最新消息

規劃監控系統時，「攝影機有幾路」通常是最先確認的規格，但路數並不是選擇 VMS 主機的唯一條件。

同樣是 32 路攝影機，1080p 一般錄影與 4K 高解析度影像、多項 AI 即時分析，所需要的硬體效能、儲存容量與網路頻寬可能完全不同。

規格不足，容易造成影像延遲、錄影調閱卡頓、儲存空間不足或 AI 效能下降；規格過高，則會增加不必要的設備與維運成本。因此，選型時應綜合評估攝影機路數、影像規格、錄影保存、AI 算力、系統備援與未來擴充。

AI VMS Mini 與 AI VMS Server 都是搭載 Argo AI VMS 的影像管理與 AI 運算主機，可用於攝影機管理、即時監看、錄影保存與 AI 分析。兩者的主要差異，在於可承載的影像規模、儲存容量、AI 算力與硬體擴充能力。

---

選擇 AI 運算主機前，先確認五件事

進行選型前，建議先確認：

1. 現在及未來需要管理多少支攝影機？
2. 攝影機的解析度與影像資料量多大？
3. 錄影需要保存多少天？
4. 有多少路影像需要同時執行 AI 分析？
5. 是否需要系統備援及多據點集中管理？

小型單點場域、攝影機數量較少且 AI 情境單純，可優先評估 AI VMS Mini；中大型或跨站點場域，涉及大量錄影、AI 運算與系統備援，則適合 AI VMS Server 或分散式架構。

---

16～32 路監控：AI VMS Mini ，適合哪些場域？

AI VMS Mini 適合攝影機數量較少、設備相對集中，或需要快速部署的獨立場域：

• 連鎖門市
• 建案工地
• 中小企業辦公室
• 診所及小型醫療空間
• 社區大樓
• 倉庫與物流站點
• 停車場或出入口
• 多據點企業的分支機構

AI VMS Mini 體積小、功耗低，可整合即時監看、地端錄影與 AI 事件分析，也能作為多據點架構中的站點主機。

對連鎖門市或企業分公司而言，可在各據點部署 Mini，由地端完成錄影與 AI 分析，總部只需集中查看站點狀態、重要事件與必要影像。即使外部網路暫時中斷，各據點仍能維持地端錄影與基本事件處理，實現「地端自主運作、中央統一管理」。

---

64～256 路監控：AI VMS Server 適合哪些場域？

AI VMS Server 是機架式 AI 影像管理伺服器，適合攝影機數量較多、錄影容量較大，或需要多路 AI 即時分析的中大型場域，例如：

• 工廠與大型倉儲
• 百貨商場
• 校園及醫院
• 企業園區與總部
• 交通樞紐
• 公共安全與關鍵基礎設施

AI VMS Server 可依專案需求配置 2U 或 3U 機型。

AI VMS Server 2U

適合一般中大型監控專案，在機房空間、影像處理、錄影儲存與 AI 分析之間取得平衡。

AI VMS Server 3U

適合 AI 運算量較高、錄影保存時間較長，或需要更多硬碟、GPU／NPU及硬體擴充空間的專案。

2U 與 3U 不能只依攝影機路數判斷。即使同樣管理 128 路攝影機，以一般錄影為主的專案可能適合 2U；若多數影像需要執行多項 AI 模型或長時間錄影，則可能更適合 3U Server。

當系統負載超過單一主機的合理範圍時，還可採用分散式架構，將管理、錄影、AI 運算、儲存與備援分配至不同節點，降低單點故障風險。

---

AI VMS Mini 與 Server 選型比較

評估項目	AI VMS Mini	AI VMS Server 2U	AI VMS Server 3U
建議規模	16～32 路	64～256 路	128~256+路
適用場域	門市、辦公室、工地、診所、社區	工廠、商場、校園、醫院、園區	交通、大型園區、關鍵基礎設施
部署方式	單點或多據點分散部署	中大型集中式或分散式架構	高負載或多節點架構
AI 負載	少量或特定情境分析	多路或多項 AI 分析	多模型、VLM及高負載分析
儲存配置	依內建或外接容量規劃	中大型 RAID 儲存	較大的儲存與擴充空間
核心優勢	小巧、低功耗、快速部署	效能、容量與空間平衡	AI 算力、儲存與擴充能力

以上路數為一般規劃區間，實際支援能力仍須依影像解析度、資料量、錄影方式、AI 模型及同時使用人數評估。

---

監控硬體選型必看的四大指標

1. 攝影機路數與影像規格

監控頻道路數是選型基礎，但還要進一步確認每一路影像的實際負載，包括：

• 解析度：1080p、5MP、4K或其他規格
• 幀率：每秒影像張數
• 編碼格式：H.264或H.265
• 平均與尖峰碼率
• 固定碼率或動態碼率
• 是否同時使用主碼流與子碼流
• 是否需要多畫面同步播放
• 是否需要多人同時遠端觀看
• 是否經常執行錄影回放與匯出

