常見問題

系統保全是指透過電子設備（門磁、紅外線、玻璃震動、煙霧、緊急按鈕等）24 小時自動偵測異常，並將警報訊號即時回傳到保全公司的管制中心；管制中心收到警報後，依事件等級通報客戶或派遣保全人員及巡邏車到場處置，必要時通報警消單位。

與「駐衛警」最大差別在於：系統保全主要靠設備偵測，人力是後援；駐衛警則是把人駐在現場第一線。台灣的系統保全業也常被稱為「電子保全」、「保全系統」等。 看完整選購指南：6 個評估重點與常見誤區

駐衛警（又稱駐衛保全）是指保全人員實際駐守在客戶指定的場所，依勤務內容執行門禁管制、訪客接待、定點巡邏、消防防災應變、緊急狀況初步處置等任務。常見場域包含住宅社區、商辦大樓、醫院、百貨商場、科技廠／園區、交通車站、政府機關等。

實務上駐衛警與系統保全經常搭配使用——例如商辦大樓白天用駐衛警接待訪客、夜間用系統保全（或 AI 影像）降低人力成本。

建議從這 6 個面向比較：

1. 管制中心是否自建、24 小時人員值班：確認業者有自家管制中心、值機員 7×24 真人值守，而不是只把訊號丟進無人機房或外包接線
2. 誤報處理機制：警報觸發當下能否同步看到現場影像（即所謂「鷹眼影像」或「影像驗證」），在派車前先判讀、過濾假警報
3. 派遣與應變能力：業者是否擁有自家完整的保全車隊（而非外包）、第一線人員是否依標準 SOP 應變、平均到場時間多久
4. 設備來源與後續升級：保全主機與感應器是業者自家研發、製造，還是外廠採購貼牌？日後設備功能能否持續更新，不必整套汰換
5. 服務據點覆蓋：你的場域所在地有沒有就近服務中心可快速到場？跨縣市的連鎖門市或多廠區能否由同一窗口統一管理
6. 公司規模與專業度：業者是否具備一定的營運規模——財務穩定、員工訓練體系、跨區據點、長期客戶留存——才能持續提供穩定且專業的保全服務

建議從這 7 個面向比較：

1. 保全員背景查核：業者是否堅持所有保全員入職前都送警局做安全調查，確保無不良前科才能上線
2. 督勤機制：有沒有督勤主管定期抽查、有沒有智慧巡檢系統可稽核出勤與巡邏
3. 制服與儀容標準：豪宅、銀行、精品門市、醫院等高端場域要求不同，標準是否分級
4. 教育訓練體系：新人是否有經過完整訓練才能駐勤
5. 行動巡邏支援：駐勤人員遇異常時，能不能請鄰近行動巡邏車快速到場支援
6. 多元案場經驗：醫院、社區、商辦、科技廠、政府機關都有實績，還是只做某一類
7. 公司規模與穩定度：業者是否具備一定的營運規模——財務穩定、跨區據點、長期客戶留存——才能持續提供穩定且專業的駐衛服務

不會。店面、辦公室、中小工廠與中小型連鎖正是華辰「標準用戶」這一層的服務重心。我們為這個客群設計專屬的月費套餐——標準化系統保全與監視方案、多點位合併計費、不需走大型採購流程。從 1 個點位到 50 家門市都有對應方案；實際費用依點位數與現勘後評估。

我們鼓勵多家比較。華辰的核心差異：

• 鷹眼影像系統投入最早（自 2007 年起）：警報觸發同時把現場影像送回管制中心，把誤報攔在派車之前——這在系統保全業內仍是少數作法
• 產業客製彈性高：根據客戶需求設計服務模式、請款模式或整合特定設備等
• 三層客群分流設計：企業（KEY）／標準用戶（SMB）／社區（COM）各有對應方案，不會把社區套用企業預算、也不會把連鎖店面套用住宅標準
• 同集團整合：自家云辰電子（TWSE 2390）研發 AIoT 保全設備、樺辰物業提供管理服務，從設備、保全、物業到 AI 系統整合一條龍

替代或輔助「夜間部分時段」最有效；白天訪客互動仍可保留人力。AI 不是取代，是讓精簡過後的人力發揮最大的維護功效。

現場影像會經過 AI 做第一線判讀，並由管制中心做影像複核才決定處置；多感測器交叉驗證 ＋ 人員判讀，能大幅濾掉動物、樹影、雨水反光等常見噪訊，避免無謂出車派勤或驚擾住戶。

