Solink融资9800万后憋了个大招：把3小时监控压缩成3分钟

全球安防中心每年处理的虚假警报超过85%——这个数字来自Gartner 2024年的行业报告。Solink今天拿出的VerifEye升级版，直接冲着这个痛点去了。

这家公司不是做摄像头的。它做的是"视频智能"，把散落各处的监控画面、交易数据、门禁记录串成一条能讲故事的线索。新版VerifEye的核心变化：用视觉语言模型（Vision Language Model，一种能同时理解图像和文字的人工智能）当过滤器，让AI先筛一遍，真人只处理真正需要判断的事。

从"看不过来"到"只看该看的"

Solink联合创始人兼CEO Mike Matta的吐槽很直接：「目前全球依赖人工监控一切的安防中心，已经坏了。」

这不是夸张。传统模式下，一个操作员要面对几十块屏幕，每秒产生的新画面比人眼能处理的多出几个数量级。结果就是警报疲劳——真假警报混在一起，人的注意力被稀释到近乎无效。

VerifEye的新逻辑是分层处理：摄像头、收银系统、门禁设备的数据先汇总，AI根据上下文判断"这事有没有风险"，再把过滤后的结果推给操作员。Solink给出的数据是：人工监控几小时的工作量，现在压缩到几分钟；配合视频验证，事件响应时间最短能到3分钟。

这里有个关键设计：人在回路（Human-in-the-Loop）。AI负责初筛和排序，最终决策权还在操作员手里。既想降本增效，又不想背"AI误判"的锅——这个平衡很多安防厂商都在找，Solink的方案是明确分工。

安防之外，它想接管更多"指挥中心"

Solink的野心不止于抓小偷。新版VerifEye被重新定位为"运营指挥中心"，覆盖场景包括：

• 监控门禁系统异常
• 识别可疑交易模式（比如同一POS机短时间内多次大额退款）
• 发现运营中断——服务延迟、客流异常波动等

操作员的每一步动作都会被记录，形成审计追踪。这对合规和保险理赔是刚需，尤其是零售、物流、金融这些监管敏感的领域。

这个扩展路径有迹可循。Solink成立于2012年，总部在加拿大渥太华，累计融资9820万美元，最近一笔是2023年7月的6000万美元C轮。投资方名单里有高盛资管、加拿大养老金OMERS Ventures——钱到位了，产品边界自然要往外扩。

视觉语言模型进场，意味着什么

这次升级的技术关键词是"视觉语言模型"。简单说，这种AI能同时看懂画面里的内容和文字描述，把"视频里发生了什么"和"业务系统记录了什么"对上号。

举个例子：收银台摄像头拍到有人反复扫码又取消，同时POS系统显示同一操作员短时间内多次手动折扣——单独看画面或数据都可能漏掉，但合在一起，系统能标记出"潜在的内部欺诈或操作失误"。

这比传统视频分析进了一步。以前的AI能识别"有人闯禁区"，现在能结合业务上下文判断"这个人在禁区里做了什么、和系统记录是否吻合"。

但技术乐观需要克制。视觉语言模型的准确率依赖训练数据的质量，而安防场景的长尾问题（罕见但高风险的异常事件）永远是难题。Solink强调"人在回路"，某种程度上也是给技术边界留退路。

行业背景：安防中心的成本焦虑

推动这类产品升级的，不只是技术进步，更是成本压力。

全球安防服务市场规模超过3000亿美元，但人力成本占运营支出的60%以上。企业面临两难：减人意味着风险敞口，加人意味着利润侵蚀。AI过滤器的价值 proposition 很直白——用机器换时间，用时间换反应速度。

Solink的客户名单没有公开，但从产品功能倒推，零售连锁、仓储物流、金融机构是核心场景。这些行业的共同特点：网点分散、数据孤岛严重、合规要求高——正好对应VerifEye"集中数据、分层处理、留痕审计"的设计。

Matta在发布会上还提到一个细节：「当真实事件发生时，团队需要保持新鲜、专注、随时准备响应。」这话背后是另一个隐性成本——操作员因疲劳导致的误判或延迟，可能比漏报本身更昂贵。

Solink不是这条赛道上唯一的玩家。美国的Eagle Eye Networks、英国的Verkada都在推类似的"云原生+AI"安防方案。区别在于，Solink更强调多源数据融合（不只是视频），以及明确的"人机协作"定位——不承诺完全自动化，而是压缩人工处理的"噪音比"。

9820万美元融资能烧多久？按2023年那轮6000万的节奏，Solink的估值和收入规模应该已经迈过独角兽门槛的下半区。但安防B2B的变现周期长，客户决策链条复杂，这笔钱大概率要撑到产品从"安防"彻底转型为"运营智能"之后。

VerifEye的审计追踪功能，会让多少企业重新评估自己的保险条款？