2026年的公共安全治理，正在被一系列关口前移的实践重新定义。
在浙江余姚，系统对初期火情进行智能识别预警；在青岛，DeepLook智能体支撑工业安全感知；在长春，平台通过数据建模辅助矛盾纠纷提前介入、源头化解。
这些场景技术路径不同，但目标相近：让公共安全治理不止于“事后知道发生了什么”，而是更早识别风险、更及时采取行动。
这条线索背后，是持续深化的政策部署。2016年，相关重要指示提出“提高预测预警预防各类风险能力”；2025年印发的《国务院关于深入实施“人工智能（885728）+”行动的意见》，将人工智能（885728）在安全生产监管、防灾减灾救灾、公共安全预警和社会治安管理等方面的应用纳入部署。
方向清晰，但落地仍有现实门槛。向事前预防转型不只是部署一套人工智能（885728）系统，还涉及源头治理、责任体系、预案机制和工程能力建设。就技术支撑而言，需要回答的是：预警系统能否跟上场景变化，接入既有设施，进入日常处置流程，并以可承受的成本长期运行？
难的不只是“看见”，更是持续运行
随着大模型、视频分析和多模态感知技术不断发展，事前预警并不缺少技术供给。真正影响规模化落地的，是一组相互关联的工程化问题。
首先是算法响应与场景变化的矛盾。公共安全场景既有通用需求，也有大量非标需求：工矿车间关注防护装备缺失、违章操作和区域入侵，园区关注周界翻越、车辆违停和消防通道占用，电力场景还要识别设备异常。对需要重新训练或定制开发的识别需求，传统项目往往涉及数据标注、模型训练、部署调优等环节；需求一变，又可能进入新一轮开发。如果算法迭代长期依赖厂商排期，系统便容易“验收时能够演示，运行后难以持续适应”。
其次是智能化升级与既有资产利用的矛盾。部分方案为完成边缘侧推理，需要更换前端摄像机或增加边缘计算设备。对中小型企业、园区和校园而言，前端改造、算力部署、网络接入和后续运维共同构成升级成本。安全投入要重新算账：不仅看识别能力，还要看存量设备能否利用、总体拥有成本是否可承受。
更深的断点出现在告警之后。在部分系统中，告警仍停留在信息提示层面，没有与设备控制、工单流转、隐患整改和台账归档充分衔接。操作员面对大量孤立信息，既要判断告警是否有效，又要人工跟踪处置进度。误报和重复告警若得不到控制，还容易形成告警疲劳，削弱系统可信度。
因此，事前预警不能只看“是否更早发出提示”，还要看提示之后能否进入处置流程。识别只是起点，闭环才是治理价值实现的关键。
把“定义安全”的能力前移
针对这些问题，一条值得关注的工程化路径，是将安全意图转化为识别规则的能力，从开发侧更多前移到业务侧。
业务人员最了解生产流程和风险要求。与其每次通过需求文档等待定制开发，不如让其直接参与规则配置和迭代。例如，用自然语言描述“高危区域有人作业但未按规定佩戴防护装备”，或“特定时段车辆在禁停区域停留超过设定时长”，系统据此生成或配置多条件复合识别规则。
这里的“前移”，不是把安全责任交给算法，也不是取消专业审核，而是缩短业务意图与技术实现之间的距离。规则上线前仍需样本测试、阈值校准和权限审核，上线后也要持续评估误报、漏报。自然语言可以降低配置门槛，但不能替代效果验证。
硬件架构同样需要围绕既有资产重新设计。在满足视频协议、码流、清晰度、视角和光照等条件的前提下，集中式一体机可以统一调度算力、接入存量视频，减少前端更换和边缘设备堆叠。对预算敏感型客户而言，其意义不仅在于“少增加一些设备”，更在于把集中式与边缘式架构各有适用条件，具体选择仍需结合视频路数、网络带宽、时延、系统冗余和运维能力判断。
