AI生物识别“无感通关”：从机场安防到智能汽车体验的同一套逻辑

机场排队最让人崩溃的不是慢，而是“慢得没有意义”。你刚结束一段十几个小时的长途飞行，拖着行李，脑子里只剩一件事：快点出去。结果现实通常是：护照、入境卡、问询、等待、再等待。

2025-11-26，印度尼西亚在雅加达与泗水两座机场上线了一种新做法：旅客不需要在移民柜台停下，只要沿着一条走廊继续走，系统就能在你“移动中”采集人脸等生物特征并完成身份核验，实现更接近“无感通关”的体验。这背后是 AI 与生物识别在公共安全场景的一次“产品化落地”。

我把它放在“人工智能在安防与公共安全”系列里看，最大的启发不是技术有多新，而是它把安防系统做成了像一辆软件定义汽车那样的体验：默认顺滑、只有异常才打断。这套逻辑，正在从机场扩散到更多交通与出行场景。

无感通关的关键：把“验证”从柜台挪到流程里

无感通关真正改变的，是“身份核验发生在哪里”。传统通关把验证集中在一个点（柜台/闸机），于是所有人都被迫在同一处停下，排队自然就出现了。印尼机场上线的“走廊式通关”，本质上是把验证拆散到流程当中：你在行进中完成采集与比对，系统在后台完成决策。

这套系统怎么运作（用产品视角看）

从公开信息看，印尼采用的是由 Amadeus 推出的 Seamless Corridors（无缝走廊）方案：

• 前置申报：旅客在起飞前通过 All Indonesia App 统一提交移民、海关、健康与检疫信息，类似“先线上把资料交齐”。
• 到达后移动采集：旅客下机后进入宽走廊，摄像头与传感器在不要求停留的情况下采集面部信息。
• 人脸与证件照匹配：系统将实时采集的人脸与护照照片等资料进行匹配，确认身份。
• 异常才介入：当匹配失败、风险高、资料缺失等情况出现，才需要人工进一步核验。

这种设计对安防的意义很直接：它把有限的边检人力从“重复检查”中释放出来，转向“处理例外与高风险”。对体验的意义也很直接：它减少了最讨厌的“无效停顿”。

为什么 2025 年更容易落地

这类方案并不是 2025 年才有想法。相关供应商早在 2001 年就开始研发类似能力，但过去常卡在三件事：

1. 采集质量：移动中采集更难，光照、角度、遮挡都更复杂。
2. 算法鲁棒性：人脸识别在真实环境里要抗噪声、抗姿态变化，还要足够低误报。
3. 工程与规模化：机场是强约束场景，系统要高可用、可扩展、可监管。

AI 算法、成像能力与系统工程成熟后，才让“走着就能过”从演示走向运营。

这不是“更方便”这么简单：安防与用户体验第一次对齐

公共安全系统常被吐槽“只顾安全不顾人”。现实更复杂：机场必须安全，但也必须承受高峰客流。把两者对立起来，最后往往两边都做不好。

印尼的案例有一个值得强调的点：它让安全目标与体验目标同向。

• 对安防方：更完整的数据链路（事前申报 + 到达采集 + 风险分流），更可控。
• 对旅客：少填纸质卡、少排队、少被盘问的焦虑。

原文提到 Amadeus 在 2025 年一份覆盖 9,500 名旅客的调查中发现：90% 的受访者在旅途中某些阶段会焦虑，其中约四分之一认为机场安检是最大的担忧之一。把焦虑压下去，不靠“温柔提醒”，靠的是流程设计：把不确定性减少，把可预期性提高。

一句话概括：好的 AI 安防体验，是默认放行，例外处理。

从机场到汽车：同一套“无感交互”正在改写出行软件

把“无感通关”类比到汽车软件与用户体验，会发现它与特斯拉等软件定义汽车的思路非常接近：

• 传统汽车/传统通关：功能堆在按钮和柜台上，用户必须停下来“操作/配合”。
• 软件定义汽车/无感通关：系统持续感知与判断，用户只在必要时被打断。

类比 1：从“闸机”到“仪表盘”——交互减少不是偷懒，是成熟

很多车企在做智能座舱时容易犯一个错：把 AI 当成“更会聊天的语音助手”。但真正决定体验的，是交互次数。

机场走廊式通关减少了“出示—盖章—确认”的次数；车内同样可以减少“点菜单—确认—再确认”的次数，比如：

• 导航自动理解“你下班回家”的意图，不要求你每次输入地址
• 充电/加油建议不是弹窗推送，而是结合电量、路线、温度给出一条可执行方案
• 驾驶辅助把提醒放在“刚刚好”的时机：该接管才接管，不该吓你就不吓你

