你所在的城市，AI 怎样才能让它变得更好？

智慧化城市，概念说了很多年，但 2020 的多灾多难，可能才是真正的推动力。

如果能重来一次，估计很多人希望能再过一次 2019 年，因为 2020 年确实是一个让人血压升高的年份。

年初的新冠疫情虽然让人们习惯了戴上口罩，但要让所有人习惯去任何地方都掏出手机秀一下自己的健康码，可能仍需要时日。疫情刚刚开始稳定，汛情又开始成为人们关注的焦点，「到我的城市来看海」的网络梗很好笑，但真发生在人们身上的时候，当事人可就笑不出来了。

作为社会性动物，现代人的聚集地——城市的设计和治理水平类似于意外保险，平常效果不太明显，往往发生大事时候才能看出高下。早在十多年前，「智慧城市」这个概念就已经被 IBM 提了出来，十年后的现在，基本上没有哪个城市敢说自己已经是「智慧城市」。不过，随着大数据、云计算等技术逐渐成熟，已经有公司开始尝试用数据来让城市治理更有序。

以今年的水灾汛情为例，有些城市做的就比另一些好很多。

今年入夏以来，我国多个沿海城市遭遇台风的「突袭」。而通过气象数据计算出台风的移动路径，再根据城市的 3D 模型进行推演，结合城市排水设施，预测出可能会出现的积水点，智能标记出高危建筑，通知各有关部门提早预防，再通过 AI 智能外呼就可以通知广大市民做好个人防护工作。

如当居民遇险，具备知识图谱能力的 120 中心，通过简单病状描述分析出可能病因，再与病人过往病例交叉分析后，把救助医院、地点、通行路线、救护车位置等信息匹配出来，病人通往医院路途中，数据不间断回传，通知医院工作人员做好准备，完成病人救治工作。

这一系列的操作已经在浙江等沿海城市得以实现。阿里巴巴副总裁刘松告诉极客公园（ID：geekpark），「洪水来得急，具有很大不确定性。目前有两种技术，一种是与气象部门合作，精准预测一小时的雨量，再结合 3D 的山区地形判断洪水流向，大数据统计以后，几小时之内完成上千万人的整体调度和通知。」

刘松进一步说，浙江之所以推动信息化很快，部分原因是浙江经常有台风。包括这次疫情期间，浙江先于武汉，第一个进入一级响应，背后就是通过大数据比对技术，让决策提早到达。

无论是台风预警、还是居民遇险、志愿者工作、城市交通疏导等等都是「城市大脑」运行的实景体现。

虽然我们无法打造一个真正的智慧城市，但是当面临一些重大灾害和事件时，事实证明大数据和 AI，确有机会让城市更智能，提高生活在其中的居民生活的便利性和幸福感。当然，最终让我们的城市更加智能的，绝非仅仅技术而已。

从 1.0 到 3.0，差别在哪？

其实，自 2009 年，IBM 提出「智慧城市」、「智慧地球」等概念之后，关于未来城市到底是怎样的，应该如何智慧，如何智能，业界一直未有定论。此后，国内智慧城市、智能城市、数字城市、智慧政务、商圈、孪生城市等等概念层出不穷。

「智慧城市」的概念就这样从父辈开始谈论到孩子长大，也没有任何实质性进展，不过尔尔。而近两年尤其是 2020 年开始，厂商们开始转变思路，让看起来遥不可及的概念，从概念走向现实。

尽管不同厂商的说法不同，但是本质上离不开两个关键要素，数据和 AI 人工智能。

换言之，就是通过大数据、AI 等技术手段，帮助城市达成治理体系与治理能力的现代化目标。对内提升效率、降低成本、安全可靠，对外完成以数据为驱动的精细化治理、源头治理，以人为中心的公共服务，以及从「释放人口红利」到「释放数据红利」经济发展模式。

刘松也认为，「无非就是数据加上人工智能，极端意义上来看，没有人工智能，仅仅数据打通就能解决很多城市的问题。数据打通后有巨大的效应，带来的变化是跨越式的。过去几十年，无论是城市大脑，还是互联网+政务，本质上是网络效应、数据平台化。」

