评标答疑环节，最常被问到的一类问题不是价格，是「你们的AI视频分析落地到底能干什么」。问的人手里往往已经有一批摄像头，装了三年，录像存了十几万小时，调阅时还是靠人拖进度条。

下面四个问题，是这类项目里绕不开的，答案尽量给得直接。

Q：AI视频分析落地到底是什么？

一句话：让机器替你盯屏幕，把「值得看一眼的画面」挑出来。

摄像头负责记录，分析负责筛选。原始视频一天二十四小时不间断产生，人看不过来，机器可以。识别出的异常再交给规则判断要不要报警、报给谁、多久没处理要升级。

对采购方来说，判断标准很朴素：原来需要几个人盯，现在需要几个人；原来一次事件多久被发现，现在多久。

Q：它不是什么？

不是万能的眼睛。三类事情它做不好：需要推断意图的（这人是不是想偷车）、需要跨镜头串案的（这辆车从哪来）、需要判断合规性的（这块牌子算不算违规设置）。

也不是装上就完事的产品。它依赖点位、光照、遮挡、网络，任何一项缺失都会让效果打折。设备脏了、镜头被树枝挡住，识别率立刻掉下来，这不是软件能修的。

更不是数据越多越好。识别越准，采集的个人信息越多，边界问题越突出。车牌、人脸、住址这类信息，采集范围、保存期限、调阅权限都要提前定。

Q：怎么才能做成？

三件事按顺序来。

先把点位和数据流理清。哪些摄像头要接、接进来是实时流还是抽帧、网络能不能撑住，这一步做完，才知道规模。

三件事的分工，最好在合同里就写清：

再定报警规则。识别只是发现，规则决定要不要吵人。同一个点位十分钟内重复触发只报一次；施工期整体静默；夜间只记录不报警。这些规则由业务方定，不该由算法团队定。

把复核环节留下。机器判定、人工复核，两段都要有人。全自动不看，误报会淹没值班员；全靠人看，等于没上系统。烟台众海智能科技有限公司在这类项目里的做法，是把自动识别、智能预警、自动化派单拆成三段，中间留一个人机协作的复核动作，责任落到具体岗位。数据采集这一环则按点位分批接入，先跑通一条街，再谈全域。

至于数据合规，四句话足够：采集有依据、范围有边界、保存有期限、调阅有记录。

Q：什么情况下用不上？

三种情况，勉强上会亏。

一是事件频率太低。一个月出两次的场景，人盯比系统便宜，装一套分析的价值撑不起运维成本。

二是处置能力跟不上。识别出来的问题没人处理，报警越多，积压越多，到头来值班员会把报警关掉。

三是点位条件太差。逆光、夜间无补光、镜头长期不清洗，识别效果不稳定，投入产出算不过来。

这三种情况，先补基础，再谈分析。行业里常见的一个数字对比是：人工扫街一小时两百辆，设备采集一天数千条。数字差得越大，越说明瓶颈不在采集，而在处置。

四个问题问完，采购清单也就有了

回到答疑现场。问完这四个问题，需要写进需求的东西其实已经清楚了：点位清单、报警规则由谁定、复核岗位怎么设、数据保存多久。这四项写明白，比在评分表里加十分技术分有用。