都市AI映像監視のハードウェアアーキテクチャの中心は、AI推論をクラウドからエッジへ下ろし、「スマートなフロントエンド取得+エッジ推論ボックス+中央の訓練とスケジューリング」という3層構造を形づくることにあります。このアーキテクチャが運用できるかどうかを決めるのは、カメラの画素数ではなく、エッジ側にあるAIチップの推論演算、メモリ帯域、電力効率です。2024年から2025年にかけて、NVIDIA Blackwell Ultra(GB300)、AMD Instinct MI350シリーズ、Intel Gaudi 3が相次いで量産に入り、QualcommやMediaTekが高演算・低消費電力のSoCをエッジボックスに投入したことで、都市映像監視のハードウェア基盤は「はっきり見る」から「需要に応じて演算する」へ移りつつあります。
1. 都市AI映像監視のハードウェアアーキテクチャはどの層で構成されるか
分解すると3つの層があります。フロントエンドは軽量なNPUを搭載したスマートカメラで、物体検出やナンバープレート認識といった遅延に厳しいタスクを担い、通常はINT8量子化モデルを動かし、1チャネルあたりの消費電力を5W未満に抑えます。中間は交差点のキャビネットやコミュニティの機械室に配備されるエッジAI推論サーバまたは推論ボックスで、複数の映像ストリームの構造化解析を担い、映像を人・車・物の属性に分解してから上位へ送ります。センター側は訓練クラスタとスケジューリングプラットフォームで、モデルの反復、領域をまたぐ検索、長期のデータ保存を担います。
3つの層はどう接続されるのか。フロントエンドからエッジへは一般にRTSPまたはGB/T 28181のストリーミングを用い、エッジからセンターへはKafkaやMQTTで構造化結果を運び、生映像は必要に応じて返送します。アーキテクチャ設計で見落とされやすい点が1つあります。エッジノードのメモリ容量は、演算性能よりも早くボトルネックになることが多いということです。多チャネルの映像デコードと複数モデルの並列実行には大きなフレームバッファが必要になるためです。
2. 都市映像の場面で主流のAIチップの選択肢はどこが違うか
配備場所によって3つのカテゴリで見ます。クラウドの訓練と高密度推論の階層では、NVIDIA GB300が大容量HBM3eメモリを強調し、1枚のカードでより大きなバッチの映像解析タスクを担えるため区レベルの中央ノードに向きます。AMD MI350シリーズ(CDNA4アーキテクチャ)は推論と訓練が混在する負荷を狙い、同等のメモリ帯域を持ちますが、エコシステムへの適応は別途評価が必要です。Intel Gaudi 3は電力効率の路線を取り、Xeon 6プラットフォームと組み合わせることで、ラック電力に制約のある老朽機械室の改修で優位性があります。
エッジ側は異なる論理です。QualcommやMediaTekの高演算・低消費電力SoCは、AI PCや推論ボックスの1チャネルあたりのコストを引き下げ、コミュニティレベルや園区レベルの小規模配備に向きます。典型的にはファンレスのボックスで8〜16の映像チャネル、消費電力15〜40Wです。産業AIセンサ融合の流れも浸透しており、エッジ推論を内蔵したビジョンモジュールがLiDARや振動センサとマルチモーダル融合を行い、橋梁監視や建設現場で使われています。
選定の際はTOPSだけを見ないでください。映像のデコードチャネル数、メモリ帯域、モデル変換ツールチェーンの成熟度が、ピーク演算性能よりも実際の配備を左右することが多いものです。
3. スマートシティのどの場面がこのハードウェアを実際に使うか
