机场电子门禁、渡轮码头卡车队列、公路检查站——“边界”常被视为隔离带式的静态通行入口。
全球化加速使边境管理日益艰难。海量旅客与货运在全球高频流动，虽带来红利，却也引发严峻挑战，令边境官员任务繁重。
同时，政治、监管及经济层面的发展要求边境管控发挥更大作用。这不仅是安全问题：客运航班激增、企业全球物流频繁，加之移民法规趋严、跨国犯罪与恐袭威胁上升、后脱欧时代贸易变革等，我们亟需新方法评估风险，并彻底重构对“边境”的认知。
预筛查的重要性
实现路径之一是设立“出口边境”，即在物理边境前部署筛查。目前风险评估多依赖入境点数据（如货运提单、护照生物识别），但部分国家已证明：边境不必是物理概念，可在旅程开始前拦截高风险人员或货物。
例如美国实施旅客预筛查：免签旅客亦需通过“旅行授权电子系统”（ESTA）评估，采集生物信息以判定入境资格。
2018年，美国海关和边境保护局推出航空货物提前筛查（ACAS）计划，获取抵美货物的先进航空货运信息。这种“预装载航空货运信息”（PLACI）作为前置风险评估补充，助官员在装运前决策，加速实际口岸查验。
此模式值得推广，且不应局限于机场，陆路与海运同样适用。
风险之间的关联
需重新审视边境人员对风险关联的理解。过去仅关注特定商品或个人，如今机构应提供整合乘客、货物、司机及路线信息的全面视角，以便识别模式、预测风险并精准定位。即“跨领域定位”，助官员洞察多因素关联，形成风险全景图，实现智能执法。
实施跨领域定位有赖于加强机构协作。该方法虽有效，但仅有少数国家设有统筹货物与移民事务的综合机构（如美国CBP自2003年起隶属国土安全部）。多数地区因体制分割，信息共享仍存障碍。
智能洞察工具
认知需求仅是第一步，若无配套资源则徒劳无功。即便收集大量信息，若无法关联现有数据、识别趋势并正确响应，整体视野优势便难以发挥。因此，技术解决方案不可或缺。
面对复杂威胁，需建立个人与走私物品的关联分析。传统方法易致“误报”，浪费大量时间排查非威胁目标。
机器学习的应用
现有技术易被规避，需引入自动化统计模型与机器学习。此类技术可提前授权低风险对象，利用动态算法标记风险行程，定制应对高危威胁方案，并减少人工操作依赖。
重审21世纪边境
全球边境管理日趋复杂。无论英国脱欧结果如何，边境管控都可能成为贸易壁垒；持续移民问题也需新解法。将边境自动化并定义为包含多重干预点的整体体系，有助于缓解压力。但这取决于管理机构深化合作与投资适配工具的决心。
关于作者：Ray Batt在Unisys Global公共部门担任边境安全项目总监。