例如，32 路 4K 高碼率影像的整體負載，可能高於更多路的低碼率 1080p 影像。因此，不能只依「幾路監控」決定主機。

實務上，可利用子碼流進行多畫面預覽，再於單一畫面放大或錄影時使用主碼流，以降低客戶端播放與網路負載。

2. 錄影保存天數與儲存容量

錄影保存天數會直接影響硬碟容量與整體預算。保存時間越長、攝影機數量越多、影像解析度越高，所需要的儲存空間就越大。

評估儲存容量時，主要確認四項條件：

• 攝影機數量
• 影像解析度
• 每日錄影時間
• 錄影保存天數

例如，同樣是 32 路監控，保存 30 天與保存 90 天的儲存需求可能相差數倍；如果影像由 1080p 升級至 4K，所需容量也會明顯增加。

除了基本錄影容量，規劃時還應預留：

• AI 事件影像與縮圖
• 系統與資料庫空間
• RAID 資料保護所需容量
• 未來新增的攝影機
• 錄影碼率波動與安全空間

因此，不能只確認主機能接入多少支攝影機，也要確認硬碟容量是否足以達到預定的錄影保存天數。

Spark 可依攝影機數量、影像規格與保存政策協助估算適合的硬碟容量，避免儲存不足，或因配置過大而增加不必要的成本。

3. AI 分析種類與同時運算量

AI 選型最常見的錯誤，是只確認系統「支援哪些 AI 功能」，卻沒有確認實際能同時分析多少路影像。

AI 算力評估至少要確認：

• 有多少路影像同時進行分析
• GPU/NPU 影像硬體解壓上限（一次最多能解壓並處理幾路影像）
• 每一路需要多少分析 FPS
• 使用主碼流還是子碼流
• 是否需要辨識人臉、車牌或細部特徵
• 是否同一路影像執行多個模型
• 是否需要持續分析或事件觸發分析
• 是否需要跨鏡追蹤
• 是否需要 VLM 影像索引與語意搜尋
• AI 結果需要保存多久

不同 AI 模型所需算力並不相同。電子圍籬、人流計數、車牌辨識、人臉辨識與 VLM 搜尋，對影像品質及運算資源都有不同要求。

部分情境不一定需要每一路影像以最高幀率持續分析。可依事件重要性調整分析頻率，或採用事件觸發、分時處理與主／子碼流配置，在準確率、即時性與成本之間取得平衡。

4. 網路架構與部署架構

如果所有攝影機都位於同一個場域，應確認內部網路交換器、網路埠及主幹頻寬是否足以承載所有即時影像。

如果是多據點架構，還要評估：

• 各站點對外上傳頻寬
• 總部同時觀看的影像數量
• 是否需要跨站錄影備份
• 網路中斷時是否持續錄影
• 是否傳送完整影像或只傳送事件
• 是否需要 VPN 或其他安全連線
• 遠端使用者同時連線數量

集中式架構會將大量影像傳送至中央機房，便於集中管理，但對網路頻寬及中央設備效能要求較高。

分散式架構則由站點端完成錄影與 AI 分析，只將告警、縮圖、Metadata 與必要影像傳回中央，較適合連鎖門市、跨廠區或跨區域企業。

常見架構如下：

• 前端攝影機：提供即時影像
• AI VMS Mini／Edge Server：負責站點錄影與 AI 分析
• 中央 Argo AI VMS：負責跨站統一管理
• 智慧營運中心：負責事件研判、追蹤與決策

系統備援與未來擴充也要納入評估

工廠、醫院、交通或關鍵基礎設施不能只考慮系統是否能正常運作，還要評估設備故障時如何維持營運。

常見備援項目包括：

• RAID 錄影資料保護
• 主機備援與故障移轉
• 硬碟及設備健康監控
• UPS 不斷電系統
• 網路中斷時的地端錄影
• 系統操作稽核紀錄

此外，也應預估未來是否會增加攝影機、延長錄影天數、新增 AI 模型，或整合門禁、BA、POS、ERP與智慧營運中心。

---

常見的五個選型錯誤

• 只依攝影機路數選擇主機
• 忽略錄影保存所需容量
• 將「支援 AI」等同所有影像都能同時分析
• 系統上線時即達到滿載，未預留擴充空間
• 忽略設備故障、網路中斷及備援需求

---

Spark 如何提供彈性選型？

Spark 提供 AI VMS Mini、AI VMS Server 2U／3U，以及多站點中央管理架構，可依場域規模、AI 算力、錄影容量與備援需求彈性配置。

• AI VMS Mini：適合 16～32 路的小型或分散式場域。
• AI VMS Server 2U：適合一般中大型影像管理與 AI 分析。
• AI VMS Server 3U：適合高 AI 負載、大容量儲存及高擴充需求。
• Argo AI VMS：集中管理不同站點的影像、設備、權限與 AI 事件。

完整選型流程包括：

1. 盤點攝影機數量與影像規格。
2. 評估錄影保存容量。
3. 確認 AI 模型與同時分析路數。
4. 規劃網路及多據點架構。
5. 評估備援與未來擴充。
6. 使用實際影像進行 PoC 測試。

真正適合的監控主機，不是規格最高或支援路數最多的設備，而是在效能、可靠性、預算與未來擴充之間取得平衡。

---

FAQ｜AI VMS Mini 與 Server 常見問題

• 32 路監控一定適合 AI VMS Mini 嗎？

不一定。若 32 路皆為高解析度影像，且需要同時執行多項 AI 分析，仍可能需要 AI VMS Server。

• 2U 與 3U Server 如何選擇？

2U 適合一般中大型監控需求；3U 適合更高的 AI 運算、錄影儲存與硬體擴充需求。實際選型不能只看攝影機路數。

• 256 路可以只使用一台 Server 嗎？

應依錄影、AI、儲存及備援需求評估。大型專案通常適合採用分散式架構，降低效能瓶頸及單點故障風險。

• AI 分析一定要使用高解析度影像嗎？

不一定。電子圍籬或人流分析可能不需要最高解析度，但車牌、人臉及細部特徵辨識通常需要更高的有效像素與適合的拍攝條件。

多據點影像一定要全部傳回總部嗎？

不一定。各站點可在地端完成錄影與 AI 分析，再將事件及必要影像傳回總部，減少網路頻寬負擔。