> For the complete documentation index, see [llms.txt](https://navixy.com/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://navixy.com/docs/expert-center/ru/vehicle-telematics-technology/video-telematics/video-telematics-101/inside-the-dashcam-what-really-powers-video-telematics.md). # Внутри видеорегистратора: что на самом деле лежит в основе Видео телематика Архитектура SoC определяет возможности ИИ, сжатия и функций видеорегистратора. Сравниваются бюджетные чипы Novatek и премиальные Ambarella, используемые в камерах автопарка.
Представьте, что вы сравниваете две камеры для вашего автопарка. Обе заявляют схожее разрешение видео (скажем, 1080p) и емкость накопителя, но одна стоит 100 $, а другая 200 $. На первый взгляд они похожи: одинаковый размер и одинаковые базовые функции. Так почему такая большая разница в цене? Ответ кроется в *интеллект* внутри устройства, а именно в **системе на кристалле (SoC)** который выполняет роль мозга камеры. Более дорогая камера — это не просто лучший корпус: это более умный корпус, оснащенный встроенной обработкой и возможностями ИИ. В современных камерах для автопарка именно SoC и его программное обеспечение определяют всю разницу в производительности, а не только объектив или карта памяти. Менеджеры автопарков и специалисты по телематике часто сосредотачиваются на таких характеристиках, как разрешение или объем памяти, но на самом деле базовый видеорегистратор от умной камеры для видео телематики отличает именно SoC. Этот крошечный процессор (и поддерживающие его компоненты) отвечает за все — от захвата четкого изображения до анализа событий вождения в реальном времени. Фактически, примерно 65 % электроники типичной телематической камеры приходится на захват изображения, обработку и ИИ — все эти задачи выполняет SoC. Для сравнения, лишь около 25 % аппаратной части приходится на модули связи (например, LTE-модемы и GPS). Поэтому выбор SoC так сильно влияет и на *и* стоимость устройства. Высокопроизводительный процессор позволяет реализовать такие расширенные функции, как оповещения о помощи водителю, но также повышает цену из-за большей сложности и лицензионных платежей (например, за видеосжатие H.265/HEVC). Если говорить просто: не все камеры для автопарка одинаковы, даже если внешне они выглядят похоже. Различия во внутренней архитектуре, такие как SoC, датчик изображения, модем, память и т. д., напрямую влияют на качество изображения камеры, отзывчивость, возможности ИИ, работу сети и общую надежность. Более дешевая камера может справляться с базовыми задачами (запись видео и его отправка), но более дорогая модель с более мощным SoC может делать гораздо больше: например, осуществлять мониторинг водителя в реальном времени, выдавать предупреждения о сходе с полосы, оповещения о фронтальном столкновении и другие функции ADAS. Платформа, не зависящая от устройства, такая как Navixy, позволяет решениям разных производителей и семействам SoC работать в одной среде, нормализуя видео и метаданные, чтобы операционные команды могли выбирать правильное оборудование для каждого маршрута или роли без привязки к одной дорожной карте. #### Внутри умного видеорегистратора: как видео попадает от объектива в облако Чтобы оценить роль SoC («мозга» камеры), полезно понять, как камера для автопарка обрабатывает видео шаг за шагом. С того момента, как свет попадает на датчик камеры, и до того момента, как оповещение появляется на вашей панели, за кулисами происходит многое. Ниже приведен упрощенный обзор конвейера обработки видео внутри типичной телематической камеры, и большинство этих шагов координируется SoC:
Article content

От захвата CMOS до облачных панелей: каждый этап определяет, как видео превращается в полезную информацию для автопарка

