Apple Intelligence traz resumos de vídeo com IA para o HomeKit, mas custos elevados e alertas escassos ficam atrás do Google e da Ring

Apple Intelligence expande para câmeras de segurança domésticas com iOS 27

A Apple trouxe capacidades de visão generativa para seu ecossistema de casa inteligente com o lançamento do Apple Intelligence para HomeKit Secure Video (HKSV), lançado junto com o iOS 27 em 14 de setembro. A atualização equipa câmeras de segurança e campainhas de vídeo compatíveis com notificações de texto em linguagem natural, busca automática de clipes e montagem de eventos entre múltiplas câmeras, colocando a Apple em competição direta com os recursos Gemini do Google Nest e as ferramentas de monitoramento inteligente da Amazon Ring.

Para medir como o sistema se comporta no uso diário, Jennifer Pattison Tuohy, da The Verge, testou o novo ecossistema da Apple ao lado de seus principais concorrentes, configurando uma Aqara Doorbell Camera G400 (US$ 99) no HomeKit, uma Google Nest Doorbell 2K (US$ 199,99) e uma Ring Wired Doorbell Pro (US$ 249,99). Embora a atualização marque a primeira grande incursão da Apple na visão generativa para o lar, os resultados iniciais mostram que a empresa enfrenta grandes obstáculos em precisão descritiva, confiabilidade das notificações e preço da assinatura, em comparação com as ofertas mais consolidadas da Amazon e do Google.

Testando Precisão, Confiabilidade das Notificações e Preços do iCloud Plus

Para usar o Apple Intelligence for Home, os usuários precisam de um iPhone compatível com IA rodando iOS 27, um hub doméstico com tvOS ou HomePod na versão 27, uma câmera compatível com HKSV e uma assinatura de armazenamento iCloud Plus. O preço dos recursos de IA da Apple está diretamente ligado aos níveis de armazenamento em nuvem:

• Plano de 2 TB (US$ 9,99/mês, ou US$ 39,95 via Apple One): Suporta recursos de IA em 1 câmera.
• Plano de 6 TB (US$ 29,99/mês): Suporta recursos de IA em 2 câmeras.
• Plano de 12 TB (US$ 59,99/mês): Suporta recursos de IA em até 5 câmeras.

A Apple impõe um limite rígido de cinco câmeras para os recursos de IA, embora a gravação padrão do HKSV cubra câmeras ilimitadas no nível de 2 TB. Em comparação, tanto o Google Home quanto a Amazon Ring cobram tarifas fixas de US$ 20 por mês para oferecer recursos completos de IA em um número ilimitado de câmeras. A Ring cobra US$ 3 adicionais por câmera para gravação contínua 24 h, enquanto o Google inclui gravação 24 h para câmeras Nest com fio dentro do seu nível base de US$ 20.

Em comparações operacionais diretas, a Apple forneceu as notificações mais concisas e, frequentemente, menos úteis. Ao detectar um animal de estimação do lado de fora, a Apple relatou “Um gato sentou no alpendre”, enquanto a Ring descreveu “Um gato está em pé na passagem fora do alpendre”, e o modelo Gemini do Google identificou a coloração específica: “Um gato preto e branco caminha pelo alpendre”. A Apple costuma generalizar indivíduos como “alguém” em vez de reconhecer uniformes, pacotes ou ações específicas que o Google e a Ring capturam rotineiramente. Os modelos de visão nas três plataformas também geraram alucinações; um cortador de grama robótico foi identificado como “um simulador de saque de tênis” e “um hoverboard cinza”.

O reconhecimento facial da Apple foi notavelmente hesitante, marcando periodicamente os residentes com frases incertas como “Alguém que pode ser Jennifer Pattison Tuohy”. A Ring mostrou-se a mais confiável na identificação facial, enquanto o Google identificou rostos corretamente em cerca de metade das vezes. A entrega de notificações também falhou na configuração da Apple: alertas de movimento da Aqara G400 pararam intermitentemente de ser enviados ao aplicativo Apple Home, embora ainda fossem disparados no aplicativo proprietário da Aqara. No entanto, a Apple reestruturou completamente seu pipeline de gravação backend para o iOS 27, resolvendo com sucesso quedas prolongadas de clipes em hardware conectado como as câmeras externas Eve e os modelos Aqara G5 e G350.

Cada plataforma demonstrou capacidades de software distintas:

• Apple: Possui “clip stitching” multi‑câmera, que rastreia um sujeito entre diferentes câmeras e une as filmagens em uma sequência contínua, além de um filtro algorítmico que destaca eventos “relevantes” na aba de busca.
• Ring: Inclui um mecanismo de “Eventos Incomuns” que mapeia rotinas diárias regulares e filtra atividades rotineiras. Nos testes, isso reduziu os alertas diários de cerca de 40 para dois ou três, ignorando saídas normais da casa enquanto sinalizava perturbações noturnas.
• Google: Oferece busca em linguagem natural, resumos de texto diários “Home Brief” e automações acionadas por visão. Nos primeiros testes com um alimentador inteligente e o Pet Memory da Google, porém, o sistema dispensou comida sempre que qualquer gato apareceu, falhando em restringir a alimentação a um animal específico.

O Compromisso de Privacidade na Nuvem e a Mudança para IA Local

Implantar Vision Language Models para monitorar a atividade doméstica traz novos desafios de privacidade. Enquanto o HomeKit Secure Video tradicional processa os clipes localmente em um hub doméstico antes da criptografia de ponta a ponta e do backup na nuvem, o Apple Intelligence encaminha os resumos de vídeo através do Private Cloud Compute (PCC) da Apple baseado na nuvem. A empresa afirma que os clipes são descriptografados dentro do PCC apenas para gerar legendas de texto, não são acessíveis a administradores e são apagados permanentemente imediatamente após o processamento.

Os concorrentes gerenciam os dados por meio de arquiteturas diferentes. A Ring historicamente processou todo o vídeo na nuvem, atraindo críticas devido a solicitações de dados por parte das autoridades. A Ring introduziu recentemente o “TAKE”, uma estrutura de criptografia que rotaciona automaticamente as chaves, elimina a cópia interna de vídeo da Ring após 24 horas e impede que a empresa descriptografe as gravações dos clientes para a aplicação da lei. O Google Nest criptografa o processamento Gemini em trânsito e em repouso, realizando algumas tarefas no dispositivo enquanto depende dos servidores do Google Cloud para cargas de trabalho generativas intensas.

À medida que as câmeras inteligentes evoluem de detectores de movimento passivos para gatilhos proativos de casas inteligentes, a demanda dos consumidores pode acabar favorecendo arquiteturas de processamento local‑primeiro. Fabricantes de hardware como Anker Eufy, Reolink, Ubiquiti UniFi e UGreen estão cada vez mais implantando processadores neurais locais para executar visão computacional totalmente dentro da casa, evitando taxas de assinatura recorrentes e o processamento de dados fora do local.