小米摄像头开始看懂一天

小米智能摄像机 4 Max AI 变焦版于 8 月 7 日正式开售，核心变化不是把画面拍得更清楚，而是让摄像机开始分析儿童、老人和宠物一整天的活动。新品标价 799 元，京东券后价格为 739 元，大模型会员年费 349 元起；硬件采用 1200 万像素长焦与 800 万像素广角双摄，支持 4K 画质、3 倍无损变焦和 12 倍混合变焦。

这款产品早在今年 4 月已经上架并开启众筹，现在进入正式零售阶段。相比又一台强调像素、夜视和云台覆盖的家庭摄像机，小米这次真正值得关注的是：家用摄像头正在从“记录设备”变成“视频理解设备”，商业模式也从一次性购买硬件，进一步转向硬件加 AI 会员。

AI 看护大模型，不只是多识别几个动作

AI 看护大模型是面向家庭监控视频设计的视频理解系统，它会结合人物身份、动作、时间顺序和场景信息，对一段持续发生的家庭活动作出归纳。 小米将首款 AI 看护大模型放进智能摄像机 4 Max AI 变焦版，重点覆盖儿童、老人和宠物三类对象，并提供每日看护报告与历史视频文字检索。

传统家用摄像头的 AI 能力大多停留在“检测”。画面里出现人，就推送有人移动；宠物经过，就生成一段事件录像；检测到哭声或异常响动，再触发提醒。这种算法更像一个不知疲倦的门卫，能发现变化，却很难解释变化意味着什么。

小米的新方案试图把离散事件串成一条时间线。孩子几点出现在书桌前、持续多久、中途离开几次；老人今天是否正常在客厅和厨房活动、长时间没有移动是否值得关注；宠物何时进食、休息或频繁走动——这些问题需要的不只是目标检测，而是身份识别、动作理解、跨片段关联和自然语言总结共同参与。

“开始理解长视频”并不等于摄像机本地运行了一个可以逐帧阅读数小时 4K 视频的通用多模态大模型。更合理的产品架构，是由端侧芯片先完成人物、宠物、移动和声音等事件检测，再对关键片段及结构化信息进行进一步分析，最后生成摘要和可检索标签；小米目前没有公开模型参数规模、上下文长度、视频采样策略以及云端推理占比，因此不能把它等同于完整的端侧长视频大模型。

这一区别直接关系到用户体验和隐私边界。若系统主要处理事件片段，成本、延迟和误报更容易控制；若需要上传更长的视频到云端做语义分析，报告会更完整，但网络依赖、会员费用以及敏感家庭影像的治理压力也会同步上升。

每日报告是最实用的功能

每日看护报告是系统按对象汇总一天内关键活动、异常事件和时间分布的自动摘要。 对家庭摄像头而言，这项功能比“又快了多少毫秒”更有价值，因为用户真正缺少的不是录像，而是查看录像的时间。

普通摄像机已经能保存数天甚至数周影像，但绝大部分内容从未被打开。用户通常只会在东西找不到、宠物出现异常或家人需要照看时，拖动时间轴逐段回放。四小时视频即便开四倍速也要看一小时，数据被记录下来，却没有转化为信息。

自动报告改变的是人与录像的交互顺序。用户先阅读一份摘要，再决定是否查看对应时间点的原始片段，而不是先翻完整录像，再自己整理结论。它更接近智能汽车的行程报告或健康手环的睡眠摘要：传感器持续工作，用户只处理被压缩后的结果。

多个看护对象分别生成报告，也比整屋只有一份流水账更合理。一个家庭中可能同时有孩子、老人和两只宠物，如果系统只能输出“今日检测到 37 次活动”，几乎没有意义；只有把事件归属到具体对象，并维持跨角度、跨时段身份一致性，报告才具备可读性。

不过，“学习情况”和“居家状态”都属于容易被过度解读的概念。摄像头可以观察孩子是否长时间坐在书桌前，却不能可靠判断他是在写作业、看漫画还是发呆；它可以记录老人今天活动较少，却不能仅凭视频作出健康诊断。产品更适合提供可核验的行为线索，而不是替家长、照护者或医生下结论。

文字搜录像，比时间轴更像 AI 产品

视频文字检索是用户用自然语言描述人物、动作或时间条件，由系统返回相关历史片段的检索方式。 小米智能摄像机 4 Max AI 变焦版支持通过输入文字查找历史视频，这意味着用户不必记住事件发生的准确日期和时间。

文字检索解决的是一个长期存在却没有被重视的问题：家庭录像的索引方式过于原始。传统摄像头通常只提供日期、时间和“有人移动”等少量标签，用户可以问自己的记忆，却不能问摄像头。

在实际场景中，用户可能搜索“孩子昨天晚上几点回房间”“猫最近一次跳上餐桌是什么时候”“老人上午有没有去厨房”。只要系统能把自然语言查询映射到人物身份、动作类别、空间区域和时间范围，这种搜索就会比拖动时间轴快得多。

