在全球数以亿计的商业摄像机和数千万道门禁构成的物理安全网络中，该行业已经运转了近三十年。一个园区保安如果想查清“昨晚 11 点至凌晨 3 点有哪些人进入过地下装卸区”，他通常需要依次打开视频管理软件、门禁系统日志、访客登记表格——三个来自不同供应商的独立界面，各自拥有一套复杂的菜单和时间筛选逻辑。这还不算完：如果他想在确认可疑人员后关闭某扇门并通知相关人员，往往还要拿起对讲机或切换到另一套通信系统。软件本身没有变笨，但它一直指望着使用者变得更熟练。这种“添加功能就再添一个仪表盘”的逻辑，让物理安全领域积累了大量技术负债。

2026 年 7 月，一家名为 Alocity 的佛罗里达公司宣布完成 A 轮融资，试图用一种完全不同的交互范式打破这个僵局。它给出的解决方案不是另一个仪表盘，而是一个名为 Aimee 的 AI 操作员——用户只需要用自然语言描述意图，Aimee 就会在后台调用门禁、视频分析、访客管理和对讲通信等多个子系统，执行动作并留下完整的审计轨迹。这一思路与过去三十年的行业进化方向明显相逆，也因此让这笔由私人投资者集团和创始人本人出资的融资比其表面上看起来更值得审视。

公司 Alocity
轮次 A 轮
金额 未披露
投资方 私人投资者集团、创始人 Marco Quintero
总部 美国佛罗里达州彭布罗克派恩斯
创始人 Marco Quintero
官网 https://www.alocity.com/

三十年堆叠，物理安全软件迷失在仪表盘迷宫里

要理解 Alocity 为什么会用“操作员”而非“仪表盘”来定义自己的产品，需要先看清楚物理安全管理软件的演化路径。早在上世纪九十年代，行业先驱 Lenel 和 Software House 等公司就开始把门禁控制器和软件界面结合起来，让安保人员能够在一台 PC 上管理整栋大楼的出入权限。那是物理安全的第一次数字化浪潮，产品形态从钥匙和锁具变成了数据库和规则引擎。

随后二十年，视频监控从模拟走向数字化，出现了 Genetec、Milestone 等视频管理软件（VMS）厂商，它们把录像回放、智能搜索、报警联动等功能一层层叠加进自己的平台。与此同时，访客管理、对讲系统、火灾报警联动、车牌识别等新需求不断涌现，每一个新需求都催生了一个独立的软件模块，甚至催生了新的细分赛道公司。大型企业客户最终发现，自己的安全操控台上布满了十余个不同厂商的应用窗口。“物理安全花费数十年时间不断添加产品、功能和仪表盘，结果却是给集成商和他们的客户带来了更多复杂性”，Alocity 的首席营收官 DJ Atkins 在新闻稿中这样总结，这句话也构成了 Alocity 商业叙事的起点。

然而，行业的这种碎片化并非完全是惰性使然。物理安全系统的采购和部署通常由弱电集成商主导，他们在项目制生态中天然倾向于组合不同品牌的最佳单品，再通过定制开发把它们勉强拼接起来。一块梅瑞（Mercury）门禁主板配上某品牌的 VMS 软件，再加上另一家的访客终端，这种异构组合虽然给客户带来操作负担，却为集成商提供了利润空间和锁定效应。任何试图用统一平台取代这一切的公司，都必须先回答一个老问题：你是要颠覆现有设备投资，还是要在脆弱的拼接层之上再做一层更优雅的缝合？

Aimee 的定位：不卖仪表盘，卖一个能理解意图的 AI 操作员

Alocity 选择的是后一条路，但它把“缝合”的概念向上抽象了一级。公司描述的平台核心 Aimee，被直接称为“物理空间的 AI 操作员”。在新闻稿中，创始人兼 CEO Marco Quintero 这样解释它的运行逻辑：“我们相信未来不是另一个仪表盘，而是一个能够理解意图、跨系统推理并替你执行工作的智能操作员。”

从公司透露的信息来看，Aimee 试图完成的任务链条包含三个层次：理解用户以自然语言表达的操作意图；将意图分解为需要调用的子系统和具体动作；在权限范围内执行动作并生成可追溯的审计记录。例如，用户可以说“在今天下午两点前把 C 栋三楼的门禁模式切换为仅限已预约访客通行，然后把过去半小时内未授权闯入事件的所有关联视频片段发给我”。在传统模式下，这可能需要依次登录门禁管理平台、VMS 分析界面，并手动设定一系列联动规则。Aimee 的设计目标是把这一连串操作压缩成一个会话式交互。

