跳到主要内容

视鉴中枢（Everpast-AI）· 三分钟闪电演讲稿

大家好。先问一个问题——你家装了监控吗？

再问一个扎心的问题：你有多久没翻过录像了？24 小时的画面，99% 是静止的画面。你想知道「下午谁来过我家」，就得拖进度条半小时。

传统监控只做了一件事——录。它从来不负责 懂。

这就是我们要填的空白。

我们做的项目叫「视鉴中枢 —— Everpast-AI」。

一句话：一个基于家用监控画面、用 AI 自动理解一切的智能中枢系统。

核心是一个范式的转变：从「看录像」到「读时间线」。

轻量级 AI 模型 7x24 小时把每一帧画面翻译成一句话——「下午 2 点 30 分，一个人抱着快递盒走进客厅，放在茶几上」，按时间排好，像日记一样。

用户直接问：「下午谁拿走了客厅的水杯？」系统先读时间线推理出答案，再精准调出对应那几秒的视频片段。

实现这件事，我们用了四两拨千斤的架构。

第一，轻重结合的双层 AI。 底层 Qwen3-VL-4B 全天候低功耗跑在家庭设备上，把画面转成文字；上层 DeepSeek API 只在用户提问时才召来推理。轻的不累，重的不白干。

第二，系统是平台不是应用。 核心中枢只做三件事：生成时间线、路由消息、管好插件。老人看护、摔倒检测、智能家居联动、每日回顾——都是插件，即插即用。AI 的提示词可以按场景定制，功能可以靠插件无限扩展。 装一个老人看护插件，它就是养老助手；装一个厨房安全插件，它就是防火卫士。同一个底座，适配完全不同的场景——这就是平台的力量。

第三，通讯系统是工业级设计。 MQTT 做控制面，指令和事件走 MQTT；视频大文件走文件系统传引用。控制面和数据面彻底分离，核心模块永远不被大文件拖垮。加上 QoS 分级和全链路 trace_id 追踪。

技术栈选型：Qwen3-VL 轻量视觉语言模型 + DeepSeek 推理 API + Frigate NVR 视频底层 + MQTT 消息总线 + Docker 插件沙箱。没有一个选型是蹭热度的。

我们是一个四人团队，分工贴合我刚才讲的每一块。

项目 3 月立项，两个月走完了全套架构设计，现在进入原型编码。5 月底时间线生成和查询功能跑通，6 月完成系统测试。

最后说一句我们的愿景。

我们不只让监控被看见，我们让它被理解。

「录」这件事已经做了四十年。是时候往前一步了。

谢谢大家。

Q&A 准备​

Q1：你们和市面上的 AI 摄像头有什么区别？​

市面上所谓的 AI 摄像头只能做几件固定的事——人脸识别、移动侦测、区域入侵。功能是写死的，不能改，不能加。我们的系统是开放平台——核心只生成时间线，所有上层功能都是插件。改一个场景换一个插件就行，不需要换硬件。

Q2：隐私问题怎么解决？​

视频推理全在本地设备上完成，画面不出家庭网络。只有用户主动提问时，脱敏后的时间线文本（不带图像）才会发到云端 LLM 做推理。而且 LLM 接口设计为可替换，不想用云 API，可以接本地运行的模型。

Q3：DeepSeek API 不稳定怎么办？​

LLM 层是抽象接口，可以随时切换到 GPT、Claude 或其他模型。API 不可用时系统自动回退到纯文本搜索——虽然智能程度降低，但基础查询功能不掉。

Q4：在普通家庭设备上跑得动吗？​

Qwen3-VL-4B 量化后约 2.5GB 显存，一块千元级 GPU 或新款 NUC 就能跑。如果设备确实不够，也可以用纯 CPU 加 ONNX 优化方案。目标平台是家庭 NAS 或迷你主机。

Q5：你们的核心竞争力是什么？和 HomeAssistant 比呢？​

核心竞争力不是某一个模型，而是系统架构——轻重双层 AI 的分工、MQTT 控制面/数据面分离、插件化平台设计，这些都是工程能力的体现。

和 HomeAssistant 的区别：HA 管的是设备联动和自动化，是「开关层面」的事。我们管的是理解画面，是「视觉层面」的事。两条赛道，完全可以互补嵌套。

Q6：你们做到什么程度了？还是只有文档？​

3 月立项，两个月走完了完整的架构设计和协议规范。现在正在进行原型编码——Genapsed 核心框架、Frigate 集成适配层、MiniLVM 推理脚本同步推进。5 月底第一个可演示的版本就会出来。

Q7：未来打算怎么用？只有家里能用吗？​

底座本身是和摄像头无关的。换成店铺摄像头就是零售分析系统，换成工位摄像头就是工位监测系统。提示词一换、插件一换，场景就变了——这就是插件化的威力。