嵌入攝影機、NVR、VMS、AI Box 或管理平台。
AI 雲端平台層設備本身只負責擷取影像，真正的分析、模型推論或資料比對在遠端執行。
晶片與韌體層AI 功能整合在 SoC、NPU、韌體、驅動程式，或晶片原廠提供的開發套件中。

安控 AI 的來源不能只看設備品牌。演算法、SDK、雲端平台及晶片韌體，只要其中一層涉及中國技術或服務，就可能形成紅色供應鏈疑慮。

AI 層級	主要內容	應檢查項目	可能留下的線索
演算法層	人臉、行為、車牌及物件辨識	模型供應商、訓練來源、授權文件	功能名稱、模型檔名、演算法品牌
SDK/Library 層	嵌入設備或平台的開發套件	SDK 名稱、版本、函式庫與 API	DLL、SO、BIN 檔案及參數名稱
雲端平台層	遠端推論、資料比對及模型更新	IP、Domain、雲端位置、資料流向	封包、日誌、憑證及服務端點
晶片/韌體層	SoC、NPU、Bootloader、驅動程式	晶片型號、韌體來源、更新伺服器	韌體字串、編譯資訊及 SDK 結構

這四層並不是彼此獨立。實際產品可能同時採用中國 SoC、中國晶片原廠 SDK，以及另一家中國公司的辨識演算法。

因此，只確認其中一項，並不足以證明整體供應鏈安全。

二、最快速的外觀辨識法

在無法拆機、無法取得原始碼，也沒有封包分析工具的情況下，仍可先從產品文案、操作介面與功能組合找出初步線索。

1. 注意具有特定背景的功能用語

若產品資料大量出現下列詞彙，應提高警覺：

匹配庫；
黑名單/白名單；
布控；
結構化數據；
雪亮工程；
社會治理；
公安平台；
重點人員管理；
以人、車、事件為核心的跨區追蹤。

這些詞彙本身不能直接證明 AI 來自中國，但經常反映特定市場的產品設計、專案架構與開發語言。

2. 功能過多、價格過低

另一項常見現象，是價格非常低的攝影機或 AI 一體機，卻同時宣稱具備：

人臉辨識（辨識，中國通常用識別）；
年齡分析；
性別辨識；
口罩辨識；
情緒分析；
行為分析；
車牌辨識；
黑白名單及跨攝影機追蹤。

特殊用語、過度完整的功能組合，以及遠低於合理成本的售價，都可能反映套裝化 AI 模型、共用 SDK 或來源不透明的設備平台。

真正成熟的 AI 產品，除了列出功能，通常還應交代：

準確率的測試條件；
可辨識距離與影像品質要求；
適用與不適用場景；
誤報及漏報情形；
個資與隱私處理方式；
模型版本與更新政策。

若產品只強調「什麼都能辨識」，卻沒有任何限制條件，採購人員就不應只看功能表。

三、從文件、API 與語言殘留找線索

比產品文案更可靠的，是技術文件與系統內部留下的開發痕跡。

這些痕跡可能出現在：

操作手冊；
快速安裝指南；
API 文件；
SDK 文件；
系統設定檔；
韌體檔案；
模型檔案；
系統日誌；
錯誤訊息；
網頁管理介面。

1. API 或 SDK 名稱

若文件或程式中直接出現特定演算法公司、服務名稱或開發套件，例如 Face++、Megvii、SenseTime、Yitu、CloudWalk，或特定攝影機品牌的 AI SDK，來源便相對容易追查。

但更多產品不會直接寫出供應商，而是使用：

第三方 AI 引擎；
智慧分析模組；
自研深度學習引擎；
專有辨識核心；
OEM AI Library。

碰到這類描述，必須進一步要求供應商交代實際開發者及授權來源。

2. 拼音、簡體中文與工程參數

中國開發團隊留下的痕跡，常見於變數名稱、檔名及日誌，例如：

renlian；
chepai；
face_chn_v3.bin；
plate_chn_v2.bin；
region=CN；
language=zh-CN；
timezone=Asia/Shanghai。

API 名稱、模型檔案、拼音參數、簡體中文錯誤訊息及地區設定，往往比產品型錄更能暴露原始開發環境與供應商生態。

這些線索仍不能單獨作為定論，但若多項跡象同時出現，便值得要求供應商提出進一步說明。

四、檢查網路連線與雲端跡象

有些設備宣稱具備 Edge AI，但實際上只有影像擷取與前處理在本地端完成，真正的辨識、特徵比對或模型推論仍依賴雲端。

可從幾個現象判斷：

AI 功能必須連網才能啟用；
中斷網路後，辨識功能失效；
設備會定期上傳影像特徵值；
系統必須登入遠端帳號才能操作；
某些雲端連線無法關閉；
模型與名單只能從遠端平台下載；
系統會持續連線至不明 IP 或 Domain。