更关键的一步，是让告警进入处置链条。识别到风险后，系统可以按照经过审核的预案，联动可编程逻辑控制器（PLC）、声光告警装置或业务系统，自动生成工单、分派责任人，并将整改结果归入隐患台账。涉及生产设备控制的，还应保留人工复核、权限控制、安全联锁和审计机制。
当“发现—告警—处置—复核—归档”形成闭环，预警系统才不只是让人知道得更早，而是帮助组织更及时、更有序地行动。
落地样本的价值，在于接受具体检验
沿着这一思路，一些厂商开始尝试将上述能力封装为可交付的工程化底座，推出相关产品。东华软件（002065）的DeepLook是其中一例。
据东华软件（002065）官网及其2026年半年度报告介绍，DeepLook作为智能体，能够自主定义规则、自主组合算法、自主学习进化。具体而言，产品依托自研“云樽”多模态AI视觉大模型，支持业务人员通过自然语言配置多条件复合识别规则，采用集中式一体机架构接入存量视频，并集成样本标注、模型训练、实时推理和自动迭代等能力；在处置环节，还具备设备联动、工单派发和台账归档等功能。
2026年7月，东华软件（002065）中标“海尔集团AI智脑数智人采购项目”，为相关产品在制造业场景落地提供了商业落地案例。
同时也应看到，中标并不等于全部产品能力已经完成最终验证。自然语言配置在复杂工业环境中的实际效果、存量摄像头兼容范围、识别准确率和闭环运行情况，仍需结合部署、验收和持续运行数据观察。
对仍在观望的客户而言，更实际的判断标准是：现有视频能否接入，业务人员能否参与规则维护，误报漏报能否持续控制，告警能否嵌入处置流程，整体成本是否可承受。围绕这些维度，东华DeepLook已沉淀了相应的经验与能力；而标杆落地样本的意义，正是在真实业务场景中直观展现这套能力的实战成效，让上述问题得到实际检验，为客户选型提供可靠参考。
复用的应是工程底座，而不是照搬场景答案
从更长远看，这类产品的意义不局限于工业安全。在工业制造场景，相关平台可以辅助识别防护装备、违章操作、区域入侵和异物堆放等风险；在城市与公共场景，视频接入、规则配置和闭环处置等能力，也可为市容治理、周界防范和公共区域异常事件预警提供支撑。从公司披露的应用方向看，DeepLook还面向矿山、电力、智慧园区、平安校园和城市治理等场景拓展。
但不同领域的安全语义、数据条件、监管要求和处置流程差异明显。可以复用的是通用工程底座，而不是不加调整地复制同一个模型、同一套阈值或同一种处置预案。东华DeepLook的做法，是以通用底座为基础，面向具体场景定制调优，实际效果仍需逐场景验证。
“一个底座、按需生成”不等于“一个模型包打天下”，而是尽可能复用视频接入、规则配置、模型迭代和处置联动等通用能力，把必须定制的部分留在具体场景中完成。其价值在于减少重复开发，而不是宣称场景适配不再需要成本。
预测、预警、预防能力建设最终要落在每一间车间、每一段围墙和每一个需要被及时识别的风险点上。技术无法替代完整的安全管理体系，但可以成为风险治理更早、更快、更有序运行的支撑工具。
事前预警的“最后一公里”，不只是算法精度问题，更是规则响应、存量接入、处置闭环、成本约束和验证机制能否同时成立。当业务人员能够直接表达安全意图，当告警进入可追溯的处置流程，当智能化升级不再以大规模替换既有设施为前提，事前预防才更有可能从政策要求和技术愿景转化为日常运行能力。
最值得关注的改变，不是告警数量增加，而是风险从被识别走向被处置、被复核、被持续改进。安全管控的难点从来不是“能不能看见画面”，而是风险发现之后如何管起来，从“看见”到“看懂”。东华 DeepLook打破传统视频安防（885423）只做告警的局限，把AI视觉能力落地为可执行的安全管理手段，助力安全管控从事后追责，真正转向事前主动预警。
