机器学习

边缘计算机视觉 - AWS Panorama（已停止服务）与替代方案

AWS Panorama 已于 2026 年 5 月 31 日终止支持。介绍现有 IP 摄像头现场 AI 分析的替代方案（SageMaker + NVIDIA Jetson 设备 + IoT Greengrass）以及 Panorama 停用前的机制。

阅读约需 1 分钟

服务终止与迁移方案

AWS Panorama 已于 2026 年 5 月 31 日终止支持（End of Support），并已自 2025 年 5 月 20 日起停止接受新客户。由于 Panorama Appliance 依赖与云服务的连接，服务关闭后设备本身也无法继续工作。AWS 官方给出两种替代方案：采用 AWS 合作伙伴的现成解决方案；或使用 Amazon SageMaker（包括 SageMaker JumpStart 的计算机视觉算法）自行构建模型，在基于 NVIDIA Jetson 的市售设备或边缘服务器上运行，并通过 AWS IoT Greengrass 等管理边缘设备。本文作为历史参考资料与迁移指南予以保留。

边缘计算机视觉的必要性

将 IP 摄像头视频发送到云端进行 ML 分析的架构在带宽成本、延迟和隐私方面存在问题。每台 HD 摄像头需要 2-5 Mbps 带宽，多台摄像头视频发送到云端网络成本巨大。需要实时性的用例（安全监控、质量检测）无法容忍到云端的往返延迟。此外，视频数据包含个人隐私信息，发送到云端增加了数据泄露风险。

Panorama 设备与模型部署

Panorama Appliance 是搭载 NVIDIA GPU 的边缘设备，当时可同时分析最多 8 个 IP 摄像头流。它通过 RTSP 协议连接 IP 摄像头，获取视频帧并执行 ML 模型推理，可使用 SageMaker 构建的自定义模型或预训练模型（物体检测、人员检测等）。模型通过 OTA（Over-The-Air）更新部署到设备，无需现场操作。

用例与费用

Panorama 的主要用例包括制造线质量检测（当时可将 Lookout for Vision 模型部署到边缘实时检测外观缺陷，该服务也已于 2025 年 10 月停止）、零售店客流分析（入店人数统计、动线分析、货架库存检测）、建筑工地安全监控（安全帽/安全背心佩戴检查、禁区入侵检测）和停车场空位检测（从摄像头视频实时计算空位数）。

Panorama 费用与运维

随着服务停止，以下计费体系已不复存在（作为历史记录保留）。Panorama 设备以约 4,000 美元一次性购买。月费并非按设备计费，而是按设备上处理的活跃摄像头流计费，每路每月 8.33 美元；此外，部署到设备的应用资产（ML 模型与业务逻辑）的云端存储按每 GB 每月 0.10 美元收费。由于在边缘执行推理，无需向云端传输视频的带宽成本，对于需要实时性的用例，当时的总成本比云端推理更有优势。模型更新通过 OTA 远程执行，无需现场操作。

总结 - 迁移指南

AWS Panorama 曾是让现有 IP 摄像头以最小改动获得边缘 AI 分析能力的服务，但已于 2026 年 5 月 31 日终止支持，Appliance 也无法继续工作。如今若要构建同等配置，可将 SageMaker 构建的模型运行在 NVIDIA Jetson 设备或边缘服务器上，并通过 IoT Greengrass 进行分发和管理。「在边缘完成推理、视频不出现场」的设计在注重隐私与带宽的场景中依然适用。

相关服务

AWS Panorama 已停止【2026-05-31 已停止】曾为现有 IP 摄像头提供边缘视频分析的服务。设备已停止工作，AWS 官方建议改用 SageMaker + Jetson 设备 + Greengrass 的组合Amazon SageMaker 热门覆盖机器学习全生命周期的综合平台AWS IoT Greengrass 专业在边缘设备上运行本地计算、消息传递和 ML 推理的服务

相关文章

AWS Panorama 已停止服务 - 边缘计算机视觉迁移指南AWS Panorama 已于 2026 年 5 月 31 日终止支持，Appliance 也停止工作。本文介绍官方替代方案（SageMaker、NVIDIA Jetson 设备、IoT Greengrass）以及 Panorama 停用前的工作原理。AWS Clean Rooms ML 隐私保护型机器学习 - 无需共享数据即可构建模型详细介绍通过 Clean Rooms ML 构建相似人群模型、应用差分隐私以及在广告定向投放中的实际应用。通过 Amazon Forecast 实现需求预测 - 时间序列数据的导入与预测精度提升介绍通过 Forecast 构建时间序列预测模型、利用相关数据以及导出预测结果的方法。

本主题的更多内容

使用 AWS Batch 执行基于 GPU 的机器学习训练 - 高性价比的大规模训练方案利用现有 Docker 容器执行 GPU 训练，通过 Spot 实例与检查点机制将成本最高降低 90%。同时介绍与 SageMaker 的使用场景区分。在 Amazon Bedrock 中使用 Claude - 从模型选择到提示词设计与成本优化介绍 Amazon Bedrock 中可用的 Anthropic Claude 模型特性对比、按使用场景的模型选择指南、提示词设计最佳实践以及成本优化方法。使用 Amazon Bedrock Knowledge Bases 构建 RAG 应用 - 检索增强生成的实现自动索引 S3 上的文档，通过 RetrieveAndGenerate API 整合检索与生成。介绍分块策略的选择以及通过 Guardrails 确保安全性的方法。使用 Amazon Braket 入门量子计算 - 量子电路的设计与模拟在本地模拟器上免费进行原型开发，在 IonQ、Rigetti 的真实硬件上执行量子电路。介绍通过混合作业实现 VQE 和 QAOA 的方法。AWS Clean Rooms ML 隐私保护型机器学习 - 无需共享数据即可构建模型详细介绍通过 Clean Rooms ML 构建相似人群模型、应用差分隐私以及在广告定向投放中的实际应用。使用 Amazon Comprehend 实现自然语言处理 - 情感分析与实体提取的活用详解 Comprehend 的情感分析、实体提取以及自定义分类模型的构建。对话式机器人构建 - 使用 Amazon Lex 和 Polly 实现自然的会话界面详解使用 Amazon Lex 和 Amazon Polly 构建对话式机器人的方法。文档文本提取 - 通过 Amazon Textract 和 Comprehend 实现智能文档处理解说通过 Amazon Textract 从文档中自动提取文本、表格和表单数据，以及与 Comprehend 联动实现的自然语言处理集成。介绍从发票处理到合同分析的实践用例。

相似的文章与服务

AWS Panorama 已停止服务 - 边缘计算机视觉迁移指南AWS Panorama 已于 2026 年 5 月 31 日终止支持，Appliance 也停止工作。本文介绍官方替代方案（SageMaker、NVIDIA Jetson 设备、IoT Greengrass）以及 Panorama 停用前的工作原理。AWS Panorama【2026-05-31 已停止】曾通过专用设备在边缘分析现有 IP 摄像头视频的服务。设备已停止工作，AWS 官方建议改用 SageMaker + Jetson 设备 + GreengrassAWS IoT Greengrass在边缘设备上运行 Lambda 函数和 ML 推理，即使与云的连接间断也能继续本地处理的边缘计算运行时通过 AWS IoT Greengrass 构建边缘 IoT 应用程序 - 本地处理与云端协作在边缘设备上执行 Lambda 函数，即使在与云端间歇性连接的环境中也能继续本地处理。介绍 ML 推理的边缘执行和设备群管理。