1. **Захват изображения и обработка сигнала (ISP).** Все начинается с того, что датчик изображения камеры (обычно CMOS-датчик) улавливает свет и преобразует его в необработанные данные пикселей. Этот сырой поток сразу передается в Image Signal Processor (ISP) SoC — специализированный компонент на кристалле, который очищает и оптимизирует изображение. ISP выполняет критически важные задачи обработки, такие как дебайеризация (преобразование сырой мозаики цветовых данных датчика в полноценные видеокадры RGB), настройка баланса белого и экспозиции, коррекция цветов и снижение шума. Он также может выполнять, например, объединение изображений с расширенным динамическим диапазоном (HDR) для работы в сложных условиях освещения. Результатом этого этапа становится поток высококачественных несжатых видеокадров и основа для всего, что происходит дальше. 2. **Предварительная обработка и анализ ИИ.** В умной камере, еще до сжатия или сохранения видео, SoC может пропускать его через этап анализа ИИ. За это отвечает специализированное аппаратное обеспечение на SoC, такое как *DSP* или *NPU (Neural Processing Unit)* предназначенное для задач ИИ. На этом этапе камера уже может становиться *умной*: она ищет события или объекты интереса в видео в реальном времени. Например, ИИ может обнаруживать риск фронтального столкновения, замечать, если водитель устал или отвлекся, или распознавать знак «Стоп» или пешехода. Система также может выполнять выделение области интереса (ROI), по сути фокусируясь на важных частях сцены (например, на дороге впереди или лице водителя), чтобы оптимизировать то, что нужно передать или сохранить. Она может помечать кадры метаданными (например, «обнаружено транспортное средство» или «водитель зевает»), чтобы позже было легко найти конкретные события. Эта предварительная обработка ИИ особенно важна, потому что необработанные видеоданные огромны; анализ на источнике помогает приоритизировать и сокращать данные до следующего этапа. (В обычной камере со слабым SoC этот шаг может быть очень ограниченным или отсутствовать вовсе, поскольку устройство просто захватывало бы и передавало видео без его «понимания».) 3. **Сжатие видео (кодирование).** Затем подготовленные видеокадры поступают в *видеокодер*, еще один модуль внутри SoC. Здесь камера сжимает видео с помощью стандартных кодеков, чаще всего H.264 (AVC) или более нового H.265 (HEVC). Необработанное видео очень ресурсоемко по данным (несжатое HD-видео может занимать десятки мегабайт *в секунду*), поэтому сжатие критически важно. Кодер уменьшает видео до управляемого потока данных (часто до нескольких сотен килобайт в секунду, в зависимости от качества и разрешения). Многие камеры для автопарка на самом деле формируют два видеопотока: один высококачественный поток хранится локально (например, на SD-карте), а поток с меньшим битрейтом отправляется по сотовым сетям. Аппаратный видеокодер SoC обрабатывает оба одновременно. Например, видеодвижок SoC Novatek может сохранять поток полного разрешения на карту памяти и одновременно передавать сжатый поток в облако в реальном времени. Все это происходит на лету благодаря SoC. (Стоит отметить, что лицензирование продвинутых кодеков, таких как H.265, может увеличивать стоимость высококлассных SoC, что является одной из причин, почему премиальные камеры поддерживают HEVC, а более дешевые могут ограничиваться более старыми кодеками.) 4. **Хранение и передача.** После кодирования видеоданные либо сохраняются, либо передаются, либо и то и другое. В типичной камере для автопарка SoC управляет сохранением видео в локальное хранилище (например, на SD-карту или в память eMMC) в циклическом буфере. Он постоянно перезаписывает самый старый материал, чтобы, скажем, последние 30–60 минут всегда были сохранены, и самые свежие события оставались под рукой. Когда обнаруживается значимое событие (резкое торможение, авария, оповещение, вызванное ИИ, и т. д.), система может пометить и сохранить этот фрагмент. Многие системы также буферизуют несколько секунд видео до и после срабатывания события, чтобы дать контекст, предшествующий инциденту. Одновременно SoC передает закодированный видеопоток в коммуникационный модуль камеры (например, LTE-модем) для загрузки. Вместе с видео устройство отправляет метаданные, такие как координаты GPS, скорость, данные G-сенсора и любые теги событий, созданные ИИ. Эти метаданные могут быть встроены в видеопоток или передаваться параллельно, обеспечивая богатый контекст (например, точное местоположение события резкого торможения, скорость в этот момент или факт, что было обнаружено «водитель зевает»). Затем сотовый модем (4G/3G и т. д.) передает данные в облако. Хотя модем и антенна являются отдельными компонентами, SoC координирует их работу, чтобы эффективно передавать данные по воздуху (часто с использованием протоколов, учитывающих нестабильную связь, ограниченную полосу пропускания и т. д.). 