- Lumana spune că platforma sa analizează peste un miliard de imagini pe zi, provenite de la peste 50.000 de camere.
- Modelul VIA-1 încearcă să învețe ce este normal pentru fiecare cameră, astfel încât să semnaleze abaterile relevante, nu fiecare mișcare.
- Aproximativ 562 de milioane de camere de supraveghere erau estimate să fie instalate în lume, în afara Chinei, până la finalul lui 2025.
- O mare parte din procesarea video Lumana se face local, pentru ca fluxurile video obișnuite să nu fie trimise inutil în cloud.
- Miza depășește securitatea: camerele existente pot deveni „ochii” unor sisteme de physical AI, dar ridică simultan probleme serioase de confidențialitate și control.
Imaginează-ți o cameră montată deasupra unui depozit. Timp de 12 ore vede camioane, paleți, angajați, uși care se deschid și sute de cutii care intră și ies. În mod normal, aproape nimeni nu se uită la acele imagini.
Asta până când dispare un colet, apare un accident sau cineva trebuie să afle ce s-a întâmplat la ora 03:17.
Aici încearcă să schimbe regulile inteligența artificială aplicată video. În loc ca o cameră să fie doar un martor care păstrează imaginile pentru mai târziu, software-ul AI încearcă să transforme fluxul video într-o sursă de informații în timp real: ce se întâmplă, ce pare neobișnuit și unde ar trebui să se uite un om.
Un material publicat pe 3 septembrie 2026 de The Next Web descrie această tranziție prin exemplul Lumana, startup american fondat de foști lideri ai diviziilor de computer vision de la Intel. CEO-ul Sagi Ben Moshe a condus anterior businessul Intel RealSense, iar CTO-ul Ofir Mulla a lucrat la arhitectura camerelor 3D și LiDAR ale companiei.
Lumana spune că sistemele sale procesează în prezent peste un miliard de imagini în fiecare zi, provenite de la mai mult de 50.000 de camere. Pragul de 50.000 de camere fusese anunțat oficial de companie încă din decembrie 2025. Lumana – anunțul privind depășirea pragului de 50.000 de camere
Cifra capătă sens atunci când este pusă lângă dimensiunea infrastructurii deja existente. Potrivit raportului Axis Perspectives 2026, bazat pe date Novaira Insights, aproximativ 562 de milioane de camere erau estimate să fie instalate la nivel mondial în afara Chinei până la finalul lui 2025. Numărul ar putea ajunge la 736 de milioane până în 2029.
Mai important, camerele devin ele însele mai inteligente. Datele Axis arată că aproape 80% dintre camerele livrate în 2024 aveau deja funcții de analiză, iar 67% includeau capabilități bazate pe deep learning.
Asta explică de ce video poate deveni una dintre primele mari piețe pentru physical AI. Industria nu trebuie să aștepte instalarea a milioane de roboți. „Ochii” sunt deja pe pereți, în depozite, magazine, fabrici, universități și orașe.
Aceeași direcție se vede deja și în România. ZF scria în martie 2026 despre folosirea AI peste fluxurile camerelor existente într-o rețea de peste 450 de magazine, unde sistemul poate urmări lungimea cozilor și disponibilitatea casierilor și poate trimite alerte în timp real.
VIA-1 nu caută doar mișcare: încearcă să învețe ce este normal pentru fiecare loc
Camerele de supraveghere au știut de mult să detecteze mișcare. Problema este că lumea reală se mișcă aproape tot timpul.
O frunză, o umbră, un angajat care trece prin cadru sau un camion care intră într-o curte pot declanșa alerte într-un sistem prost configurat. Rezultatul este familiar operatorilor de securitate: atât de multe notificări încât cele importante riscă să se piardă printre cele banale.
Lumana încearcă o abordare diferită cu modelul VIA-1. Sistemul este proiectat să învețe contextul fiecărei camere și să distingă activitatea obișnuită de situațiile care merită atenție.
Un om lângă ușa unui depozit la ora 14:00 poate fi perfect normal. Același om, în același loc, la 02:00 dimineața poate deveni relevant. Un camion care stă 20 de minute la rampă poate face o livrare. Dacă rămâne acolo trei ore, contextul s-a schimbat.