文字检索的上限取决于系统是否真正理解语义，而不只是匹配预先定义的标签。如果只能搜索“有人”“宠物”“移动”，它只是给旧事件列表套了一层对话框；如果能组合人物、动作、地点和时间，并返回对应证据片段，它才算进入视频数据库的语义检索阶段。

检索结果也必须保留原始视频作为依据。家庭看护属于高敏感场景，模型摘要可能遗漏细节，也可能把相似动作混淆；一个可靠的产品不应只给出文字结论，而应让用户一键跳转到时间戳，核对模型为什么得出这一结果。

3T 算力负责“先看一遍”

端侧 AI 算力是摄像机在本地执行目标检测、身份识别和事件筛选时可用的计算能力。 新品内置 3T 算力四核芯片，小米宣称其算力较 C700 提升 300%，主要作用是支撑更丰富、更及时的本地检测，而不是证明整套看护大模型完全在设备上运行。

3T 通常可理解为每秒数万亿次特定精度运算的量级，但不同芯片的精度、模型结构和算子利用率不同，单独比较 TOPS 数字并不能直接推导真实速度。对摄像头更重要的指标，是双路 4K 视频同时处理时能否保持稳定、人物追踪是否容易丢失、夜间识别是否明显退化，以及事件提醒延迟到底是多少。

人物身份识别 Pro 是这颗芯片上更容易被用户感知的升级。小米称其不只依赖正脸，还能结合侧脸、背影及其他体貌外形特征识别人，准确率提升 20%。这对家庭环境很关键，因为孩子低头写字、老人背对镜头走动，往往才是最常见的画面。

“准确率提升 20%”仍缺少完整基线。小米没有公开测试集规模、光照条件、参与人数，以及这里指相对提升还是提升 20 个百分点；在官方给出更完整评测前，这个数字更适合视为代际升级指标，而不是不同家庭环境下都能复现的承诺。

双摄与变焦，是 AI 看得清的前提

双摄变焦系统是通过广角镜头负责全局覆盖、长焦镜头负责局部细节的家庭影像方案。 小米智能摄像机 4 Max AI 变焦版配备 1200 万像素长焦和 800 万像素广角，两颗镜头均采用 f/1.6 光圈与 6P 镜片，最高支持 4K 看护画质。

广角与长焦的分工比单纯提高像素更有用。广角镜头负责判断“谁进入了客厅”，长焦镜头则更适合观察“桌面上发生了什么”；在儿童学习、老人用药或宠物进食等场景里，后者能补足单摄数字放大后细节不足的问题。

3 倍无损变焦和 12 倍混合变焦提供了更灵活的取景范围，但 12 倍不应被理解为 12 倍光学变焦。混合变焦会结合镜头切换、裁切和算法处理，远距离画面的实际清晰度仍受光线、运动速度与传感器尺寸限制。

云台支持水平 360 度和垂直 180 度旋转，电机转速相较 C700 提升 30%。这种覆盖能力适合放在客厅等开放空间，也能降低宠物或儿童移动过快导致的跟踪丢失，但机械云台依然存在转动时间和视野盲区，不能把一台设备当成多房间看护方案。

夜间能力由 10 颗红外补光灯、红外夜视和超微光全彩夜视共同承担。对于 AI 而言，夜视不是附加功能，而是身份识别和动作判断的输入质量基础；如果夜间画面只剩轮廓，再强的模型也很难稳定区分家庭成员。

价格不贵，持续使用并不便宜

新品 799 元的硬件售价在高规格家用摄像机中不算离谱，券后 739 元甚至有一定吸引力。真正需要计算的是 AI 看护功能的长期成本：大模型会员年费 349 元起，意味着首年之后，用户每年需要再支付约硬件券后价格的 47.2%。

| 项目 | 小米智能摄像机 4 Max AI 变焦版 | 传统事件检测摄像机 | |---|---:|---| | 硬件价格 | 799 元，券后 739 元 | 因产品而异 | | AI 服务费用 | 大模型会员 349 元/年起 | 常见基础检测可本地使用，云存储通常另付费 | | 视频输入 | 1200 万像素长焦 + 800 万像素广角 | 多为单摄，也有双摄产品 | | 画质与变焦 | 4K、3 倍无损、12 倍混合变焦 | 视具体型号而定 | | AI 能力 | 身份识别、行为分析、每日报告、文字检索 | 人形、移动、宠物等事件检测为主 | | 看护对象 | 儿童、老人、宠物，可区分多个对象 | 通常按事件类型分类 | | 本地算力 | 3T 四核芯片 | 视具体型号而定 | | 存储方式 | microSD 卡、云端、NAS | 常见为存储卡与云端，部分支持 NAS |

会员制并非没有道理。长视频分析涉及持续计算、存储和模型迭代，成本显然高于单次人形检测；但消费者也应该明确知道，349 元购买的具体边界是什么，包括报告次数、历史视频可分析范围、云端保留时长、文字检索额度，以及会员到期后哪些基础能力仍可使用。