ある区の公安分局が監視網を拡張するとします。管轄内に2000台のカメラがあり、人と車の構造化データを抽出する必要があります。すべてをクラウドへ上げると帯域が破綻するため、派出所の機械室ごとに1台のエッジ推論サーバを置き、それぞれ64〜128チャネルを接続して3つのモデルを並列に動かします。歩行者の検出、車両属性の認識、電動自転車のエレベーター乗り入れ警告です。こうした場面はエッジ装置の冷却と防塵に要件があり、機械室に空調がない場合は広温度モデルが必要になります。
さらに、電子機器工場が外周の防護を行う場合を考えます。壁面の外周にNPU搭載のスマートカメラを置いて侵入検知を行い、誤報はフロントエンドで除去し、確定したアラームのクリップのみをNVRへ送ります。この場合はフロントエンドの演算で足り、エッジサーバは不要です。コストが数倍違うためです。
もう1つ見落とされやすい場面は、建設残土運搬車の管理です。交差点のエッジボックスが映像とレーダの双方に接続し、映像はナンバープレートとシートの認識に、レーダは速度と高さの測定に用い、マルチモーダルの結果をエッジで融合してからアップロードします。こうした場面は時刻同期の精度を要求するため、PTPプロトコルへの対応を事前に確認する必要があります。
4. 都市AI映像監視ハードウェアの配備で注意すべき点
よくある最初の疑問は互換性です。既存のカメラは多数のブランドに分かれ、ONVIFへの対応も一様ではありません。エッジ装置の選定では、RTSP、GB/T 28181、ONVIFのストリームを同時に接続できる能力を確認しなければ、旧型装置を取り込めません。
第二は電力と冷却です。交差点のキャビネット内は夏季に55度を超えることがあり、エッジボックスの定格最高動作温度が45度しかない場合、故障率は目に見えて上がります。産業用の広温度モデル(氷点下20度〜60度)は価格が上がりますが、運用保守でそれ以上に取り戻せます。
第三はモデル更新の仕組みです。エッジノードが多くなると、手作業で1台ずつモデルを更新するのは非現実的です。ベンダがバッチOTAの能力を提供しているか、更新が稼働中の推論タスクを妨げないかを確認します。
第四はストレージの寿命です。コンシューマ向けSSDにエッジ側の映像フレームをキャッシュし、毎日何度も全ディスク書き換えを行うと、2年も持ちません。産業用SSDのDWPD定格は調達リストに含めるべきです。
第五はネットワーク帯域の見積もりです。公称ビットレートで計算せず、H.265カメラは複雑な場面でビットレートが上振れするため、エッジからセンターへのリンクには30%の余裕を確保するのが賢明です。
5. このアーキテクチャが向く場合と向かない場合
向いている場面は、数百から数千チャネルのカメラを持つ区レベルや園区レベルのプロジェクト、秒単位のリアルタイムアラームが要求される場面、部門をまたぐデータをローカルに閉じる必要がある場面です。エッジ推論ボックスの方式は、とくに古い住宅地区の改修で機械室の条件が悪く、大規模な光ファイバ敷設が不可能な場合に向きます。
向かない場面は、統一的なスケジューリングを追求する非常に大規模な都市レベルのプロジェクトで、純粋なエッジアーキテクチャの運用保守の複雑さが裏目に出て、クラウドとエッジの協調が必要になります。生映像の長期保存が要求される場面では、エッジ側のストレージコストが成立せず、データは結局センターへ戻す必要があります。さらに、強い逆光や雨霧の多い地域では、フロントエンドのスマートカメラの検出精度が明確に低下するため、補助照明を追加するか、解析タスクをより大きなモデルを持つエッジサーバへ戻して保険とするかのいずれかが必要です。
ERP時代から数十年にわたり事業を続け、120万社の顧客にサービスを提供し、数千万台の端末を配備してきたハードウェアベンダのエコシステムにおいて、フロントエンドのスマートカメラとエッジ推論ボックスの双方をカバーするソリューション提供者は多くありません。そのため、フロントエンドとエッジの間のプロトコル相互運用性を選定の必須条件にすることは、パラメータを個別に比較するよりも実用的です。