Coram AI 完成 3500 万美元 B 轮融资:用自动驾驶技术把安防摄像头变成 侦探

全球已部署超过 10 亿台安防摄像头，但其中超过 95% 的录像从未被人查看。这个价值数百亿美元的行业，长期以来陷入一个荒诞的悖论——企业花重金安装监控系统，却让海量视频数据在硬盘中沉睡。Coram AI 的两位创始人从 Lyft 自动驾驶部门走出，带着一个野心勃勃的想法：让每一台现有摄像头都变成一个能”看懂世界”的 AI 智能体。

融资概要

十亿台摄像头的沉默：物理安防行业的结构性困局

全球 AI 视频监控市场在 2025 年已达约 65 亿美元，预计以 15%-22% 的年复合增长率在 2030 年前持续扩张。但这个数字背后隐藏着一个残酷现实：绝大多数安防基础设施仍处于”被动记录”模式。

传统安防系统的痛点是显而易见的。一位安保人员需要同时监控数十个画面，靠肉眼识别异常行为——这在神经科学层面就是不可能完成的任务。当事故发生后，调查人员需要手动回放数百小时的录像，跨摄像头拼接证据，整个过程可能持续数天甚至数周。更棘手的是，全球安保行业长期面临人力短缺，美国安保人员年流失率高达 100%-300%。

市场的结构性矛盾在于：企业在硬件（摄像头、门禁系统）上已投入数千亿美元，但软件层面的智能化严重滞后。大多数组织并不需要更好的摄像头，而是需要让现有摄像头变得更”聪明”。

从自动驾驶到自动安防：Coram 的技术迁移逻辑

Coram AI 的核心叙事，是一个优雅的技术迁移故事。CEO Ashesh Jain 曾领导 Lyft 自动驾驶部门和 Zoox 的自主系统研发，CTO Peter Ondruska 则在 Lyft 和丰田 Woven 部门主导 AI 研究。两人将自动驾驶领域最前沿的视觉感知和场景理解技术，”降维打击”到了物理安防赛道。

公司的旗舰产品 Deep Investigation 本质上是一个安防领域的 AI Agent。用户可以用自然语言向系统提问——比如”过去 48 小时内，穿红色衬衫的人在 B 栋出现过几次？”——系统会自主分析跨摄像头视频、门禁记录和访客日志，在几分钟内生成带有证据链的调查报告。

几个关键差异化能力值得关注：

• 零硬件替换
  ：基于 ONVIF 标准兼容现有 IP 摄像头，客户无需”推倒重来”
• 边缘优先的隐私架构
  ：AI 模型运行在本地 NVIDIA 边缘设备上，敏感视频数据无需上云
• 多模态安防融合
  ：将视频监控、门禁控制、访客管理和应急响应统一到一个平台
• 主动式智能检测
  ：实时武器检测、人脸识别、车牌识别、尾随检测、滑倒报警

商业模式上，Coram 走的是典型的 SaaS + 边缘计算路径：软件订阅收入为核心，边缘设备硬件为辅助。这种模式的优势在于，客户的硬件沉没成本反而成了 Coram 的销售助力——”你已经花了大钱买摄像头，现在只需要一个软件升级就能让它们真正工作起来。”

竞争格局：巨头环伺中的差异化生存

AI 安防赛道已成兵家必争之地。Coram 需要在传统巨头和新兴玩家的夹缝中找到自己的定位。

Coram 的差异化壁垒在于”全栈式 AI 智能体”的定位——不只是做简单的视频分析，而是打造一个能自主调查、跨数据源推理、用自然语言交互的安防”副驾驶”。这比单一的视频 AI 分析层或硬件一体化方案，在技术深度上要求更高。

投资者在押注什么？

Series A 到 Series B 的 18 个月间，Coram 实现了 收入 4 倍增长和客户数 3 倍增长——这组数据是投资者加注的核心理由。

Battery Ventures 的投资逻辑围绕”硬件赋能的垂直软件”展开：在 AI 基础设施层的投资机会逐渐被大厂垄断之后，VC 们开始转向寻找能将 AI 嵌入特定行业物理基础设施的公司。Coram 恰好卡在了这个位置——用自动驾驶级别的视觉 AI，激活存量的数十亿美元安防硬件资产。

Ansa Capital 的加入则反映了另一个投资主题：传统行业的数字化改造。物理安防是一个 IT 化程度极低的行业——许多企业至今还在用 NVR（网络录像机）+ 人工巡检的原始方式运营。当 AI 的能力已经强大到可以”自动破案”时，这个行业的改造窗口正在快速打开。

核心风险与挑战

1. 隐私合规的地雷区
   ：人脸识别和行为追踪在欧美面临日益严格的监管。伊利诺伊州的 BIPA 法案已让多家 AI 安防公司陷入诉讼，Coram 需要在功能强大与合规边界之间谨慎起舞。
2. 巨头的降维竞争
   ：Google、Amazon（Ring/AWS）和 Microsoft 都在安防 AI 领域布局。当云计算巨头决定认真做这件事时，Coram 的技术护城河是否足够深？
3. 边缘计算的规模化难题
   ：本地部署 NVIDIA 边缘设备的策略虽然解决了隐私问题，但也意味着更高的部署复杂度和更重的现场服务负担。当客户规模从 1500 个站点增长到 15000 个时，运维模型能否跟上？
4. 市场教育成本
   ：传统安保行业的决策者往往不是技术出身，说服他们为”AI 侦探”付费需要大量的概念验证和 ROI 证明。
5. 地缘政治变量
   ：随着中国安防巨头在北美市场受到更多限制，Coram 可能迎来替代机会，但也可能卷入更复杂的供应链和政策博弈。

**编者按**：Coram AI 的故事是”AI 技术溢出效应”的典型案例——当自动驾驶行业烧掉数千亿美元之后，那些被训练出来的视觉理解能力正在寻找更实际、更快变现的应用场景。物理安防恰好是一个规模足够大、痛点足够深、且数字化程度足够低的市场。但 Coram 面临的真正考验在未来 12-18 个月：能否在 Verkada 式的硬件一体化打法和 Ambient.ai 式的纯软件 AI 层之间，走出”全栈 AI 智能体”的第三条路？如果 Deep Investigation 真能将安防调查时间从数天缩短到数分钟，且在隐私合规上站稳脚跟，那么 6600 万美元的累计融资看起来还只是序章。