5. **Обработка в облаке и на сервере.** Когда видео и данные попадают в облако, основная нагрузка переносится на серверную сторону. В Navixy видеозапись перекодируется для надежного воспроизведения, индексируется по тегам событий и отображается на единой временной шкале вместе с GPS/IMU. Когда камеры передают вспомогательные данные, такие как кадры CAN, пакеты датчиков BLE или байты RS-485, IoT Logic декодирует их при поступлении, так что оповещения ADAS/DMS, поведение водителя и сигналы двигателя или груза остаются доступными для совместного поиска. В результате вы тратите меньше времени на связывание систем и больше — на действия по сути. Во всем этом конвейере SoC — главный герой этапов 1–4. Он координирует датчик, запускает ISP, выполняет алгоритмы ИИ, кодирует видео и управляет потоком данных к хранилищу и модему. Неудивительно, что большая часть конструкции видеорегистратора (и его стоимости) сосредоточена именно на этих задачах обработки. Тем временем другие компоненты, такие как модуль LTE/GPS, хотя и важны, играют вспомогательную роль. Если представить телематическую камеру как мини-компьютер: SoC — это CPU/GPU/NPU, который выполняет основную вычислительную работу, датчик изображения — это глаза, модем — канал связи, а хранилище — память. Сбалансированная система важна, но без способного «мозга» SoC даже лучший датчик или модем не сделают камеру умной. #### Базовые и продвинутые камеры: как выбор SoC определяет функции Теперь, когда мы увидели, что происходит внутри камеры, давайте поговорим о различиях между базовой камерой для автопарка и продвинутой. Во многих случаях *наибольшее* разница заключается в том, насколько мощный SoC, особенно с точки зрения возможностей ИИ. Более простой (и дешевый) видеорегистратор может выполнять все те же базовые этапы конвейера, такие как захват, кодирование, хранение и передача, но у него может не хватать встроенного интеллекта, чтобы на каком-либо значимом уровне выполнять этап 2 (анализ ИИ). По сути он действует как электронный глаз: записывает то, что видит, и отправляет это дальше, оставляя «мышление» либо облаку, либо вообще не выполняя его. В отличие от этого, дорогая камера с мощным SoC будет выполнять значительную часть «мышления» на самом устройстве: она может обнаруживать события, фильтровать записи и даже принимать решения в реальном времени (например, оповещать водителя) без ожидания облака. Рассмотрим **функции ADAS и DMS**. Функции ADAS (систем помощи водителю) включают, например, предупреждения о сходе с полосы, оповещения о фронтальном столкновении или обнаружение пешеходов. Функции DMS (системы мониторинга водителя) включают определение того, отвлекается ли водитель или испытывает сонливость. Бюджетная камера может заявлять о поддержке ADAS, но на деле быть очень ограниченной, способной обрабатывать лишь один простой алгоритм с умеренной точностью (например, предупреждение о сходе с полосы, которое работает только на скорости по шоссе и при ясном дневном свете). Часто это связано с тем, что установленный в ней SoC имеет очень скромный AI-процессор, если имеет его вообще. Как уже отмечалось ранее, более дешевые SoC с базовыми NPU могут выполнять только **легкие модели нейронных сетей** (порядка нескольких миллионов параметров) в реальном времени. Этого может хватить для простого распознавания шаблонов (например, обнаружения разметки полосы или автомобиля прямо впереди). Но этого *не* хватит для более сложных задач, таких как одновременное отслеживание нескольких объектов, определение ориентиров на лице водителя (закрытые глаза, повернутая голова) и распознавание дорожных знаков, для которых требуются более крупные и сложные модели ИИ.