Această diferență este importantă deoarece AI-ul video nu trebuie doar să recunoască obiecte. Trebuie să înțeleagă relația dintre obiecte, timp, loc și comportamentul obișnuit al acelui spațiu.
Iar „normalul” se schimbă.
Un depozit poate fi reorganizat într-un weekend. O fabrică poate introduce un schimb de noapte. Un magazin care primește 100 de clienți într-o după-amiază obișnuită poate primi de cinci ori mai mulți înainte de Crăciun.
CTO-ul Lumana, Ofir Mulla, spune că VIA-1 își poate adapta comportamentul la astfel de modificări, iar operatorii pot oferi feedback atunci când mediul se schimbă semnificativ. Compania nu oferă însă un timp universal de recalibrare: durata depinde de tipul și amploarea schimbării.
Lumana susține că, în cele mai bune cazuri observate, tehnologia sa a redus cu până la 90% alertele false față de sistemele clasice bazate pe detectarea mișcării și reguli fixe. Procentul trebuie privit însă cu precauție: Mulla precizează că este limita superioară observată de companie, nu o performanță garantată în orice instalație.
Ideea de a face camerele existente „mai deștepte” nu este nici pe departe exclusiv americană. ZF a prezentat în iunie 2026 un startup care transformă camere video obișnuite în detectoare de drone, folosind inteligență artificială în locul unei infrastructuri complet noi.
Iar Aleph Tech a relatat despre camerele folosite de cercetători pentru monitorizarea automată a faunei din Alpi, unde AI-ul identifică specii și analizează comportamentul animalelor. Logica este aceeași: camera furnizează ochii, iar modelul AI încearcă să transforme imaginile în informație utilă.
Operatorul nu dispare, dar poate scăpa de meseria imposibilă de a privi 50 de ecrane
Imaginea clasică a unui centru de securitate arată aproape ca într-un film: un perete cu zeci de monitoare și câțiva oameni care trebuie să observe momentul exact în care ceva nu este în regulă.
Problema este că oamenii nu sunt construiți pentru monitorizarea perfectă a zeci de fluxuri video simultan, ore întregi.
Lumana încearcă să mute operatorul din postura celui care trebuie să vadă tot în cea a celui care verifică ceea ce AI-ul consideră relevant.
„În loc să petreacă timpul urmărind pereți video pasivi și încercând să observe ceva neobișnuit, operatorii își pot concentra atenția asupra evenimentelor care necesită investigații”, a declarat Mulla pentru The Next Web.
Asta nu înseamnă că omul este scos din ecuație.
Mulla spune că prima perioadă după instalarea sistemului este deseori ocupată de probleme surprinzător de banale: descoperirea camerelor care nu funcționează, identificarea zonelor prost acoperite și stabilirea persoanelor care trebuie să primească fiecare categorie de alertă.
Cu alte cuvinte, înainte ca AI-ul să devină detectiv, cineva trebuie să se asigure că toate camerele sunt pornite.
Ce se schimbă este raportul dintre om și sistem. Operatorul nu mai trebuie să urmărească permanent imaginile, ci poate primi un set de evenimente prioritizate și decide ce necesită investigație sau intervenție.
În România există deja exemple ale acestei logici. ZF a relatat despre un proiect implementat într-un liceu din București, unde camerele și senzorii sunt folosiți pentru identificarea unor posibile situații de agresiune. În acel caz, dezvoltatorii afirmă că sistemul nu utilizează recunoaștere facială, iar fețele elevilor sunt blurate.
Asemenea aplicații arată simultan potențialul și sensibilitatea tehnologiei: aceeași infrastructură care poate detecta un incident mai repede poate deveni și un sistem de supraveghere mult mai puternic decât camerele pentru care au fost proiectate inițial regulile de protecție a datelor.
„Filtrează înainte să cheltuiești”: miliardele de cadre fac cloud-ul prea scump
Dacă fiecare cameră ar trimite fiecare cadru către un centru de date pentru analiză AI complexă, factura ar crește foarte repede.
Video înseamnă volume enorme de date, iar camerele moderne au rezoluții tot mai mari. A trimite permanent imaginile în cloud presupune costuri de rețea, stocare și calcul.
