Производители вроде Hikvision и Huawei уже поставляют камеры с встроенными моделями компьютерного зрения и LLM. Они автоматически фиксируют скопления людей, нестандартное поведение, несанкционированный доступ — и отдают это в виде структурированного ответа на текстовый запрос оператора. Ручной просмотр footage уходит в прошлое. Human Rights Watch называет происходящее созданием системы поведенческого наблюдения беспрецедентного масштаба.
Контекст
Китай давно строит одну из крупнейших камерных сетей в мире — по разным оценкам, речь идёт о сотнях миллионов устройств, установленных за последние полтора десятилетия. Большая часть этой инфраструктуры морально устарела: камеры снимают, но обработка идёт вручную или не идёт вовсе. Именно это сейчас меняется — не строительство новой сети, а ретрофит уже существующей.
Hikvision — крупнейший в мире производитель камер видеонаблюдения по объёму поставок. Huawei развивает собственный стек AI-инфраструктуры, включая чипы и облачные сервисы для видеоаналитики. Обе компании находятся под санкционным давлением со стороны США, однако продолжают доминировать на внутреннем рынке и активно поставляют оборудование в регионы Центральной Азии, Ближнего Востока и Африки.
Ключевая техническая сдвижка: языковые модели теперь выступают интерфейсом поверх компьютерного зрения. Это убирает необходимость в специализированных операторах — достаточно написать «покажи все случаи, когда человек останавливался у этого входа дольше 30 секунд за последние 7 дней». Именно этот переход делает систему качественно другой.
Аналитика
До этого момента видеонаблюдение было ограничено человеческим вниманием: смотреть запись физически сложно, операторов мало, паттерны не видны без усилий. AI-слой убирает это ограничение. Система перестаёт быть реактивной («что произошло после инцидента») и становится проактивной («кто вёл себя нетипично за последний месяц»). Это фундаментальный сдвиг в природе наблюдения.
Предупреждение Human Rights Watch указывает на конкретную проблему: поведенческая аномалия — понятие, которое власть определяет сама. Алгоритм обнаруживает то, на что его настроили. В руках авторитарного режима это инструмент не безопасности, а контроля за инакомыслием, религиозными практиками, политической активностью. Прецеденты применения подобных систем против уйгурского населения в Синьцзяне уже задокументированы международными правозащитными организациями.
Для индустрии AI это демонстрирует, насколько быстро мультимодальные модели находят применение вне лабораторий. Встроенный LLM-интерфейс для видеоаналитики — паттерн, который пойдёт не только в государственный сектор. Корпоративная безопасность, ритейл, логистика — везде, где есть камеры и оператор с вопросом, появится этот же интерфейс. Вопрос регулирования остаётся открытым почти везде, включая ЕС и СНГ.
Кейсы применения в бизнесе
B2B-SaaS стартап в сфере безопасности. Если вы строите продукт для физической охраны объектов — текстовый интерфейс к видеоаналитике это уже ожидаемая функция, не дифференциатор. Интегрируйте open-source модели компьютерного зрения (YOLO-серия) с LLM-слоем через MCP или простой API-прокси. Продавайте не «умные камеры», а «оператора, который никогда не устаёт». Потенциальный клиент — управляющие компании, ТРЦ, склады.
Корпорация с legacy-инфраструктурой. Если у компании уже стоят сотни камер — не нужно менять железо. Достаточно поднять видеоаналитический pipeline поверх существующих потоков: RTSP → frame extraction → vision model → векторная база → LLM-запросы. Пилот на одном объекте за 2-4 недели покажет реальную ROI: сколько часов ручного просмотра заменяется.
SMB и локальный бизнес в КР/СНГ. Для небольшого склада или магазина уже доступны облачные решения с AI-аналитикой — Milestone, Genetec, а также менее известные азиатские вендоры. Сценарий: автоматическое уведомление при появлении в нерабочее время, подсчёт посетителей, анализ очередей у кассы. Это не тысячи долларов — пилот можно запустить за несколько сотен долларов в месяц.
Кейсы в личной жизни
Разработчик. Попробуйте локально: Ollama + vision-модель (например, LLaVA или аналог) + простой скрипт захвата кадров с веб-камеры. Задача — написать систему, которая на текстовый запрос отвечает по содержимому кадра. Это хороший учебный проект, который даёт понимание всего стека от capture до inference.
Контент-мейкер или исследователь. Тема государственного AI-наблюдения сейчас активно освещается в международной прессе и академических работах. Если вы делаете контент про AI-этику или технополитику — это один из самых живых сюжетов 2025-2026 годов. Используйте arXiv и доклады Human Rights Watch как первичные источники — там конкретные кейсы и технические детали.
Студент или аналитик. Изучайте регуляторный ландшафт: ЕС AI Act, предложения ООН, позицию ОБСЕ по biometric surveillance. Умение ориентироваться в пересечении AI-технологий и права — редкий навык, который уже сейчас востребован в NGO, юридических фирмах и государственных структурах.
Как применить сегодня
- Если у вас есть камеры — проверьте, поддерживает ли ваш NVR/VMS экспорт потока по RTSP. Это первый шаг к любой AI-аналитике поверх существующего железа.
- Попробуйте open-source стек: YOLO для детекции объектов + Ollama с vision-моделью для описания сцены. Запустить базовый пайплайн можно за один вечер.
- Изучите позицию Human Rights Watch по AI surveillance — документ «Eyes Everywhere» даёт структурированный взгляд на риски и кейсы злоупотреблений.
- Если вы в B2B и думаете о продукте в этой нише — заранее проработайте privacy policy и соответствие локальному законодательству о персональных данных (в КР — Закон №178).
- Следите за движением против экспорта surveillance tech: законодательные инициативы в ЕС и США уже влияют на то, какое оборудование можно покупать и перепродавать.