★ 要做到 Edge AI，需要哪些安控設備的協作

文／3S Market 編輯部

本文受眾：安控產業 CEO/VP、產品企劃、系統整合商、工程商與解決方案業者

要做到 Edge AI，需要哪些安控設備的協作？

—— 真正的 Edge AI，不是一台 AI Camera，而是一條會感知、判斷、聯動與回饋的設備鏈

很多人談 Edge AI，第一個想到的是「AI Camera」。但如果把 Edge AI 放到安全監控的實際應用來看，一台具 AI 能力的攝影機，只完成了「看懂」這件事；要真正形成 Edge AI 解決方案，還需要門禁、感測器、網路、Edge AI Box、VMS/NVR、儲存、警報設備與其他控制系統共同協作。

換句話說，Edge AI 的核心並不是「AI 放在哪一台設備裡」，而是：事件能不能在現場被即時感知、分析、交叉驗證、形成決策，再驅動其他設備執行動作。

Axis 將 edge analytics 定義為直接在攝影機端、接近影像產生位置進行分析；具深度學習處理能力的攝影機，也能在設備端執行自訂電腦視覺模型。NVIDIA 的 DeepStream 則顯示另一種架構：將多路攝影機或 RTSP 串流送往 Edge AI 運算平台，進行多串流影像分析。這表示 Edge AI 本來就不是單一產品形態，而是一個從 Camera Edge 到 Edge Server 都可能存在的分散式運算架構。

一、第一層：攝影機與感測器，是 Edge AI 的「感官」

Edge AI 要先有資料，安控系統最重要的資料入口仍是 IP Camera。但今天攝影機的角色已經從單純取像，逐漸變成第一層 AI 篩選器。

具 NPU、GPU、DLPU 或其他 AI 加速能力的攝影機，可以在前端進行人、車、物件分類、越界、徘徊、群聚、PPE、安全帽、車牌等辨識。這類 Camera Edge 最大的價值，不只是減少伺服器負載，而是可以把「整段影像」先轉換成「事件＋Metadata」。Axis 官方文件即指出，具 DLPU 的攝影機可以直接在設備端進行深度學習推論。

但影像不是唯一的感測來源。

真正完整的 Edge AI，往往還會結合：

門磁、玻璃破碎、PIR、震動、煙霧、溫溼度與空氣品質感測器；
門禁讀頭、智慧鎖、門禁控制器；
對講機、緊急求助按鈕；
雷達、LiDAR、毫米波、熱影像；
工廠 PLC、機台訊號；
停車場地磁、車牌辨識；
建築 BMS、消防、能源與 IoT 感測資料。

這些資料與影像交叉比對後，AI 才有可能從「看見一個人」進一步判定成「非允許時段有人進入限制區」、「門被打開但沒有合法刷卡紀錄」，甚至「設備異常之後，同一區域又出現人員滯留」。

這才是 Edge AI 與傳統 Video Analytics 最大的分水嶺：前者開始處理多感測器事件，而不是只分析畫面。

二、第二層：Edge AI Camera 與 AI Box，負責把資料變成判斷

Edge AI 的第二層，是現場推論。

目前安控市場大致可形成三種配置：

Edge AI 架構	AI 運算位置	適合情境	優點	限制
AI Camera	攝影機內	新建案、單點 AI	低延遲、低頻寬	單機算力與模型受限
AI Box / Edge Appliance	現場 Edge 主機	既有攝影機升級、多路分析	可一次處理多路、模型彈性高	需規劃算力與網路
Edge Server + VMS	機房或場域伺服器	中大型場域、多系統整合	集中管理、跨攝影機分析	成本、建置與維運較高

NVIDIA DeepStream 支援攝影機、RTSP 與多來源串流輸入，並可形成多串流 AI 分析流程；OpenVINO 則定位為可將深度學習模型從雲端一路部署到 Edge 的推論工具。這兩類平台都說明：Edge AI 不必綁死在攝影機內，而可以依場域需求分配算力。

因此，系統規劃的問題不應只是「這台 Camera 有沒有 AI」，而應該改問：

哪些 AI 必須在 Camera 即時完成？哪些要送 AI Box？哪些需要多攝影機資料，必須交給 Edge Server？

這會直接影響成本、頻寬、延遲、模型更新與未來擴充。

三、第三層：PoE Switch 與網路，是最容易被低估的 Edge AI 基礎設備

沒有穩定網路，就沒有穩定 Edge AI。

傳統影像監控系統中的 PoE Switch，大家主要關注的是 Port 數、PoE Watt、VLAN 與頻寬；進入 Edge AI 之後，網路還要承擔 Video Stream、Metadata、Event、模型更新、設備管理與跨系統 API 通訊。

尤其當多台攝影機不只輸出影像，還持續輸出物件座標、分類、車牌、事件標籤時，資料結構就不再只是「Camera → NVR」。

ONVIF Profile T 已支援進階影像串流、Metadata 與警報事件；Profile M 更進一步標準化分析 Metadata 與事件傳遞，包括物件分類、車輛、車牌、人臉與人體等資訊。換句話說，未來 Edge AI 網路真正重要的資料之一，會是 Metadata flow，而不只是 Video flow。