这种思路并不是物理安全领域的孤立创新。即使在企业软件中，生成式 AI 和自然语言界面也已经开始改变人们与 ERP、CRM 的互动方式。但物理安全场景有其特殊约束：对实时性、确定性以及权限等级的容错空间极小。一次错误的下闸锁门指令或错误的视频检索，可能会直接造成安全事件，而非仅仅生成一张错误报表。因此，Aimee 的决策边界被明确限制在“组织预先授权”的范围之内，平台需要维护完整的审计轨迹，以证明每一个动作是谁、何时、基于什么系统推理做出的。

不过，新闻稿并未提供任何关于 Aimee 在复杂、嘈杂的真实安全指令中的准确率数据，也没有披露已部署客户的规模。这让我们无法判断这个“理解意图”的能力究竟达到了哪种成熟度——是仅能在演示环境下完美运行的对话助手，还是真的能在安保中心 24 小时轮转的多噪声环境中稳定工作。唯一可以确认的是，公司官方表示 Aimee 负责的是“跨系统的推理和执行”，这要求它对 Mercury Security 控制器的状态、视频分析元数据、访客数据库以及通信模块都有几乎实时的访问权，技术架构上对延迟和并发处理有着较高要求。

靠硬件生态站稳脚：深度绑定 Mercury Security 与 NVIDIA 的双向赌注

在物理安全圈内，Mercury Security 的地位有点像手机行业的高通——它本身不直接面向最终用户卖门禁系统，但它的控制板、读卡器接口和固件被 Honeywell、Lenel、Genetec 等数十家品牌大量使用。选择深度集成 Mercury 控制器，意味着 Alocity 不需要自己去说服客户替换已经埋在墙后和机柜里的门禁硬件。它把自己的平台定位成一种“智能覆盖层”：只要客户现有的门禁系统基于 Mercury 主板，Aimee 就可以通过软件方式接管访问控制和事件监视的逻辑，同时保留客户对原有硬件投资的所有权。

这种策略降低了 AI 采纳门槛，但也让 Alocity 在硬件控制层面失去了自由度。Aimee 能调用的门禁功能，最终受限于 Mercury 控制器的固件接口能力。如果某个企业客户使用的某款老旧 Mercury 主板不支持某种高级的读卡器自定义模式，Alocity 也无法越权实现该功能。更关键的是，一旦 Mercury 或者其母公司 HID Global 自己推出了类似的 AI 操作层，Alocity 当前建立在对方开放生态之上的优势可能会迅速收窄。

在视频端，Alocity 推出了一个名为 AiVR 的硬件设备，官方描述为“由 NVIDIA 驱动的 AI 嵌入式数字视频录像机”，可在现有摄像系统之上添加本地 AI 处理能力，视频分析在局域网内完成，无需将所有视频流传输至云端。这一做法同时回应了两个物理安全领域的敏感议题：延迟和数据主权。许多企业不希望高风险区域的高清视频流出自己的局域网，而本地 AI 推理能保证人脸检测、物体识别等功能。

但这里的竞争图景同样密集。Ambient.ai、Verkada 等公司早已将 AI 分析集成在云端 VMS 或一体机中，海康威视、大华等硬件厂商也在自有摄像机上预装深度学习算法。Alocity 的 AiVR 与它们的本质区别在于，前者是一个独立的、可与不同品牌摄像机组网的边缘 AI 盒子，而后者大多走“软硬件一体”的闭环路线。保持开放性可能会为 Alocity 争取到一批不愿被单一摄像机品牌绑定的集成商，但代价是 AiVR 对每一款摄像机的兼容性都需要经过验证和持续适配——ONVIF 等通用协议能解决基本视频流的接入问题，但高级智能元数据提取往往需要更深层的协议协商，而这些细节在已有材料中均未被提及。

资本结构暴露了什么：未公开的融资额与“创始人资金”的保守信号

在一个头部 AI 安全初创公司单轮融资动辄上亿美元的语境下，Alocity 本轮融资最突出的特征不是技术前瞻性，而是财务信息的高度不透明。公司官方披露的出资方为“一个私人投资者集团和创始人 Marco Quintero”，既未出现任何机构风投的名字，也未公布具体金额。在正常情况下，企业完成 A 轮融资后通常乐于宣传融资额作为市场声量的佐证，选择不披露至少传递出两个可能的信息：本轮融资规模相对有限，或者出资方有意回避公众和竞争对手的目光。

