人臉辨識全面監控時代來臨,天眼能在百萬人中找到「你」,晶睿:技術已經不是問題
人臉辨識全面監控時代來臨,天眼能在百萬人中找到「你」,晶睿:技術已經不是問題
2018.06.07 | 物聯網

中國利用數位科技加強對社會監控,然而歐盟卻實施了史上最嚴格的一般資料保護規定(General Data Protection Regulation,簡稱GDPR),台灣安全監控龍頭晶睿通訊董事長陳文昌說,透過深度學習,從百萬人中找到你不是技術問題,但牽涉國情不同,用不用是政策的問題。

IMG_4419.JPG
晶睿董事長陳文昌說,人臉辨識技術發展成熟,要從百萬人次中找到你不是技術問題。
圖/ 王郁倫攝

為維護社會秩序安全,今年陸續有媒體報導,中國政府對新疆維吾爾自治區2200萬人民進行監控,不僅街道監視器鋪天蓋地,汽車加油都必須刷身份證,並做臉部辨識,然而影像監控系統真的可以做到「辨識你是誰」嗎?

安控大廠晶睿剛在上半年交貨給澳洲雪梨地鐵1.3萬台安控攝影機,在波蘭高鐵或印度市區都有晶睿的產品,陳文昌今(7)日表示,新疆的影像監控技術是真的,透過深度學習,要從數百萬人中找到「你」,技術上並不是不可行。

陳文昌說,由於影像照片大量上傳網路,你不上傳,朋友也可能上傳合照,辨識個人已經不難,科幻電影上的情節其實都已經存在,只是各國國情不同,有些國家可以做,但歐洲則對監控鏡頭特別敏感,連有攝影機照到窗戶或家門,都必須遮蔽,但有些國家則可以,他直言影像監控「是政策的問題,已經不是技術的問題。」

shutterstock_573549067_data-privacy.jpg
GDPR上路後,提高了歐盟對個資的保護程度。
圖/ shutterstock

歐盟GDPR上路,人臉辨識要當事人同意

而面對GDPR新法令上路,安控業者如何面對?晶睿品牌事業研發副總馬仕毅表示,公司確實花很多力氣在處理,由於法令規範使用個資時要經過當事人同意,才算合法,但很多商業應用中身份認證是重要條件,所以晶睿做法是跟業主溝通,比方學校的案件可以要求來接小孩的家長先註冊臉部資料,才能接小孩,基本上家長都會同意。

至於零售門市的攝影機則必須把個人臉部資料模糊掉,只計算性別男女或年齡預測等等,不涉及個資。馬仕毅表示,歐洲國家本來就對影像監控很敏感、要求度高,所以銷售歐洲的產品部分軟體功能會拿掉。

IMG_4425.JPG
晶睿是第一個將趨勢科技防侵入安全軟體放在安控攝影機中的品牌業者。
圖/ 王郁倫攝

馬仕毅補充,晶睿的產品可以做人臉辨識,但產品是放在客戶端,所以GDPR的影響是客戶端比較大,晶睿方面則是必須讓產品沒有後門,讓攝影到的影像資料不會被破解。

根據晶睿內部測試,由於每台安控攝影機平均每2~3分鐘就會被駭客攻擊一次,所以更需要做好資安防護。

而為了避免個資被駭,晶睿也率先跟防毒軟體大廠趨勢科技合作,成為第一個內建防入侵軟體的安控鏡頭業者,讓新產品同時有智慧影像分析跟資安防護功能,目前先放入200萬畫素的旗艦機中,第3季將導入魚眼4K鏡頭,未來全線新產品都會導入資安防護。

攝影機邊緣運算即時判斷反應度高

今年深度學習技術受到重視,晶睿早已積極發展深度學習在安控產業的應用,馬仕毅說,去年起晶睿已開始將AI應用放在攝影機中,今年功能更強化,從可以計算人流人數,到辨識人或物,現在還能辨識「你是誰」。

馬仕毅說,晶睿的深度學習演算法,是利用攝影機邊緣運算能力做影像辨識,過去安全監控的影像辨識分析能力都是送到後台雲端去做,但會遇到流量瓶頸及判斷延遲等問題,但現在則利用邊緣運算,可以即時反應。

另外邊緣運算的優點是,利用訓練資料跟正確標籤就可以讓機器自動學習,當應用在客戶場域上時,若發現判斷錯誤,還可以把發生錯誤的資料再加入訓練,就能提高精準度。

IMG_4412.JPG
當安控鏡頭能夠監控辨識人臉身份,是利是弊各國政策看法不一。
圖/ 王郁倫攝

經過深度學習,未來連槍聲都能辨識

晶睿的360度智慧魚眼攝影機可以作人群偵測,分析環境中發生的事件,透過三維定位辨別人的身高,判斷是成人或小孩,進而預測哪些人有消費能力,哪些入口人流最多,目前3D人流計數攝影機已經用在故宮博物院禮品店等地方,能預測人流精準度達到98%,是業界最高。

目前晶睿也跟台達電合作計劃進軍無人商店市場,在產品貨架上方設攝影機,偵測消費者對物品有沒有興趣,究竟拿哪一款產品等。

「甚至攝影機也可以進行聲音學習,設定辨識聽到槍聲就通報」馬仕毅說,深度學習可以利用攝影機上所有的感測器做訓練,加上邊緣運算是分散式系統,架構容易擴充,未來應用潛力很高。

關鍵字: #gdpr
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