在当前技术水平下，想要在一分钟内扫描整个美国的摄像头，并实时比对人脸找到一个人，几乎是不可能的。这项任务面临以下几个主要的技术难题：

1. 摄像头覆盖范围和联网情况：

• 美国范围内的摄像头数量极其庞大，包括交通摄像头、监控摄像头、商业摄像头等。这些摄像头分布在各个不同的地方，并且大多数摄像头并没有集中联网管理。

• 各个摄像头可能属于不同的私营公司、公共机构或个人，因此没有统一的接口和协议来访问这些摄像头的数据。

2. 数据传输和处理能力：

• 即使假设所有摄像头都联网，并且可以访问其数据，实时传输和处理如此海量的数据也是一个巨大的挑战。每个摄像头每秒钟都在产生大量的视频数据，这些数据需要快速传输到中央处理服务器，并且进行实时处理。

• 需要强大的计算能力和网络带宽来支持这些操作，现有的基础设施和技术难以支持这种规模的数据处理。

3. 人脸识别技术的复杂性：

• 人脸识别需要高精度的算法和模型来匹配目标人脸。在一个国家范围内进行人脸识别需要处理大量的图像数据，并且要求极高的准确率和效率。

• 环境因素（如光线、角度、遮挡物等）以及摄像头质量的差异也会影响人脸识别的效果。

4. 隐私和法律问题：

• 这种大规模监控和人脸识别涉及到严重的隐私问题和法律问题。未经许可访问和使用个人和公共领域的摄像头数据是违法的，并且会引起公众的强烈反对。

• 各种隐私保护法和数据保护法（如GDPR）限制了大规模监控和数据收集的可能性。

 虽然技术上在局部范围内实现高效的人脸识别是可行的，但在一分钟内扫描整个美国的摄像头并实时找到某个人，从技术、法律和隐私角度来看，都是不可能实现的。这需要跨越巨大的技术障碍，并且在法律和伦理上也面临巨大挑战。