据了解，2016 年，杭州合作阿里云发布了首个城市大脑，在杭州萧山区部分路段初步试验中，城市大脑通过智能调节红绿灯，车辆通行速度最高提升 11%。2017 年，杭州城市大脑 1.0 发布，接管杭州 128 个信号路灯口，试点区域通行时间减少了 15.3%。无论是高架出行时间，还是主城区实时报警准略率，救护车到达现场时间都大幅度得以改善。

一年后，杭州城市大脑进阶至 2.0 阶段，该阶段主要扩大了城市大脑的管辖范围，主要区域的信号灯路口、视频等都接入了城市大脑。

接着，杭州上线城市大脑的综合版本，从单一的交通领域拓展到城管、卫健、旅游、环保等领域，成为一个中枢系统。今年 6 月，城市大脑进入 3.0 阶段，主要增强了感知、AI 能力，在连接城市所有要素的数据方面也更加宽泛了。

回顾阿里云城市大脑不同阶段的最大差异点。

刘松指出，从 1.0 到 3.0 主要是从局部场景的智能化，比如交通领域，到数据开始跨领域、跨部门共享利用，智能化场景被更多使用，再到城市元素全链路以及多位数据融合等等。

即从单一的交通场景逐步扩展到其他领域、其他场景，最终多个场景的数据打通，再与感知等 AI 技术结合，形成初步的预判。

来自 IDC 数据预测，全球智慧城市市场支出规模上，2020 年，预计中国市场支出规模将达 226 亿美元，仅次于美国，排名第二。主要集中在可持续基础设施、数据驱动治理以及数字化管理三个方面。其中，北京、上海、深圳、广州投入最多。

尽管市场规模、覆盖维度在不断扩大，但实际上城市的智慧化一直在摸索中前进。

真正的问题不是技术

一方面，城市是一个巨大的、复杂异常的立体系统；另一方面，城市建设从来不仅仅牵扯到技术，而是涉及人文、历史、伦理、建筑、能源、生命科学等等多个学科的交叉。

正如北京一位区主任所言，城市智慧建设不仅有痛点问题，还有痒点问题。当人没有挠到痒点时，意识不到痒点的存在，对城市建设问题的了解是模糊的。包括城市大脑在内的建设，也需要提前预知各种痒点。

此外，是数据与碎片化的问题。社会治理需要依靠海量的数据发现问题、发现规律。尽管智慧城市的概念已有十几年的历史，但仅仅在数据治理、数据融合的这个基础层面，就有相对较高的准入门槛。

而不同政府部门之间、不同区域之间，乃至相同地区使用不同的 APP 应用，客观上造成的数据割裂问题，也在一定程度上，影响了数据进一步流通与融合。

一位北京区负责人打个一个形象的比喻，人只需要一个大脑，而城市分不同区域，一个城市需要建设多少个大脑，不同大脑之间怎样协作，还需要进一步探索。同时，人体除了大脑，还有小脑，很多器官，五脏六腑是一个有机的整体。大数据可以是人体的血液，也可以是神经信号，具体需要看城市建设的场景需求。

「IT 不是万能的，需要行政体系，社会治理体系等一系其他体系有机联动。」

不过，这些问题在刘松看来已经没有什么技术难度了。「部门之间的数据孤岛问题，是过去二十年信息化的经典问题，尤其是电子政务或者政府信息化的经典问题，这些问题已经有解了。」

刘松向极客公园举了一个例子，浙江的实践是，由大数据局牵头把几十个部门融合成数据平台，有一套单独的方法论，政府提供建设数据中心。大数据技术产品、数据治理、数据数据管理的方法论和体系由阿里云提供。底座通过数据中心和云平台实现，最终破解了数据孤岛问题。

从管理技术授权，尤其是破解部门数据共享的边界，本质上不是技术问题，而需要足够的授权，现在大家不能再把它当作障碍。

「政府的数字化转型，最大的难题、脏活累活就在于数据融合，跨部门的数据融合，这个平台一旦有了，那么，很多创新就有了。」刘松说。

图源：视觉中国、阿里云｜责编：靖宇

转载请联系极客君微信 geekparker