开发独家影像分析AI模型与行为识别AI的Asilla股份有限公司（总部：东京都千代田区，代表董事CEO：尾上刚，以下简称「Asilla」）宣布，利用其拥有的超过700万笔监视器影像数据，开发了专门用于检测监视器影像中异常行为的独家视觉语言模型（VLM）「AsillaVision-v1-4B」。 该模型在真实环境中（如设施内跌倒、打架、使用滑板等）的异常行为识别准确率达到89%，超越了Google Gemini 3.1 Pro（84%）、Alibaba Qwen3.5-9B（64%）、NVIDIA Nemotron Nano-12B-v2-VL（61%）等主流VLM的表现。※此比较基于公司内部的评估数据集。 ## 开发背景 近年来，随着VLM（视觉语言模型）技术的迅速发展，影像分析AI的升级正加速进行。然而，由Google、OpenAI、NVIDIA等大型科技公司开发的通用VLM，其基础学习数据来自互联网上的大规模数据，缺乏对监视器影像的专业领域知识。 监视器影像通常存在于各设施的封闭网络中，几乎不会公开在互联网上。这种「监视器数据之壁」成为了通用模型在结构上的局限。 Asilla通过在全国各地设施中导入的「AI Security asilla」，自2023年起持续累积监视器影像数据（CARD）。利用截至2026年2月累计超过700万笔的独家数据，Asilla成功开发出专注于监视器影像领域的VLM。此外，在收集与使用数据时，已获得导入设施的同意并进行了匿名化处理。 ## AsillaVision-v1 的特点 ### 1. 超越大型模型的领域特化性能 尽管这是一个仅有4B（40亿）参数的轻量级模型，但在监视器影像的异常行为检测方面，展现了超越主流通用模型的领域特化性能。在真实环境的异常行为识别（如设施内的跌倒、打架、使用滑板、电扶梯上的可疑行为等）中，实现了优于其他主要VLM的准确率。 ※比较基准为设施内跌倒、打架、使用滑板的识别性能。 ※作为比较对象的模型是从2026年2月时点已公开的代表性VLM中选出。 ### 2. 边缘计算...