實際檢查方法

可透過防火牆、路由器、流量分析工具或封包擷取，觀察：

設備連到哪些 IP；
Domain 所屬地區；
TLS 憑證的申請者；
API 服務名稱；
封包傳輸頻率；
上傳的是完整影像、截圖還是影像特徵；
伺服器是否位於中國或由中國雲端業者提供。

若 AI 功能必須連網，或影像及特徵資料持續傳送至遠端伺服器，網路流量、IP、Domain 與雲端端點便會成為判斷來源的重要依據。

若發現設備連線至阿里雲、騰訊雲、華為雲，或中國地區的服務端點，應進一步確認：

這是必要的 AI 服務，還是一般設備管理服務；
資料是否跨境；
是否可以改成本地端部署；
關閉連線後，哪些功能會受到影響。

連線至中國雲端不能直接證明演算法一定來自中國，但可證明產品的資料處理或維運供應鏈，與中國服務存在關聯。

五、從 SoC、NPU 與韌體反推來源

若無法取得演算法供應商資料，還可以從硬體平台與韌體結構反向推斷。

原稿列出的高關聯線索包括：

HiSilicon/海思；
Goke/國科微；
Sigmastar/星宸科技；
Rockchip/瑞芯微；
Ingenic/北京君正。

這些晶片本身不等同於完整的 AI 應用，但晶片原廠通常會提供：

AI 推論引擎；
NPU 驅動；
影像處理 Library；
人形或人臉偵測模型；
編譯工具；
參考韌體；
攝影機及 NVR 開發套件。

因此，即使產品品牌或製造地不在中國，只要底層平台大量依賴上述晶片生態，仍必須確認韌體、SDK 及 AI 模型的真正來源。

晶片只是起點。完整溯源還必須交叉比對韌體指紋、Bootloader、SDK、模型檔案、更新伺服器及供應鏈關聯。

原稿同時列出 Ambarella、NXP、Intel/Movidius 等相對較少直接指向中國 AI 生態的選項。

不過，採用非中國晶片並不代表整套產品必然沒有中國 AI。廠商仍可能在其上整合中國開發的第三方 SDK、演算法或雲端服務。

所以，不能只憑晶片品牌做最後判斷。

六、合規與採購必問三個問題

面對來源不明的安控 AI，採購端不需要先成為韌體工程師，但一定要問對問題。

第一問：演算法與 SDK 是誰家的？

必須要求供應商說明：

是自行開發還是第三方授權；
原始開發公司是誰；
公司註冊及研發地點；
SDK 的名稱與版本；
是否仍依賴原廠伺服器；
模型更新由誰提供。

第二問：資料在哪裡運算與儲存？

應確認：

AI 在攝影機、NVR、AI Box 或雲端執行；
影像是否離開使用場域；
是否上傳人臉、車牌或其他生物特徵；
資料儲存在哪一個國家或地區；
使用者能否關閉雲端服務；
合約終止後資料如何刪除。

第三問：符合哪些法規與採購要求？

除了 NDAA，還要確認：

個資與隱私保護要求；
GDPR 或客戶所在地法規；
政府及關鍵基礎設施採購規範；
資料跨境政策；
軟體更新與弱點修補責任；
AI 來源是否可以被持續查核。

演算法來源、資料處理位置與法規符合性，是採購安控 AI 時最基本的三項問題。答案越含糊，後續合規與替換成本越高。

若供應商出現以下反應，應提高風險等級：

無法說明 AI 供應商；
將來源問題全部歸為商業機密；
只強調設備符合 NDAA，卻不說明 AI 或 SDK；
不願提供資料流向；
無法說明雲端所在地；
版本更新來源不明；
將問題轉移到硬體產地或組裝地。

資訊不透明本身不等於違規，但代表採購端無法完成風險驗證。

安控 AI 來源風險快速判斷表

觀察到的現象	初步風險判斷
AI 功能很多，價格卻明顯偏低	🔴 高
大量使用公安、布控、匹配庫、結構化數據等用語	🔴 高
AI 必須連雲端，且無法完全關閉	🔴 高
文件存在拼音、簡體中文或中國地區設定殘留	🔴 高
只宣稱 NDAA 合規，卻不提供 AI、SDK 與雲端來源	🟠 中高
AI 可完全離線，資料與模型均在本地端運作	🟢 相對較低