Amazon 揭秘 Amazon One：用生成式 AI 虛擬掌紋，準確率達 99.9999%

出門買東西不帶錢包、不掏手機，在收銀臺上方揮一下手掌就能買單，聽起來很像科幻片裡的場景。

但這套系統的背後有個很尷尬的問題：世界上到處都是人臉的照片，但誰沒事會把自己的手掌高畫質特寫傳到網上？訓練高精度視覺模型最缺的就是高質量資料。

亞馬遜披露了他們手掌識別技術 Amazon One 的底牌。原來早在生成式 AI 爆火之前，他們就已經在用生成式 AI 自己製造手掌來練兵了。

搞一個自動生產手掌的「虛擬工廠」

Amazon One 如今已經在 500 多家 Whole Foods 超市和不少體育場館、便利店落地，讀者如果在北美，可能已經在 Panera 或 Coors Field 見過那臺小小的紅外掃描裝置。

使用者把手掌懸停在掃描器上，裝置會讀取手掌表面的掌紋、褶皺，以及皮下跳動的靜脈血管網路，生成一段獨一無二的數值向量，再繫結你的信用卡或亞馬遜賬號。

問題在於，手掌識別容錯率必須極低，而手掌的真實資料少得可憐。亞馬遜的解法是用生成式 AI 搭建了一個「手掌工廠」，直接生成了數百萬張虛擬手掌圖片，包括皮下血管結構。

用合成數據最大的好處是能隨意定製極端情況。光照變暗、手掌擺放角度刁鑽，或者手上貼了創可貼、戴了結婚戒指、留著疤痕，AI 都能瞬間造出來。更省事的是，這些生成的圖片自帶精準標籤，省去了人工標註海量資料的苦活，同時還針對矽膠假手等偽造攻擊做了專項防禦訓練。

比虹膜還準，而且是一場 1 對 N 的硬仗

這套系統跟我們熟悉的手機人臉解鎖完全不是一個量級的難度。手機解鎖是 1 對 1 比對，手機本來就知道主人是誰，它要做的只是確認眼前的人是不是你。

Amazon One 面對的是 1 對 N 的盲測。你把手往上一放，機器根本不知道你是誰，必須瞬間從龐大的資料庫裡找到你；如果你根本沒註冊過，它還得準確判斷你不在系統裡。

根據亞馬遜公佈的資料，Amazon One 已經被使用了超過 300 萬次，識別準確率達到 99.9999%。結合表面掌紋與皮下靜脈的雙重驗證，其精度據稱是雙眼虹膜識別的 100 倍。

在隱私設計上，掃描使用的是非可見光光譜，無法準確分辨膚色或性別。而且系統只儲存匹配支付憑證的特徵向量，不會直接把掌紋圖片拿去關聯個人身份。

為什麼重要

我們認為，亞馬遜這篇文章最值得看的地方，不是掌紋支付本身有多酷，而是它展示了生成式 AI 在工業落地上的另一條路：用合成數據解決冷啟動。

很多高精尖的物理世界任務，往往不是缺模型演算法，而是根本拿不到足量、合規、帶標註的真實物理資料。亞馬遜用對抗生成或多模態生成網路自己造資料訓練模型，比滿世界採集使用者真實手掌更安全，也快得多。這種「用 AI 生成資料來訓練另一個 AI」的思路，在自動駕駛、工業質檢和醫療影像裡都極具參考價值。

不過從消費者角度來看，掌紋支付的技術再完美，心理門檻依然很難跨越。人臉和密碼洩露了還能換，生物靜脈資訊一旦洩露根本無法重置。亞馬遜雖然強調不存原圖、不識膚色，但要把這種強繫結的生物識別推廣到日常支付，使用者對科技巨頭資料壟斷的擔憂，恐怕不是一句準確率達到幾個九就能輕易化解的。