不會。鷹眼云狩隊採用無線智能感測設計，施工迅速、不破壞建物結構；社區不必動到天花板、地板或牆面，對既有裝修與住戶日常生活影響極小。

依《臺北市火警信號及警報設備關閉訊號通報連線管理辦法》（112 年 9 月 1 日施行），台北市轄區內樓地板面積達 300 平方公尺以上之特定場所（KTV、舞廳、夜總會、按摩場所、酒家酒吧等甲類用途場所），其火警受信總機訊號必須申請與消防局連線。桃園市亦依《桃園市火災預防自治條例》訂有類似規範，涵蓋歌廳／舞廳／夜總會 ≥300m²、冷凍冷藏低溫倉、公共危險物品場所達管制量 1,000 倍以上等高風險場所。

華辰可以如何配合：管制中心 24 小時專職人員值班、已通過 ISO 27001 資訊安全管理系統認證、團隊內配置消防專技人員及防火管理人；可協助符合法規之場所完成火警受信總機與消防局的連線通報整合，並提供連線後的監視服務、月度報告與年度自主測試紀錄。完整法規對照表請見服務頁法規符合區塊。

可以。我們可以與客戶既有的消防設備維護廠商合作，由華辰負責介接整合現有消防主機的訊號，將火警訊號接入鷹眼影像保全管制中心；現場既有設備不必汰換、原本的消防維護廠商也可以持續配合，雙方權責清楚。

社區電動車充電已成為消防新焦點。華辰可協助社區從事前預防、即時偵測、初期搶救三個環節降低風險：
• 能源管理 + 消防通報整合：與指定合作廠商銳能智慧科技合作，提供社區充電 EMS 能源管理系統，結合異常偵測即時通報管制中心
• 防火毯設備建置：搭配北歐進口 PADTEX 電動車防火毯，作為整個社區消防防護專案的一環
• 三者整合於同一份社區消防方案，由華辰統一規劃、簽約、維運。

我們採用的是北歐進口 PADTEX 電動車防火毯（由台灣正德防火獨家代理），通過 DIN SPEC 91489、kiwa 高溫認證、歐盟 EN13501-1 A2 等級、台灣 CNS 10285 一級防焰、美國 ASTM D2863、UL94 V0 等多項國際認證。租賃方案優勢：若於租賃期間防火毯實際使用於電動車火災，我們免費更換新品，不需另外採購。

一般家用滅火毯尺寸小、耐溫有限，主要用於廚房油鍋等小型火源。PADTEX 電動車防火毯是針對電動車鋰電池火災設計——尺寸足以完整覆蓋一台電動汽車、耐高溫 1,000 度以上、實測覆蓋車輛電池火災 2 小時無破損，並通過 DIN SPEC 91489 等專門標準。完整產品介紹請見 PADTEX 電動車防火毯專頁。

若社區希望低門檻先建置、由華辰負責盤點與效期管理，建議選租賃——而且租賃期間若因電動車火災實際使用，華辰免費更換新品。若偏好一次到位、防火毯列為社區自有資產，則可選買斷並加購年檢服務。兩者都可與充電樁建置專案合併規劃，詳見 PADTEX 電動車防火毯專頁。

華辰臨特勤的核心幹部多出身台灣三大特勤體系，具備真實實戰專業背景。在真正高價值的任務中（如海外高管隨扈、企業敏感事件、藝人活動維安），我們可以依照業主要求提供同等級的專業人力，不是只穿制服的契約保全。所有人員背景與紀錄可查，可依案件需求提供進一步說明。

視勤務需求與風險等級配置，常見包含：對講機與耳麥（編組內部即時通訊）、保全車於現場待命（提供突發狀況支援與後撤動線）、統一制服或商務便服（依場合調整）。所有配備與編組於勤務簡報階段與業主確認，必要時可加派後援車隊或聯絡警消單位。

可。公司可簽署保密契約條款，全員執行任務前依規定簽署，維護業主隱私與任務資訊。

技術上我們不挑品牌——只要 NVR 或 IP 攝影機支援標準 RTSP 串流，且具備固定 IP（或可遠端連線：公網轉埠／VPN／原廠 P2P 皆可），就能介接；市面上主流品牌的 NVR 多半符合條件，不需更換現有設備。每站導入前我們會現勘確認連線方式與鏡頭位置，逐一盤點。