从融资结构来看，创始人自掏腰包参与自家公司的 A 轮，往往出现在两种情景中：一种是创始人希望通过自有资金加注表明信心，拉高其他私人投资者的参与意愿；另一种是公司尚未获得外部机构投资人的充分竞价，因此需要内部资金先行撬动。无论哪种情景，都意味着 Alocity 目前尚处于资本市场的早期验证阶段。一个由私人投资者集团主导的 A 轮，其投资逻辑更可能侧重于创始团队背景、技术壁垒的长期潜力，而非短期收入或市占率指标。

公司明确表示，融资将用于加速产品创新、扩大工程、销售和营销团队，并深化技术合作关系和扩展安全集成商网络。从资金用途来看，这是一份典型的“规模化前夜”清单：产品仍在快速迭代，销售和集成商网络尚处于构建期，工程团队规模需要提升以支撑定制化集成需求。但值得关注的是，资金用途中完全没有提及硬件囤货或 AiVR 设备的大规模生产准备，这可能反映出公司目前的硬件出货量还远未达到需要大额营运资金的阶段，或者 AiVR 的商业化节奏将维持“按订单配置”的小批量模式。

集成商渠道：旧秩序里的新朋友，还是新秩序里的旧敌人？

物理安全行业有一个不成文的法则：如果不能赢得集成商，再颠覆性的技术也无法触达最终客户。Alocity 本轮融资后的扩张重点之一，就是“扩大安全集成商网络”。首席营收官 DJ Atkins 将公司的愿景表述为“一个平台，每一个空间，一种智能体验，这是我们与合作伙伴共同构建的未来”，很明显地将集成商定位为关键合作伙伴。

但说服集成商接受一款 AI 操作员平台，远不是讲一个“自然语言替代仪表盘”的故事就能完成的。集成商的利润来源除了设备差价和安装费，还有相当一部分来自后续的服务合同和日常系统调试。如果一个 AI 操作员真的能让安保人员自主完成大量原来需要花几天配置的联动规则，集成商的一部分后台维护服务收入就会受到冲击。另一方面，如果 Aimee 在解释用户意图时出现错误，导致门禁误开或区域误锁，第一责任方很可能是集成商而非软件公司。这种责任边界的不确定性，会让许多以风险厌恶著称的大型集成商在推荐 Alocity 时采取极为审慎的观望态度。

Alocity 的应对策略是强调自己“设计用来扩展而非替换”现有基础设施，尤其是对 Mercury Security 控制器的兼容。这意味着集成商依旧可以继续销售自己熟悉的门禁硬件，而 Alocity 只作为软件体验层叠加其上。这种模式在理论上保护了集成商的既有利益，也降低了销售 Alocity 的学习成本。但是否足够说服集成商，还需要看 Alocity 能否在首批项目中证明其 AI 操作员的可靠性，以及能否为集成商留出合理的增值服务空间——例如高级场景编排、定制化意图训练等，这些尚未在公开材料中被具体说明。

谁已在牌桌上：Genetec、Verkada 与老牌巨头的 AI 不眠夜

Alocity 并非在一个空白市场中播种。物理安全软件市场的存量竞争早已白热化，传统巨头和新兴 AI 公司都在试图将自己的界面变成客户唯一的操作入口。加拿大的 Genetec 已经在其 Security Center 平台上集成了 AI 驱动的异常行为检测和跨系统联动规则引擎，并通过统一的操作界面将门禁、视频、车牌识别和自动追踪整合在同一个客户端中。虽然 Genetec 的交互形式仍然以图形化仪表盘为中心，而非纯粹的对话式操作员，但其规则引擎已经支持高度自动化的条件触发动作，与 Aimee 的意图驱动模式在功能末端存在不小的重叠区域。

另一家不可忽视的公司是 Verkada，它以混合云 + 硬件一体机的方式切入了视频安全和门禁市场，强调所有设备开箱即连、单一管理界面，已积累了超过两万家客户。Verkada 目前并没有推出类似 Aimee 的自然语言操作员，但其云端平台的数据整合能力和易用性已被许多企业 IT 部门认可。如果 Verkada 未来在其统一平台上增加一个 AI 对话层，其现成的客户基数将为它提供巨大的测试和迭代优势。

Honeywell、江森自控（Johnson Controls）等工业巨头也没有闲着。它们各自的楼宇管理平台已经开始吸收来自视频和门禁的数据，并尝试通过 AI 进行能耗调度、紧急事件疏散等跨系统操作。这些平台虽然仍然偏向“建筑物操作系统”而非“纯安全操作员”，但因其强大的品牌背书和已有的全球服务网络，对于大型跨国客户来说仍具极强吸引力。

