工地视觉 AI 这几年最赚钱的部分常常不是模型,是摄像头。自带太阳能板、自带 4G、自带支架的一体机卖出去,软件跟在硬件后面进场;也有公司让人戴着 360 相机走一圈,把现场拍下来再算。Ailytics 走的是第三条路:不卖设备,接客户已有的 CCTV。它的联合创始人在发布稿里说得很直白——已经证明高级计算机视觉能跑在十年前的老摄像头上。这句话是技术说明,也是一句定位:把别人的资本开支,当成自己的装机量。
一、摄像头早就装好了,只是没人看
工地上的摄像头几乎都不是为了 AI 装的。它们是为防盗、门禁和事后调录像装的,采购理由、画质标准和位置都由安保部门定。结果是:塔吊下、材料堆场、出入口、临时用电箱旁边一定有摄像头,而临边、洞口、脚手架转角这些真正容易出人命的位置,往往只有斜对着的一路画面。
这些画面过去只有一种用途——事后。国际劳工组织的口径是,全球每年约 300 万工人死于工伤与职业病;其中建筑、制造、航运这类重型行业占了致命职业伤害的 63%。新加坡 2025 年的工伤死亡报告里,建筑、制造、运输三个行业合计超过一半。这类场景的共同点很明显:空间大、人员流动、机械多、摄像头密度不低,但没有任何一路画面在实时判断「这个人是不是走进了吊装半径」。
Ailytics 的起点就在这里。它 2019 年是新加坡国立大学与建屋发展局(HDB)的一个联合研究项目,2021 年由 Lenard Tan 与 Prateek Manocha 成立公司,最早在组屋项目上跑,客户包括 Woh Hup、Obayashi、Soilbuild 这些承包商。
二、这一轮的钱,和公司自己给的数字
10 月 26 日公布的 A 轮是 740 万美元,公司称超额认购。领投方 Tin Men Capital 也是 2024 年 4 月那笔 270 万美元 pre-A 的领投方。跟投名单里有两个值得注意的:一个是新加坡的 SEEDS,属于 SG Growth Capital,是经济发展局与企发局的投资平台;另一个是日本的 Safie,日本最大的云摄像机公司,而且它是日本 30 家最大建筑公司中 29 家的供应商。此外还有一家未点名的日本大型承包商、若干家族办公室与老股东。估值未披露。
客户自报的效果是:总可记录事故率(TRIR)下降 73%,安全不合规项减少 84%。这两条是客户报给厂商、厂商再对外发布的数据,链条比读起来要长——发布稿没有说统计周期、样本客户数,也没有给基线。真正可核的是部署清单:樟宜机场 T5 项目接了 1000 多路摄像头;NatSteel 钢厂、印尼 PaxOcean 船厂、DHL、罗马菲乌米奇诺机场都在名单上;建筑侧是 HDB 项目加前面那几家承包商。投资方给的另一个数字是客户流失率低于 1%,以及多数站点两周内上线。
| 时间 | 事件 | 关键数字 |
|---|---|---|
| 2019 | NUS 与 HDB 联合研究项目起步 | — |
| 2024-04 | pre-A 轮,Tin Men 领投 | 270 万美元 |
| 2026-04 | 与 Safie 签合作备忘录(企发局与东京都政府见证) | Safie 供货日本 30 大承包商中的 29 家 |
| 2026-06 | 上线上下文推理引擎 AilyssaX | 验证多步作业程序,而非单帧识别 |
| 2026-10-26 | A 轮公布,Tin Men 再次领投 | 740 万美元,超额认购,估值未披露 |
三、真问题在那些旧摄像头上
这条路的技术难度比自选机位高一个量级。摄像头是 2017 年装的,位置由安保决定,分辨率不高,逆光、雨雾、遮挡、夜间照明不足都是常态。用一台自己选的 4K 相机、架在自己选的位置上做检测,和用别人十年前装的 720p 画面做同一件事,是两个问题。
公司的技术说法是两层。底层是 Ailyssa,从单路二维画面推三维空间理解——距离、区域归属、临边关系,这样「人离吊装半径还有多远」才可能算得出来,而不只是「画面里有没有人」。上层是 6 月上线、这个月正式对外讲的 AilyssaX,做上下文推理,能验证多步作业程序,比如某道工序的前置条件是否完成。按公司的说法,五年的现场部署让模型学会了在雨、尘、弱光、遮挡和几十年前的老摄像头上工作——这类环境正是实验室模型容易翻车的地方。
这段话里的关键假设是「大多数工地已经有可用的 CCTV」。这个假设没有被公开测量过,本站也没找到能验证它的数据。新加坡的组屋项目和樟宜 T5 是专业选型、专人维护的摄像头资产,美国中型工业客户的现场完全是另一群摄像头,能不能泛化过去,就是这轮钱要买答案的地方。
四、两条路线:卖硬件,还是用别人的硬件
把这件事放进市场里看,工地视觉 AI 现在至少有三种装法,Ailytics 只是其中一种,而且是最不显眼的那种。
| 维度 | 自带硬件派 | 复用既有 CCTV 派 |
|---|---|---|