因此工業交換器、PoE Switch、Gateway 與網路管理平台，實際上是 Edge AI 系統裡的「資料高速公路」。

四、第四層：VMS/NVR 不再只是錄影，而是 Edge AI 的事件中樞

如果 AI Camera 判斷有人越界，事情還沒有結束。

下一步是：誰收到事件？誰調出影像？誰確認？誰通知？誰留下紀錄？誰驅動門禁、廣播或警示燈？

這就是 VMS 必須轉型的地方。

未來 VMS 的價值不只是 Recording，而是成為 Video＋Metadata＋Event 的整合管理平台。ONVIF Profile M 的設計目的，就是讓分析設備產生的 Metadata 與事件，可以送往 VMS、Server、Cloud 或 IoT 應用；Profile G 則涵蓋設備端與網路端錄影資料的儲存、搜尋、取回與播放。

例如：

Camera 發現陌生人 → VMS 接收 Person Event → 門禁確認此門沒有合法刷卡 → 系統將事件升級 → PTZ 自動轉向 → 對講機播放警示 → 保全人員手機收到通知 → 事件與影像自動存檔。

此時 Edge AI 已經不是「辨識」，而是形成一條 Observe → Analyze → Verify → Decide → Act → Record 的閉環。

五、第五層：門禁、智慧鎖、對講與警報設備，讓 AI 從「知道」進入「行動」

這是安控產業未來最重要的一個轉變。

AI 如果只能告訴使用者「有人來了」，價值有限；如果 AI 可以進一步驅動門禁、智慧鎖、語音、警示燈或其他設備，它才真正進入智慧空間控制。

ONVIF Profile A 與 Profile C 分別處理門禁規則、Credential、Schedule、門控制以及事件管理；Profile D 則讓門禁周邊設備與影像系統之間可以形成更標準化的 IP 整合。ONVIF 甚至直接舉例，支援相關 Profile 的 IP Camera 可以透過 Relay Output 與鎖具形成整合。

因此未來常見的 Edge AI 聯動可能是：

AI Camera + 門禁：辨識尾隨、反向進入、未刷卡闖入。AI Camera + 智慧鎖：辨識合法人員後啟動指定門鎖流程。AI Camera + 對講：偵測事件後自動播放語音或建立遠端對講。AI Camera + 警報：人員入侵與感測器訊號雙重成立才觸發高階警報。AI Camera + BMS/IoT：依人流、占用或異常狀態控制照明、空調、設備。

這也是為什麼 Edge AI 最後一定會走向「跨設備協作」。

六、第六層：Metadata、API 與事件規則，才是真正的系統黏著劑

過去做系統整合，經常是「把畫面叫出來」就算整合；Edge AI 時代不夠了。

真正重要的是：

Camera A 所辨識的 Person ID，VMS 看得懂嗎？門禁事件能否與同一時間的影像自動配對？AI Box 的 Metadata 能不能被第三方平台使用？不同品牌設備的 Event Schema 是否一致？事件觸發後，能不能透過 API 叫動另一套系統？

ONVIF Profile M 的價值就在這裡：它將 Metadata 與 Analytics Event 的傳遞標準化，目的是降低不同品牌 Edge Device、VMS、Cloud 與 IoT 平台之間的整合複雜度。

因此，未來安控產品競爭的不只是硬體規格，而是 Metadata 能不能被使用、API 能不能被整合、事件能不能被 Orchestrate。

這對台灣安控業尤其重要。只賣 Camera、NVR、Switch 或門禁控制器，仍然是在賣 Device；能把各種設備事件串起來，才開始進入 Edge AI Solution。

圖表二：Edge AI 安控設備協作鏈

層級	主要設備	核心任務	Edge AI 價值
感知層	IP Camera、熱影像、雷達、感測器、門禁	蒐集環境與人車資料	看見、感知
前端 AI 層	AI Camera、AI Box	即時推論與事件過濾	看懂
網路層	PoE Switch、Industrial Switch、Gateway	傳輸 Video／Metadata／Event	連接
平台層	VMS、NVR、Edge Server	整合影像、事件與規則	判斷
執行層	門禁、智慧鎖、對講、警報、Relay	執行控制與回應	行動
資料層	Edge Storage、Server、Cloud	儲存、搜尋、模型與資料管理	學習
管理層	API、Dashboard、AI Agent、PSIM／管理平台	跨系統協調與營運	協同

七、真正的 Edge AI，是「設備協作能力」的競爭

從安控產業角度看，Edge AI 的發展會讓產品市場重新分工。

AI Camera 廠商不能只談辨識率，而要談 Metadata、API 與第三方整合。VMS 廠商不能只談幾路影像，而要能管理 AI Event 與多系統事件。PoE/網通業者不能只談頻寬與供電，而要進入 Edge Device Management。門禁業者要從身份驗證走向與 Video AI 的事件聯動。系統整合商與工程商則要從「設備安裝者」升級成「事件流程設計者」。

因此，未來 Edge AI 安控方案真正的基本單位，不再是 Camera，而是一個 Event Workflow。

以工廠為例，「人員進入危險區」背後可能需要 Camera、PPE AI、門禁、地理區域規則、PLC 狀態、警示燈、對講與 VMS 同時合作；以零售為例，「可疑商品移動」可能同時需要 Camera AI、POS、電子標籤、門禁與人員通知；在智慧大樓則可能把 Camera、門禁、電梯、訪客、智慧鎖與 BMS 串成一套空間管理流程。

誰能把這些設備變成一個會互相理解、互相觸發、互相驗證的系統，誰才真正掌握 Edge AI 的價值。

結論：Edge AI 不是把 AI 塞進攝影機，而是讓整個安控系統開始「會思考」