在这一竞争格局下，Alocity 的核心差异点依然在于，它是当前极少数直接以“AI 操作员”来定义产品坐标的公司，而且明确将自己的技术栈建立在“兼容老基础设施”的开放策略上。这种与旧世界握手而非决裂的姿态，有可能让它在预算保守但又渴望 AI 能力的中型园区、医疗机构和教育组织中打开缺口。但与此同时，缺乏自身硬件、在 VMS 领域没有根深蒂固客户基础、以及尚未公开任何关键性能指标，这三项缺失会在竞标过程中被对手反复放大。

待验证的假设：自然语言能承担安全级指令的确定性吗？

在物理安全领域，错误的最小单位不是百分比，而是一次失误。如果 Aimee 因为对“封锁三层所有临街门”这句模糊指令的理解出错，只封锁了三层与街道相邻的半扇门而漏掉一扇防火门，那么一起本可避免的安全事件就可能发生。这正是 AI 操作员最容易受到质疑的地方：自然语言本质上允许歧义和模糊性，而物理安全操作对指令的确定性要求极高。

Alocity 官方表示 Aimee“理解意图”“推理并执行授权操作”，并留有完整审计轨迹。从这些表述中可以推断，Aimee 在架构上可能采用了多层意图分类加确定性动作列表的方式，将自然语言转化为系统可执行的确切 API 调用，而非让 AI 直接生成不可控的执行代码。然而，任何意图理解模型都存在置信度阈值，当模型对某个要求的置信度低于阈值时，系统需要进入“请求澄清”或“拒绝执行”模式。对于安全场景，这意味着在某些紧急情境下，Aimee 可能会因为需要澄清而延误响应，而传统仪表盘虽然复杂，但经过培训的操作员可以在第一时间强制下达命令。

另外，审计轨迹虽然能追溯每一次动作，但无法挽回已经发生的物理后果。Aimee 所面临的核心技术风险，不是它能不能理解简单指令，而是它能否在组织权限颗粒度极度复杂——例如某位安保组长只能关闭 A 区 1 号门但在非工作时间没有封锁 B 区特权——的前提下，快速、无歧异地做出正确判断，并且让终端用户对它的判断边界有清晰预期。在没有第三方白皮书或试点数据分析的情况下，这种能力只能被视为一个尚待大规模验证的关键假设。

从企业软件到物理空间，一场需要耐心的咬合战

Alocity 在新闻稿中所传递出的更大语境，是企业软件正在经历一场从“人适应软件”到“软件适应人”的交互范式转变。Marco Quintero 把他看到的转折点描述得极具张力：“过去一年标志着根本性转变，人工智能已经成为人们日常生活的一部分，这从根本上改变了用户对企业软件的期望。几十年来，人们必须理解软件如何工作；下一代软件将理解人们如何工作。”

这个叙事放在 CRM、营销自动化或人力管理软件上，已经有了大量实际落地场景。但在物理空间，软件操作的是门的锁芯、摄像机的云台、对讲机的扬声器，面对的是硬切的生命安全条例和财产保护要求。这种场景下的“软件理解人”，远比让 AI 帮人写一封邮件要沉重得多。因此，Alocity 能否把这种宏大叙事转换成一个个客户可以闭上眼睛信任的日常操作，不仅取决于它的模型精度，更取决于它对行业监管、责任保险、集成商培训和用户心智教育的深耕程度。

目前，Alocity 并未公布任何客户名单、留存率数据或部署体量，仅从融资新闻本身无法判定其在真实市场中的渗透深度。新获得的 A 轮资金将在一定程度上缓解产品研发和团队扩张的现金流压力，但要想在强手林立的物理安全市场中证明“AI 操作员”不是一段炫目的演示视频，而是一种可信赖的常态化操作方式，这家佛罗里达公司还需要拿出远比融资声明更扎实的实证。

RecodeX 极客视：Alocity 的融资故事把我们带到了物理安全行业一个长久以来的矛盾点——硬件已经足够可靠，但软件体验依旧停留在上世纪。用自然语言替代十多个垂直仪表盘，这个想法在概念上自洽，在工程上却充满惊险。Mercury Security 和 NVIDIA 为它提供了进入旧世界核心设施的通行证，但也把它锁在了别人的生态轨道上。没有披露融资金额和客户规模的 A 轮，注定会让人在期待其产品进展的同时，保持谨慎的距离。