| 收入结构 | 硬件加软件,硬件有毛利 | 纯软件订阅,无硬件毛利 |
| 采购路径 | 资本开支,走设备采购与进场计划 | 运营开支,走软件预算,周期短 |
| 部署速度 | 要立杆、布线、通电、联网 | 接现有 NVR 或视频流,公司称多数两周内 |
| 画质与机位 | 自己可控,可按检测需求布点 | 由客户的历史安保决策决定 |
| 锁定效应 | 强,换供应商等于换硬件 | 弱,客户随时可换软件 |
| 代表 | Samsara 11 月 12 日发布的单机 360 度 AI 相机(两个鱼眼镜头、零下 40 到 75 度、识别打手机与安全带、已用于阿拉斯加航空地面设备);各类太阳能一体机 | Ailytics;以及主打既有摄像头接入的若干家视频分析厂商 |
两条路都会活,但客户群不一样。大型项目、机场、船厂这类资产方愿意为可控的机位和画质付硬件钱;中型承包商与工厂的问题是另一个——现场有摄像头,但没有预算再买一套,也没人盯画面。Ailytics 明确说了这轮钱要去抢美国「被在位厂商定价挤出」的中型工业客户,这句话本身就是对市场分层的判断。
五、这门生意的毛利,写在 GPU 时间里
用款说明里有一条不太起眼但很实在:保持推理成本低。一家靠对别人摄像头资产做持续推理的公司,毛利率写在 GPU 时间上。5 亿平方米的在监面积,如果是 7×24 小时跑,成本曲线决定了薄利多销这条路走不走得通。反过来,无硬件锁定的另一面就是没有硬件毛利托底——软件价格一旦被压,就没有第二层缓冲。
这也是为什么 Safie 那笔投资比金额更重要。Safie 既是摄像机供应商,也是日本市场的渠道,还投了钱,等于把「硬件—渠道—资本」三层叠在一个伙伴身上。发布稿没有把这层关系讲明,但未点名的日本大型承包商同时出现在股东名单里,更像一条日本市场通路而非纯财务投资。
六、对 BIM 与安全管理岗的具体建议
要接这类「用既有摄像头」的安全 AI,现场和模型侧各要做三件事
- 把安全分区做成可导出的数据。临边、洞口、禁入区、吊装半径、临时通道,在模型里各一套图层加统一编号。平台侧是按区域配规则的,区域只存在于交底 PPT 里,AI 就没有参照。
- 现场电子围栏与模型对得上。画面上那圈虚拟边界,锚点是现场实测的,模型改了要同步改。分区与现场错位,是这类系统误报的第一来源。
- 误报率与响应流程一起定。谁看告警、多久到现场、误报怎么登记。一个每周报两百条、没人跟进的系统,三个月后就会被班组静音。
- 摄像头布点图当交付物。竣工时把机位、朝向、覆盖范围画进平面图,和竣工模型一起交。下一任运维要加检测项时,这份图就是起点。
- 别把视觉 AI 当拦截层。它是发现层:看见有人进了禁区,不等于机器会停。物理隔离、急停、区域联锁这些是另一套东西,预算要分开列。
- 采购时问三个数。在我这套摄像头上,白天和夜间的漏检与误报各是多少;支持哪些既有协议与分辨率下限;模型是在多少路真实工地的画面上训的。
再往远看一层。本站上周写过另一条路线:LightYX 把扫描搭在本来就架在房间里的放样机上,扫描的边际人工接近零。Ailytics 是同一个思路的另一半——把感知搭在本来就装在杆上的摄像头上,装机量的边际成本也接近零。两者都绕开了「再买一套设备」这道门槛,也都把难题留在了同一个地方:别人装的设备,位置和画质不由你决定,而你要在那上面把判断做准。
这篇里需要打折扣的部分
- 所有效果数字(TRIR 降 73%、不合规减 84%、570 万次隐患、5 亿平方米、流失率低于 1%)都是公司或投资方口径,无基线、无统计周期、无第三方核验。
- 「多数工地已有可用 CCTV」是这门生意的承重假设,公开数据里没有对工地摄像头普及率与画质的测量,本站也未找到。
- 本轮估值、各投资方出资额均未披露;累计融资总额各家追踪机构口径不一致,本文不引用。
- 公告日期是 2026 年 10 月 26 日,行业媒体的集中报道在 11 月中旬,本文按公告口径写时间。
- AilyssaX 的能力描述来自发布稿,本站未测试;美国中型市场的适配性尚未验证。
来源:Ailytics 2026-10-26 发布稿《Ailytics raises US$7.4M in an oversubscribed Series A led by Tin Men Capital》(含 Safie 合作备忘录、AilyssaX 上线时间、客户清单与全部效果数字);Ailytics 官网产品页;Construction Industry AI 对该轮融资的整理(2026-11);Samsara 2026-11-12 发布的 360 度设备相机,据 Highways Today 报道;国际劳工组织与新加坡 2025 年工伤死亡报告口径,转引自 Ailytics 发布稿。首图为行业媒体公开配图,第二张取自 Ailytics 公开产品页样例画面。