De aceea, Lumana folosește o arhitectură în care dispozitivele Core amplasate la sediul clientului fac o mare parte din procesare local. Doar informațiile pentru care este nevoie de analiză suplimentară ajung să consume resurse mai scumpe.
Mulla rezumă filosofia companiei printr-o formulă simplă: „filter before you spend” — filtrează înainte să cheltuiești.
Principiul este important pentru întreaga industrie edge AI, nu doar pentru supraveghere. Dacă fabricile, mașinile, magazinele, laboratoarele și orașele vor produce permanent fluxuri de date prin camere și senzori, nu fiecare secundă de informație poate fi tratată cu același nivel de putere de calcul.
AI-ul trebuie să decidă ce poate ignora și unde trebuie să „se gândească” mai mult.
Acest model începe să apară și în alte domenii de physical AI. Aleph Tech a analizat în 2026 dezvoltarea laboratoarelor autonome, unde camerele, senzorii, modelele AI și roboții sunt combinați pentru a observa experimente, a identifica anomalii și, în cele din urmă, a lua decizii în lumea fizică.
Video poate fi, astfel, doar primul capitol. Dacă un model poate înțelege suficient de bine ceea ce vede, imaginea poate deveni semnal pentru următorul sistem: trimite o alertă, oprește o linie, deschide un ticket, anunță un responsabil sau declanșează automat o altă acțiune.
Lumana vorbește deja despre astfel de agenți AI pentru lumea fizică, iar platforma permite notificări, webhook-uri și integrarea cu alte sisteme atunci când sunt detectate anumite evenimente.
Camerele devin mai utile, dar și mai intruzive: aici începe adevărata dezbatere
Există însă o diferență fundamentală între o cameră care păstrează imagini și o cameră al cărei software poate interpreta în timp real ce fac oamenii din cadru.
Odată ce imaginile devin căutabile și analizabile automat, apar întrebări despre viața privată, durata de stocare a datelor, cine poate face căutări, ce caracteristici poate identifica sistemul și ce decizii pot fi luate pe baza rezultatelor.
Lumana oferă clienților posibilitatea de a stabili politici de retenție și acces și de a controla anumite funcții, însă responsabilitatea privind modul concret în care tehnologia este folosită nu dispare doar pentru că procesarea are loc local.
Problema este cu atât mai importantă în Uniunea Europeană, unde utilizarea AI pentru biometrie este supusă unor restricții stricte. AI Act, Regulamentul european privind inteligența artificială limitează puternic utilizarea sistemelor de identificare biometrică la distanță în timp real, în spații accesibile publicului, de către autorități pentru aplicarea legii. Sunt prevăzute doar excepții delimitate, alături de condiții privind necesitatea, proporționalitatea și autorizarea.
Asta nu înseamnă că orice analiză video cu AI este interzisă. Înseamnă că diferența dintre „camera observă că un camion a rămas trei ore într-un loc” și „camera identifică automat persoana aflată lângă camion” devine juridic și etic esențială.
Lumana are și suficient capital pentru a încerca să transforme această idee într-o afacere globală. Pe 29 iulie 2025, compania a anunțat o rundă Series A de 40 de milioane de dolari, condusă de Wing Venture Capital, cu participarea Norwest și S Capital. Investiția a ridicat finanțarea totală atrasă la 64 de milioane de dolari. Anunțul oficial Lumana privind finanțarea
Pariul din spatele acestor bani este mai mare decât piața tradițională a camerelor de securitate.
Timp de ani, progresul AI s-a văzut în special pe ecrane: chatboți, generatoare de imagini, motoare de căutare și aplicații software. Physical AI mută însă modelele spre spațiul în care se întâmplă efectiv lucrurile.
Iar video are un avantaj imposibil de ignorat: infrastructura este deja acolo.
Sute de milioane de camere au fost instalate pentru a răspunde la întrebarea „ce s-a întâmplat?”. Dacă sistemele precum VIA-1 își vor demonstra fiabilitatea, aceeași rețea ar putea începe să răspundă la întrebarea mult mai valoroasă: ce se întâmplă acum și merită să facem ceva?
Acesta este motivul pentru care video ar putea fi prima frontieră serioasă a AI-ului în lumea fizică. Nu pentru că algoritmii au primit brusc ochi, ci pentru că ochii erau deja instalați.