鷹眼影像保全：警報觸發即時影像驗證 + 管制中心派遣（事件驅動）。AI 鷹眼云狩隊：社區夜間多感測器 + 中央派遣 + 巡邏車（社區專屬）。本平台：雲端 SaaS、接既有 NVR、依排程主動巡邏、產生可稽核紀錄。三者互補，不重疊。

擅長絕對／常識型異常：淨空時段有人、煙霧火光、明顯積水、門/鐵捲門開啟、燈異常；可描述行為如站／坐／躺、走動、徘徊、進出方向、開門搬物。不擅長瞬間動作（跌倒瞬間、揮拳、丟物快速穿越）與精細手勢辨識；定位為「描述與粗分類」，足夠巡邏異常判斷，但跟連續監看互補。

影像僅在排程時段抓取分析後即刪除（不長期儲存原始影像）；事件紀錄只保留縮圖 + 文字描述。雲端使用 GCP 台灣 asia-east1 落地，雙方簽訂個資處理協議。

VLM（Vision Language Model，視覺語言模型）是同時處理「影像」與「文字」的多模態 AI 模型——它不只辨認畫面中有哪些物件，還能理解畫面正在發生什麼，並用自然語言回答關於這個畫面的問題。

根本差異：封閉集合 vs 開放詞彙

傳統 AI 影像辨識（人形偵測、車牌辨識、人臉比對等）屬於封閉集合（closed-set）模型：它只能認出訓練資料中標註過的類別。想讓它多認一種東西，必須重新蒐集資料、標註、訓練、部署；硬體式 AI 攝影機更是在出廠時就把模型燒進機器裡，現場一旦誤判也改不了。

VLM 則是開放詞彙（open-vocabulary）：要監測什麼，用一句話描述就好，不需要重新訓練模型，也不需要更換攝影機。

更關鍵的差別：「物件」與「情境」

傳統模型看得出畫面裡有「人」和「紙箱」，但它不知道「這個紙箱被放在消防通道上」——因為「消防通道」「被阻擋」是情境判斷，不是物件類別。VLM 能處理這一層。

三個實際在跑的規則

1. 社區規定寵物不得於公共區域落地行走——系統判讀是否有犬隻在地面活動，並提醒管理單位宣導。
2. 商辦規定晚間十點後應熄燈——但若判讀到燈亮，而辦公桌前確實有人加班，視為合理情形不發報，避免無效告警。
3. 某客戶要求下班後須三人以上留守才可開啟空調——現場沒有中央空調可連動，只有一支鏡頭恰好拍到冷氣面板；系統便以面板指示燈判斷空調是否開啟，再計算室內人數，低於三人才通知。

第 2、3 條是傳統模型做不到的：它們問的不是「畫面裡有什麼」，而是「這個組合是否構成需要處理的狀況」。

VLM 不擅長什麼（同樣重要）

• 連續即時分析成本高：VLM 推論的算力需求遠高於傳統偵測模型，不適合每一幀都跑。實務作法是排程巡邏抽查，並在現場感測器觸發時立即插入一次額外巡邏。
• 輸出穩定性：同一畫面可能得到措辭不同的描述，需搭配結構化輸出與管制中心人工覆核，不能直接讓模型決定要不要報警。
• 精準計數、量測、極小或高速移動目標：這些場景傳統電腦視覺模型仍然比較可靠。
• VLM 不等於全天候監看：它改變的是「判讀能力」，不是「監看密度」。

所以實務上兩者是搭配，不是取代：傳統偵測負責高頻率的基本事件（人形、車牌），VLM 負責需要理解情境的複合規則，兩者共用同一個 24 小時管制中心做最終判讀與處置。

延伸閱讀：VLM 視覺語言模型 vs 傳統 AI 影像辨識 — 完整技術指南（含六面向對照表、三個實際規則、選型判斷流程）

會。任何 AI 系統初期都會有誤報；我們的差別是誤報會回饋進系統——儀表板可一鍵標記「這是誤報／漏報」，系統收集你案場專屬的樣本後自動微調該案場的偵測提示詞，準度逐月提升、越用越準。對比 AI 攝影機：硬體式 AI 在工廠出貨時就決定了模型，現場誤報只能繼續誤報。

採每月固定合理費用，依場域、鏡頭數、規則複雜度個案報價（現勘後出具）。對比聘僱夜班保全（一名月成本約 NT$5–7 萬），本平台單案場每月通常遠低於此；對比 AI 攝影機（前期一次性硬體採購每支 NT$3–10 萬、多支累計可達數十萬），本平台無前期硬體投入、每月費用可預期、規則可隨時改。