Single SoC ingests main + aux feeds, runs per-channel AI, encodes in parallel

Один SoC принимает основной и вспомогательный потоки, выполняет ИИ по каждому каналу и кодирует параллельно

Высококлассные SoC, напротив, поставляются с гораздо более мощными движками ИИ. Например, Ambarella (ведущий поставщик SoC в этой области) включает в свои чипы нейросетевой ускоритель CVflow®, который может запускать более крупные CNN (десятки миллионов параметров) и даже несколько моделей ИИ одновременно. На практике это означает, что один премиальный видеорегистратор может выполнять многозадачный ИИ: анализировать дорогу для ADAS и одновременно следить за водителем для DMS, причем с высокой точностью и при высоких частотах кадров. Камера может выдавать оповещения в реальном времени (звуковые сигналы или голосовые предупреждения для водителя) по целому ряду проблем безопасности. Это также означает меньше ложных тревог и пропущенных событий, поскольку модели могут быть более сложными. Разумеется, все это требует большей вычислительной мощности, поэтому высококлассные SoC часто используют более продвинутые технологии кристалла (например, техпроцесс 10 нм, в отличие от более старых 28-нм или 14-нм процессов), чтобы обеспечивать высокую производительность без перегрева и без разрядки аккумулятора автомобиля. *и* наблюдать за водителем для DMS одновременно, с высокой точностью и при высоких частотах кадров. Камера может выдавать оповещения в реальном времени (звуковые сигналы или голосовые предупреждения для водителя) по целому ряду проблем безопасности. Это также означает меньше ложных тревог и пропущенных событий, поскольку модели могут быть более сложными. Разумеется, все это требует большей вычислительной мощности, поэтому высококлассные SoC часто используют более продвинутые технологии кристалла (например, техпроцесс 10 нм, в отличие от более старых 28-нм или 14-нм процессов), чтобы обеспечивать высокую производительность без перегрева и без разрядки аккумулятора автомобиля. Еще один аспект, который следует учитывать, — сколько видеоканалов может обрабатывать SoC. В автопарках иногда используют камеры, смотрящие и на дорогу, и на водителя, или даже многокамерные системы (боковые, задние виды и т. д.). Базовый SoC может справляться только с одним или двумя видеопотоками при полном разрешении. Попробуйте добавить больше камер или более высокое разрешение — и он может начать захлебываться (низкая частота кадров или полная неподдержка дополнительных входов). Более способный SoC может принимать и обрабатывать несколько потоков. Например, некоторые SoC, ориентированные на MDVR, могут принимать четыре входа камер 1080p (что часто используется для 360° охвата автомобиля), тогда как SoC, ориентированный на ADAS для автомобилей, может поддерживать сочетание, скажем, фронтальной камеры 4K и камеры водителя 1080p, или даже нескольких камер высокого разрешения для кругового обзора. И здесь все снова сводится к внутренней архитектуре: у высококлассного чипа будет более продвинутый ISP, который может работать с более высокими скоростями передачи данных и, возможно, даже с отдельным вторым ISP для входа с двух камер, большим числом экземпляров видеокодера и т. д. Именно поэтому многие автопарки стандартизируются на едином облачном интерфейсе: Navixy сохраняет согласованность тегов ИИ, видео и телематических данных независимо от того, какой SoC установлен в автомобиле. Итак, выбор SoC напрямую определяет, какие функции может предложить камера: * Базовый SoC = базовая камера. Она надежно записывает видео, сжимает его и отправляет, но любого «интеллекта» у нее минимум. Вы можете получить простую маркировку событий на основе G-сенсора (например, обнаружение аварии по акселерометру) или очень примитивные оповещения водителю, но в плане настоящих расширенных предупреждений или анализа — немного. * Продвинутый SoC = умная камера. Она может служить бортовым помощником, наблюдая и за дорогой, и за водителем. Она отфильтровывает важные фрагменты видео (чтобы ваш тариф на передачу данных не перегружался пустяковыми клипами) и передает более богатые данные в платформу управления автопарком (например, выявляя конкретное поведение или риски). По сути, у такой камеры есть встроенная система компьютерного зрения. Обратная сторона, разумеется, — это стоимость. Камера высокого класса с мощным чипом для ИИ будет стоить дороже — не только потому, что сам кремний обходится дороже, но и из-за разработки программного обеспечения ИИ, которое на нем работает. Между тем, более простая камера может быть очень доступной, но в итоге может *обходиться* дороже в косвенном смысле — возможно, она пропускает критические события или не дает превентивных предупреждений, которые могли бы предотвратить аварию. Главное — найти правильное соответствие между вашими операционными