DEPLOYMENT 01 · CASE STUDY · 已商业化
城市消防 AI 远程值守
政策要求重点消防单位 24 小时双人值守——单家每年人力成本约 40 万，还常年招不到带证的人。这个项目用「AI 自动检测 + 人工复核」把"盯屏"接过来、人只做关键确认，并做成可复制销售的 SaaS。我是产品负责人，从立项、选型到落地全流程主导，三方合资落地（市属国企 + 央企 + AI 技术方）。
16 家
首批接入政企客户
医院 / 机关 / 商综 / 酒店
01 / HOW IT RUNS
系统怎么运转
技术底座是云边协同：边缘端 YOLO V5 实时初筛、云端 V8 二次复核，覆盖火焰、烟雾、人员离岗、通道堵塞四类检测，DeepSeek R1 做值守辅助决策。但真正让它能商用的不是模型，是这个漏斗——AI 解决量，人工解决责：
全量画面
摄像头 7×24 拍摄 · AI 筛掉 90%+ 正常画面
告警
疑似事件 10 秒内推送值守中心
人工复核
坐席确认真伪 · 误报回流迭代
分级处置
常规 10 分钟闭环
结果：1 个坐席能盯几十家单位，传统模式 1 家就要 2 人倒班——这就是 40 万到 3 万的来源。
02 / PRODUCT JUDGMENT
四个关键的产品判断
01
检测按风险分级，不用一套参数套所有场景——阈值可配置，才是产品而不是算法交付
02
保留人工不是没做完的自动化，而是刻意设计的责任接口
03
这个场景刻意不用 Agent——先看容错边界，再定技术形态
04
验收权握在甲方手里——自建金标测试集，红线过线才上线
03 / RESPONSIBILITY
商业化的最后一关：AI 漏报了，谁负责？
不承诺 100% 检测——用三层防线兜底：
你的场景也是"AI 判错代价很高"？
漏斗设计 × 甲方验收 × 责任防线，这套方法可以迁移。