张翔：人脸识别新规或促使“算法瘦身”

　　近日，国家网信办与公安部联合发布《人脸识别技术应用安全管理办法》，明确提出人脸数据应优先在本地设备处理，减少数据上传和云端存储，即“人脸信息应当存储于人脸识别设备内，不得通过互联网对外传输”。这一规定对AI智能驾驶中驾驶员身份验证的本地化处理提出了新要求。

　　新规最直接的影响体现在智能驾驶系统的硬件层面。过去，人脸识别依赖云端服务器的强大算力，车辆只需配备基础通信芯片即可。如今数据必须在车内完成处理，这就要求每辆车都要搭载高性能的图像处理芯片。这种改变带来了两个现实问题：硬件利用率低下和成本上升。以一辆每天进行5分钟人脸识别的车辆为例，芯片利用率不足1%，却要承担昂贵的GPU芯片成本。这就像给每个家庭配备一台全年只使用几小时的工业级烤箱——虽然能烤出完美面包，但资源浪费显而易见。

　　不过，从长远看，规模效应能够缓解这一矛盾。随着智能驾驶普及率的提升，专用芯片的大规模量产将摊薄生产成本。正如智能手机摄像头从奢侈品变为标配的过程，当车载图像处理芯片形成规模市场后，其价格有望进入合理区间。

　　在隐私保护方面，本地化处理实际上构建了一道“数据防火墙”。企业需要建立双层防护体系：硬件层采用加密存储芯片，确保数据“锁在保险箱”；软件层则需设计严格的访问权限管理，就像给每个数据包配备“电子警卫”。以家庭共享汽车为例，系统不仅要安全存储多位成员的面部数据，还要能精准识别当前驾驶者身份。这要求企业在有限的空间内，既保证数据处理效率，又实现严密的数据隔离。

　　值得注意的是，本地存储并非意味着绝对安全。2022年某车企发生的车载系统破解事件提醒我们，物理隔离的系统同样需要动态防护。定期通过OTA(空中下载技术)更新安全补丁，建立“本地存储+动态防护”的综合体系，才是应对之道。

　　新规客观上推动了边缘计算在汽车领域的发展。正如智能手机逐步承担了原本需要电脑完成的任务，车载芯片也正经历着类似的进化。一些企业已经开始研发“车载计算中枢”，将人脸识别、语音交互等功能整合到同一套计算单元中，提高硬件利用效率。这种集成化思路或许能化解资源浪费的难题。

　　更深远的影响在于，新规可能改变行业的技术发展方向。当数据无法上传云端，企业就必须在有限的算力下优化算法效率。这就迫使工程师们进行“算法瘦身”，开发出更精巧的模型。