потребностями и возможностями камеры. Какой бы уровень вы ни внедрили, результаты остаются стабильными, когда серверная часть не привязана к конкретному устройству. Navixy показывает базовые MDVR и премиальные камеры ADAS/DMS бок о бок в одних и тех же панелях, отчетах и API, так что обновления не вынуждают менять рабочие процессы. #### Под капотом: сравнение двух примеров SoC (бюджетный и премиальный) Чтобы сделать все это более конкретным, давайте сравним две реальные платформы SoC, которые часто встречаются в видеорегистраторах и камерах для автопарка. В бюджетном сегменте у нас есть **Novatek NT98321**, чип, который часто используется в недорогих мобильных MDVR и видеорегистраторах. В премиальном сегменте есть **Ambarella CV2**, входящий в серию CVflow компании Ambarella и используемый в премиальных автомобильных камерах. Эти два решения хорошо представляют свои классы: Novatek известен доступными процессорами массового сегмента (многие готовые видеорегистраторы используют SoC Novatek), тогда как Ambarella славится более дорогими чипами, ориентированными на ИИ, которые применяются в камерах продвинутой помощи водителю и даже в системах автономного вождения. * **Novatek NT98321** Он оптимизирован для многоканальной записи Full HD при низкой стоимости. Он может обрабатывать несколько видеопотоков 1080p (например, конфигурацию с четырьмя камерами по 1080p каждая) и выполнять базовые задачи ИИ с помощью встроенного NPU. Это идеально для стандартного MDVR автопарка, который, возможно, записывает фронт, боковые зоны и салон, а также выполняет базовые обнаружения событий, такие как предупреждения о фронтальном столкновении или оповещения о сонливости водителя, на одном или двух каналах. Он разработан так, чтобы быть энергоэффективным для мобильного использования и удерживать общую себестоимость устройства на низком уровне. * **Ambarella CV2**с другой стороны, — это гораздо более мощный чип. Выполненный по техпроцессу 10 нм, он интегрирует специализированный ИИ-движок CVflow компании Ambarella, что дает ему гораздо больший запас для обработки ИИ (порядка 20-кратной производительности нейросетей по сравнению с предыдущим поколением Ambarella). Он поддерживает вход с более высоким разрешением (до 4K при 60 кадр/с), несколько матриц изображения (может принимать потоки с нескольких камер, включая стереоскопические конфигурации) и способен одновременно запускать продвинутые многомодельные нейронные сети для таких функций, как обнаружение полосы, распознавание объектов и мониторинг водителя. Это делает его идеальным решением для **камер, ориентированных на ADAS**, таких как интеллектуальная фронтальная камера, которая не только записывает в сверхчетком 4K, но и определяет сход с полосы, измеряет дистанцию до впереди идущего транспортного средства, считывает знаки ограничения скорости и отслеживает, смотрит ли водитель на дорогу. Обратная сторона — более высокая цена: CV2 находится в премиальном ценовом сегменте (аналитики отмечают, что такие высококлассные чипы ИИ стоят значительно дороже мейнстримных SoC). Но вместе с этой ценой приходит и значительный скачок возможностей. Для сравнения бок о бок см. таблицу ниже, в которой показаны некоторые ключевые различия между решением на базе Novatek NT98321 и решением на базе Ambarella CV2:
Article content

Сравнение SoC, ориентированного на стоимость, и высокопроизводительного SoC

*Таблица: Сравнение SoC, ориентированного на стоимость (Novatek NT98321), и высокопроизводительного SoC (Ambarella CV2) в камерах видео телематики. Ambarella превосходит в возможностях ИИ и 4K, тогда как Novatek делает ставку на несколько каналов 1080p при низкой стоимости. Функции и данные приведены по информации производителей и по результатам разборки устройств.* Как показывает таблица, Ambarella CV2 дает гораздо больший запас, чем Novatek NT98321, — но не каждому грузовику нужен один и тот же уровень. Многие автопарки сочетают доступный MDVR на базе NT98321 для охвата с фронтальным блоком на базе CV2 для обучения и предотвращения инцидентов. С Navixy в качестве независимой от устройства серверной части вам не нужно принимать решение об одном SoC для всего автопарка; вы стандартизируетесь на платформе и позволяете сценарию использования определять камеру. Когда приоритетом является проактивная безопасность, например обнаружение усталости, предупреждения о сходе с полосы/фронтальном столкновении или детализация до уровня номерного знака, устройство класса CV2 раскрывается в полной мере, а Navixy переносит его более богатые события в те же рабочие процессы, которые вы используете для всего остального автопарка. #### Как сделать правильный выбор для вашего автопарка При выборе камеры для видео телематики легко сравнивать очевидные характеристики, такие как мегапиксели, угол обзора, объем памяти и т. д. Они, безусловно, важны, но, как мы уже обсудили, менее очевидные характеристики, такие как **SoC и его возможности** именно они по-настоящему отличают «умную» камеру от базовой. Вот несколько ключевых моментов и выводов для менеджеров автопарков и поставщиков телематических решений: * **Подбирайте интеллект камеры под свои задачи.