首次绑定设备可获得 1 个月免费体验，这足以验证报告和检索是否适合自己的家庭。更理性的购买方式不是被“大模型”三个字说服，而是在试用期内观察三件事：是否能稳定区分家人、报告是否减少了看录像的时间、误报是否低到不会让人关闭通知。

隐私能力比模型参数更重要

家庭摄像头的隐私风险高于普通 AI 应用，因为它持续记录未成年人、老人、访客和住宅内部空间。产品支持镜头物理遮蔽、云端数据传输加密，并内置通过国家 EAL5+ 认证的米家安全芯片，这些配置至少提供了从硬件身份认证到传输过程的基础防护。

物理遮蔽的价值在于用户能够直接确认镜头是否被挡住，而不只是相信软件界面显示“已关闭”。不过，用户仍需要知道大模型分析在哪一侧完成、哪些片段会上传、数据保存多久、是否用于模型训练，以及删除账户后派生出的文字摘要和向量索引是否一并删除。

小米目前公开的产品信息没有完整解释 AI 看护的数据生命周期。对于一款主打儿童、老人和宠物长期分析的设备，这部分透明度不应该低于摄像头像素和变焦参数；未来如果要把大模型看护推广到更多家庭，清晰的权限开关与数据说明会比增加新的行为标签更重要。

米家生态让它不只负责“看”

小米澎湃智联是小米设备之间进行发现、控制和场景联动的连接体系。 新品可以与其他米家产品联动，也支持在小米汽车车机、电视和小爱音箱等终端上查看或控制摄像机。

生态联动会放大视频理解的价值。系统识别到老人夜间起身，可以联动走廊灯；识别到孩子进入书桌区域，可以切换照明场景；宠物长时间靠近饮水机，也可以提醒检查余水。单独一台摄像机只能推送信息，接入家庭设备后才可能执行动作。

自动化场景仍应避免直接依赖一次模型判断。更稳妥的方式是把视频识别与时间、门窗传感器、人体传感器等条件组合，例如“凌晨两点检测到老人起身且走廊人体传感器触发”之后再开灯，从而降低误识别带来的打扰。

三种存储方式保留了选择权

NAS 是部署在家庭或办公网络中的网络附加存储设备，可由多台终端通过局域网访问。 小米智能摄像机 4 Max AI 变焦版支持 microSD 卡、云端和 NAS 三种存储方式，用户可以在成本、便利性和数据控制权之间取舍。

microSD 卡部署最简单，但卡片损坏或设备被取走后可能丢失录像；云端便于异地查看和保留告警片段，但通常伴随持续费用；NAS 更适合已有家庭存储系统的用户，可以保留较大容量录像，同时减少对单张存储卡的依赖。

存储方式与 AI 功能是否解耦仍然值得确认。理想状态是用户把原始录像留在本地，也能选择只上传必要事件片段用于模型分析；如果完整 AI 能力强绑定云端存储或特定会员档位，三种存储选项看似丰富，实际自由度会打折扣。

小米迈出了正确一步，但还没有交出标准答案

小米智能摄像机 4 Max AI 变焦版最重要的产品判断，是家庭用户需要的不是更多录像，而是录像的结构化解释。每日看护报告、多个对象识别和自然语言检索都指向同一个方向：摄像机要替用户完成第一遍观看，再把值得注意的内容交出来。

这条路线比继续卷像素更有增长空间。4K、双摄、夜视和云台已经接近成熟硬件能力，而视频语义理解能够持续更新，也能形成付费服务；从厂商角度看，它提高了客单价和持续收入，从用户角度看，它有机会把“买来偶尔看”的摄像机变成每天提供信息的家庭终端。

这款产品目前最大的未知数不是 3T 算力够不够，而是模型在真实家庭里的稳定性。儿童被桌椅遮挡、老人换衣服、宠物体型相似、夜间光线不足和多人同时出现，都会让身份关联与行为判断变得困难；如果报告需要用户每天纠错，它就只是制造了另一份待办事项。

截至 2026 年 8 月 7 日，小米尚未披露 AI 看护大模型的参数规模、公开评测集、端云推理比例和细分场景准确率。因而更准确的结论是：小米已经把长视频理解做成了一项可购买、可试用的消费级功能，但它是否真正可靠，还要等待用户在连续数周看护中的反馈，而不是只看发布页上的演示片段。

对已经需要照看儿童、独居老人或宠物的米家用户，这是一款值得试用一个月再决定是否续费的产品。对只想远程看家、接收移动提醒的用户，739 元硬件加每年 349 元起的 AI 服务并非刚需，普通摄像机依然更划算。

参考来源

• IT之家：小米智能摄像机 4 Max AI 变焦版正式开售——整理了 2026 年 8 月 7 日售价、双摄规格、AI 看护大模型、人物识别与存储方式等产品信息。