类比 2：数字身份=车端账号体系，关键在“可信与可控”

无感通关依赖数字身份：你提前提交资料，系统在到达后用生物识别确认“你就是你”。汽车软件也正在走向类似模式：驾驶员账号、钥匙、支付、车辆权限管理等都在“身份化”。

我更愿意把它称为交通系统的身份基础设施。做不好会很糟：盗用、误识别、权限越界。做得好会很爽：上车即识别、座椅与空调自动恢复、儿童/代驾权限一键切换。

类比 3：文化差异提醒我们——AI 体验必须可配置

调查里还有个有意思的数据：对生物识别的接受度在不同文化里差异明显，报告提到中国旅客的接受度更高（88%），法国旅客较低（54%）。这意味着“无感”不等于“默认采集”。

放到汽车领域也一样：

• 有人希望车机更主动、更懂我
• 有人只接受最少数据、最少记录

产品策略应该是：核心体验一致，隐私与数据使用可配置。默认给明确说明与选择权，而不是把设置藏到三层菜单里。

真正的难点：误识别、对抗攻击与隐私治理

无感通关让流程更快，但也把风险暴露得更集中。对公共安全与安防系统来说，下面三类问题必须正面回答。

1）误识别：速度提升不能靠“容错放大”换来

在人脸识别场景里，误识别的成本不一样：

• 把陌生人错当成某个合法旅客：安全风险
• 把合法旅客错判为异常：体验灾难，甚至引发投诉与舆情

工程上通常要做的是“分层决策”：

• 高置信度直接放行
• 中置信度二次验证（例如提示短暂停留、补充采集）
• 低置信度进入人工核验

这也是智能驾驶里常见的策略：能确定就自动做，不确定就交给人。

2）对抗攻击：面具、照片、深度伪造都不是科幻

原文评论区就有人提到“戴逼真面具是否会触发警报”。这类担心不是杞人忧天。活体检测、反欺骗（anti-spoofing）与多模态校验会成为标配。

实践里更稳的做法通常包括：

• 活体检测（眨眼、皮肤纹理、红外/深度信息）
• 多角度采集（走廊多点位摄像头）
• 风险画像（行程、申报一致性、历史异常等）

对汽车也一样：车内驾驶员监测要防照片、视频回放；车外钥匙系统要防中继攻击。所谓“无感”，背后必须是“更强的对抗能力”。

3）隐私治理：别把“去中心化”当口号

报告提到一种方向：用去中心化的身份证明，让信息存储在数字钱包或 App 中，验证在本地临时完成，并通过加密与授权共享。

这件事放到任何“AI 安防与公共安全”系统里，都应该落到可检查的机制，而不是宣传语：

• 数据最小化：只收通关必要信息
• 目的限定：通关数据不应被随意挪作他用
• 保存期限：过期删除与可审计
• 授权可撤回：用户知道自己什么时候分享了什么

对车企而言，账号、语音、位置、车内摄像头等数据同样需要这套治理。体验要好，前提是信任要稳。

给交通与汽车产品团队的4个可执行建议

如果你在做智能座舱、车联网、智能泊车或车端安防（如车内监测、哨兵模式），这次机场案例可以直接转成产品动作。

1. 把“验证”做成流程，而不是节点：减少必须停下来的动作，让验证在自然使用过程中完成。
2. 建立“例外优先”的运营体系：把人工资源留给异常与高风险用户，别用人力去维持队列秩序。
3. 用分层置信度管理体验：高置信度自动化，中间态给轻量二次确认，低置信度再人工。
4. 隐私设置做成“前台功能”：默认透明、可选、可撤回。把信任当产品的一部分，而不是法务附录。

下一步：无感交互会成为交通系统的默认形态

无感通关这类实践提醒我一件事：AI 在交通领域最有价值的地方，不是“更聪明地识别”，而是“更少地打扰”。当安防系统能在不增加摩擦的前提下提高可信度，公共安全的接受度反而会更高。

对智能汽车也是同理。用户真正想要的不是一块更大的屏，而是更少的无意义确认、更少的学习成本、更少的被迫等待。软件把体验抹平之后，品牌差异才会体现在细节：你是否能在关键时刻“刚刚好”地介入。

如果你正在评估 AI 在汽车软件与用户体验中的落地方式，不妨反过来想：你的系统里，哪些“排队”其实是你自己设计出来的？哪些交互本可以被悄悄移走，只在异常时出现？