** Если вам нужна просто надежная запись видео (для доказательств после инцидентов) и, возможно, автоматическая загрузка событий торможения, камеры среднего класса или базовой модели может быть достаточно. Но если вам нужны превентивные функции безопасности (предупреждения о сходе с полосы, мониторинг состояния водителя, оповещения о предотвращении столкновения), ищите камеры с SoC, способным работать с ИИ и явно поддерживающим функции ADAS и DMS. Дополнительные первоначальные затраты могут окупиться за счет предотвращенных аварий и улучшенного поведения водителей. Помните: этот дополнительный интеллект исходит не от корпуса камеры и не от датчика, а от процессора и программного обеспечения внутри. * **Не полагайтесь только на разрешение.** Маркировка 1080p или 4K не рассказывает всей истории. Камера более низкого класса может иметь такое же разрешение датчика, как и более дорогая, но качество обработки изображения может отличаться. Высококлассные SoC оснащены более продвинутыми ISP, а это означает более резкие изображения, лучшую работу при слабом освещении и более точную цветопередачу и экспозицию. Это может быть критично для получения пригодных к использованию кадров (например, для считывания номерных знаков ночью). Поэтому учитывайте именно процессор обработки изображения, а не только датчик изображения, особенно если качество видеодоказательств для вас важно. * **Учитывайте многоканальность, возможности расширения и запас платформы.** Выбирайте независимую от устройства серверную часть (например, Navixy), которая поддерживает как камеры класса MDVR, так и камеры класса ADAS/DMS, чтобы добавление обзора на водителя или переход к более высоким разрешениям не вынуждали менять платформу. * **Проверьте заявленные функции ИИ и обновления.** Производители часто перечисляют функции ADAS (сход с полосы, предупреждение о фронтальном столкновении и т. д.), если камера их поддерживает. Однако имейте в виду, что между базовыми реализациями и продвинутыми есть разница. Постарайтесь выяснить *как* камера реализует эти функции. Есть ли у нее выделенный чип ИИ (NPU)? Насколько «умной» ее заявляют? Также проверьте, поддерживает ли устройство обновления прошивки для своих моделей ИИ — хорошая платформа может со временем становиться лучше благодаря программному обеспечению, тогда как очень бюджетная может никогда не получить ни обновлений, ни новых функций. * **Планируйте работу со вспомогательными данными (помимо видео).** Если камеры передают данные датчиков CAN, BLE или RS-485, используйте платформу с декодированием на стороне облака, такую как Navixy IoT Logic. Она сохраняет согласованность тегов ИИ и состояния датчиков, позволяя задавать политики для комбинаций (например, сонливость + превышение скорости или перегрев + резкое прохождение поворотов). * **Сопоставляйте бюджет и выгоду.** В конечном итоге все сводится к ROI. Камера с передовым SoC будет стоить дороже, но если она предотвратит серьезную аварию или даст убедительные доказательства, которые помогут в страховом случае, она легко окупится. С другой стороны, если ваши операции автопарка относительно низкорисковые и камеры вам в основном нужны для документирования, вы можете выбрать более простое решение и сэкономить бюджет. Главное — понимать, за что вы платите — вы *«покупаете интеллект, а не коробку».* Сама по себе коробка мало что делает. Именно интеллект (SoC и встроенное программное обеспечение) создает ценность. Мир видео телематики подтверждает это правило: вы получаете то, за что платите. Внешние характеристики редко показывают, на что на самом деле способен SoC (кремниевый мозг). Посмотрите дальше пикселей и памяти — и вы поймете, почему выбор правильного чипа имеет значение. От простых камер для фиксации событий до продвинутых камер ADAS — настоящий тест в том, как они работают вместе. Пилотный проект со смешанным набором камер на независимой от устройств серверной части, такой как Navixy, сразу показывает разницу: обучение водителей, страховые случаи и трафик управляются в одном месте без привязки к вендору. На сегодняшнем рынке именно интеллект внутри камеры определяет безопасность и ROI. Самые умные автопарки покупают мозги, а не просто коробку. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://navixy.com/docs/expert-center/ru/vehicle-telematics-technology/video-telematics/video-telematics-101/inside-the-dashcam-what-really-powers-video-telematics.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.