會測謊的自動通關機、企業AI面試官——人機合作時代來臨了|數位時代 BusinessNext

會測謊的自動通關機、企業AI面試官——人機合作時代來臨了

迎接人機合作新時代！未來旅客過海關時，將面對一台AI自動通關機，「AVATAR 」結合安檢與測謊，重塑安檢新型態；在日本也有AI面試官，幫助企業節省人力成本。

除了自動通關，還兼具測謊功能

這套機器叫做「及時自動測謊虛擬助理」簡稱為「AVATAR 」，它結合了人工智慧（AI）、多個感應器、生物辨識功能，「AVATAR 是一個自動服務機器，有點像是機場的自助登機機台，或是超市的自動結帳機。」

研發人員表示，AVATAR機台上有一個螢幕，會在旅客過海關時，詢問一些基本問題，像是「行李裡有水果或蔬菜嗎？」、「身上有攜帶武器嗎？」、「來訪的目的是什麼？」，接著機器會透過人類眼睛的移動、聲音變化、臉部表情、姿勢等生理與行為變化，搭配虹膜辨識系統、情緒與壓力感應器，來辨識這個人有沒有說謊，或透露不安的訊號，藉此揪出高風險人物。

亞利桑那大學研究員 Elkins表示，AVATAR的測謊功能有高達60%到70%的準確度，最好時可以達80%，「通常來說，人類的準確率大約是54%到60%。」

不是要取代人類，「人機合作」讓工作更順利

AVATAR是由美國國土安全局出資研發的一款機器，亞利桑那大學研究人員在2012年時推出第一代版本，在美墨邊境針對部分自願者展開測試，但當時國土安全局認為雖然想法很吸引人，但技術還不夠成熟。

這套系統需要仰賴大量數據以及機器學習作為基礎，自第一代機器推出以來，研發團隊加上了額外的感應器，機器有能力可以分析更多的數據，而且完全不需要休息，過去一年AVATAR開始在加拿大、歐盟部分地區展開測試，AVATAR一旦判斷旅客沒有通過測謊時，便會通知海關人員進行後續面談。

AVATAR跟傳統的測謊儀器不同，因為是藉由感應器監控生理反應，因此過程中完全避免掉肢體接觸，同時能提升效率以及準確度，AVATAR研究團隊強調，這款機器目的不是要取代海關人力，而是要讓人類將時間專注在擅長的事情上面，希望透過「人機合作」的方式讓安檢工作更順利。

不怕外貌偏見，日本企業找來AI面試官

也許在不久的未來，就能在機場、邊境看到AVATAR協助安檢，這項技術一旦更成熟，未來還能在面試、人力資源應用領域提供協助。

最近日本人力公司En-Japan，就在東京、關西舉辦了一場特殊的面試活動，找來AI當面試官，這場面試共有20名大學生前來參加，進入面試會場後面對的是一台手機，AI分析完求職者履歷後，會根據面試者的性格提問，問題會顯示在手機螢幕上，只要對著手機回答問題就可以。

對企業來說，除了可以節省人力成本，對面試者也有一項附加好處，因為AI清楚掌握求職者的個人資訊，完全是以「能力」作為依據，不會像人類面試官存有對外貌的偏見，避免受「以貌取人」因素，影響面試結果。

另外，日本軟銀（Softbank）去年開始導入IBM的人工智慧系統「華生（Watson）」，軟銀先讓AI從過去的人事案例中學習篩選標準，讓他理解企業選才標準，平均一秒就能完成上百件的履歷初審，比起人類平均一份履歷需花上三分鐘，效率翻了好幾倍，軟銀從今年四月開始，就會由AI來協助審核求職文件。

不過有AI求職經驗的人表示，比起人類面試官會軟性的話家常，AI面試官較一板一眼，顯得有些單調，另外企業也不是完全都仰賴機器，包括軟銀、全日空（ANA）都表示，AI初審完履歷後，還是會用人力重複審核，因為「人」才是將來要一起共事的本體，再厲害的科技都比不過親自用眼睛看過的那份踏實。

科技的出現，不完全是要取代人類，在AI面試官、測謊通關機這兩個案例中，都看到了「人機合作」的新模式。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。