刷臉還是打臉？Face ID與Touch ID解鎖速度大對決|數位時代 BusinessNext

Touch ID解鎖快，Face ID操作直覺

外媒《Tom's Guide》本周進行iPhone X進行評測時，比較了Face ID 與Touch ID的解鎖速度， iPhone X 從按壓側鈕喚醒螢幕花了1.2秒、滑開螢幕鎖定又花了0.4 秒，整個過程總計 1.8 秒；而使用Touch ID的iPhone 7 Plus直接按壓解鎖進入到主頁只花了0.91秒，顯然比Face ID快許多。

若將iPhone X設定成「抬起喚醒」功能，拿起iphone時螢幕就會自動亮起，不需按任何實體鍵，解鎖過程加快到1.48秒，雖然測試結果看似Touch ID解鎖速度較快，但《TechCrunch》評測人員指出，在實際的日常使用中，Face ID比起Touch ID的優勢在於更加流線、直觀的使用體驗。舉例來說，若使用Touch ID查看通知，必須先點擊螢幕上的通知，再將手指放在Touch ID上，總共需要兩個步驟；而Face ID在將手機抬起點擊通知的同時，就已經在辨識你的臉，就只需要一個動作而已。

加快解鎖速度的小訣竅

雖然兩者的解鎖時間都少於兩秒，Touch ID甚至不到一秒，而兩者速度之所這麼快，其實是有小訣竅的。

蘋果軟體工程副總裁克雷格·費德里吉（Craig Federighi）在上個月曾證實，如果在Face ID辨識身分的同時，先解開螢幕鎖定就可以加快速度，經由《Tom's Guide》實測，Face ID解鎖時間可快到1.5秒。Face ID也可關閉需要雙眼直視才能開啟的設定，因此若不擔心有人趁著你睡覺時偷開手機，可考慮關閉這項功能加快解鎖速度。

而外媒《Tom's Guide》在測試Touch ID解鎖花0.91秒，也是在「鬆開手指開啟」（Rest Finger to Open）的設定下進行，因此若用戶將「鬆開手指開啟」功能關閉的話，解鎖過程所需的時間就會比較長。

結合機器學習，FaceID只會越來越聰明

蘋果在iPhone X上取代iPhone 5S 以來的 Touch ID技術，正式宣告FaceID時代的來臨，雖然在過往的評測中仍被挑出不少小毛病，但別忘了Face ID仍是第一代的科技技術，早期Touch ID剛推出時速度也比現在來的慢，因此未來Face ID只會變得更快、更靈敏，即便是在第一代技術的尷尬期，臉部辨識仍是自然生物識別法中相對不需要思考，使用上容易上手。

Face ID 要能越來越聰明，其實就跟人類唸書學習一樣，靠的都是經驗的累積，除了臉部辨識 Face ID也結合了機器學習技術， Face ID在每天解鎖的過程中，都是再學習辨認使用者的五官。

舉例來說，若用戶某天開始蓄鬍，Face ID在無法辨識外觀身分的情況下，會先要求用戶輸入密碼解鎖，成功解鎖後系統就能辨識出新的外觀跟先前的用戶是同一個人，並將新的造型資料記錄到系統中，即便Face ID會有一兩次凸槌認不出用戶改變造型，隨著使用Face ID的時間拉長、資料的累積，辨識的身分的效率就會更快、更精準。

現階段所有的Face ID的測試都僅限於少部分的評測人員的主觀體驗，本周五iPhone X正式開賣進入民眾日常生活的應用後，Face ID整體的效能應該就會更加清楚，準備好迎接FaceID新時代了嗎？

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。