边缘计算机视觉 - AWS Panorama（已终止提供）与现场 AI 分析的替代配置
AWS Panorama 已于 2026 年 5 月 31 日终止提供。解说在现场用 AI 分析现有 IP 摄像头的配置的替代方案（SageMaker + NVIDIA Jetson 系列设备 + IoT Greengrass），以及提供期间的机制。
终止提供与迁移去向
AWS Panorama 已于 2026 年 5 月 31 日终止提供（End of Support）。新用户的受理已于 2025 年 5 月 20 日结束。Panorama Appliance 依赖与云服务的连接，因此服务终止后设备本身也无法运行。AWS 官方的说明给出的替代方案之一是使用 AWS 合作伙伴的现成解决方案。另一种是用 Amazon SageMaker（包括 JumpStart 的计算机视觉算法）构建模型，并在基于 NVIDIA Jetson 的市售设备或边缘服务器上运行。后一种配置通过 AWS IoT Greengrass 等进行边缘管理。本文作为记录提供期间机制的历史资料 + 迁移指南保留。
边缘计算机视觉的必要性
将 IP 摄像头的视频发送到云端用 ML 分析的配置，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 到 5 Mbps 的带宽，将多台摄像头的视频发送到云端会使网络成本变得巨大。在要求实时性的用例（安全监控、质量检测）中，到云端的往返延迟是无法接受的。此外，视频数据中包含个人隐私信息，因此发送到云端本身有时就会成为风险。AWS Panorama 曾是将 ML 模型部署到边缘设备（Panorama Appliance），在本地实时分析 IP 摄像头视频的服务。其设计是视频数据在边缘处理，只有分析结果（元数据）被发送到云端。
Panorama Appliance 与模型部署
Panorama Appliance 是搭载 NVIDIA GPU 的边缘设备，曾能够同时分析最多 8 个 IP 摄像头流。它通过 RTSP 协议连接 IP 摄像头，获取视频帧并用 ML 模型执行推理。ML 模型可以使用在 SageMaker 中构建的自定义模型或预训练模型（物体检测、人物检测等）。模型被打包为 Docker 容器，从 Panorama 控制台部署到边缘设备。应用逻辑（Python）处理模型的推理结果，并根据条件执行操作（发送警报、记录指标）。模型的更新也可以从云端远程进行，因此不需要前往现场。
用例与费用
Panorama 的主要用例包括制造线的质量检测（提供期间将 Lookout for Vision 的模型部署到边缘，实时检测外观缺陷。该服务也已于 2025 年 10 月终止提供）和零售店的客流分析（统计入店人数、动线分析、检测货架的库存状况）。此外还包括建筑工地的安全监控（检查安全帽 / 安全背心的佩戴情况、检测闯入禁区的行为）和停车场的空位检测（根据摄像头视频实时计算空位数）。Panorama Appliance 的硬件价格为每台约 4,000 美元的一次性购买，每月的服务费用按处理的摄像头流计费（详见后文的费用一节）。向云端发送元数据所产生的通信成本极少，不产生视频数据的传输成本。作为 Panorama 兼容设备（Compatible device）获得官方认证的第三方硬件只有 Lenovo ThinkEdge SE70（搭载 NVIDIA Jetson Xavier NX）这 1 款。Panorama Appliance 以外的选择仅限于该机型。当时无法根据采购难易度和安装形态来选择机型，因此硬件供应商实际上被固定这一点，是导入时必须考虑的限制。
Panorama 的费用与运维
随着终止提供，以下计费体系现已不存在（提供期间的记录）。Panorama Appliance 是约 4,000 美元的一次性购买，月费不是按设备计费，而是按设备上处理的每路活跃摄像头流每月 8.33 美元计费的体系。此外，部署到设备的应用资产（ML 模型和业务逻辑）在云端的存储每 GB 每月收费 0.10 美元。由于在边缘执行推理，不需要向云端传输视频的成本（带宽），在要求实时性的用例中，与云端推理相比总成本更有利。模型的更新可以通过 OTA（Over-the-Air）分发，无需前往现场即可远程改进推理逻辑。设备的运行状况和推理性能的监控使用了 CloudWatch 指标。
模型开发与部署的工作流程
边缘的图像分析将云端的开发与现场的执行结合起来进行。首先，在拥有充足计算资源的云端训练 / 评估图像识别模型。流程是将完成的模型分发到设置在现场的设备上运行。一台设备可以同时处理多个摄像头的视频，因此可以一次性监控现场的多个地点。更新模型后，再次分发到现场的设备上使其生效。通过将云端开发的灵活性与现场执行的即时性相结合，可以兼顾开发的便利性与低延迟的分析。
隐私与现场处理的优点
在现场分析摄像头视频的一大优点是不必将视频本身发送到云端。视频中常常包含人物的面孔和可能识别个人的信息，将其发送到外部会产生隐私方面的担忧。如果采用在边缘处理、只将必要的分析结果发送到云端的配置，就可以将敏感的视频留在现场加以利用。同时，由于不发送大容量的视频数据，通信量和成本也能得到控制。能够兼顾隐私保护和带宽节约，是在边缘进行视频分析的本质价值。
总结 - 迁移的指南
AWS Panorama 曾是以最小配置实现现有 IP 摄像头边缘 AI 分析的服务，但已于 2026 年 5 月 31 日终止提供，Appliance 也已无法运行。如今要构建同等配置，就将在 SageMaker 中构建的模型运行在 NVIDIA Jetson 系列设备或边缘服务器上。分发 / 管理则通过 IoT Greengrass 等进行。在边缘推理、不让视频流出的设计，在有隐私和带宽要求的现场依然有效。
参考资料（AWS 官方）
本页的第一手信息来源是 AWS 官方网站及官方文档。最新的规格与价格请以下列官方页面为准。
如本页内容与官方文档不一致，请以官方文档为准。