文 | 李永華
來源 | 智能相對論（ID：aixdlun）
隨著城市化規模的進一步上升，擺在市長們眼前的城市治理攤子也越來越棘手。一方面，公共資源的增加速度遠遠無法解決人口增長帶來的複雜問題，另一方面，普通老百姓也在日復一日的擁堵、有些不太齊整的市容市貌、偶爾捉襟見肘的能源供應（例如：高溫停電）這些身邊的問題面前頗有怨言。
這時候，解決問題的智能化方案成為科技公司，尤其是雲服務平臺熱衷進入的領域，或也成為市長們緩解焦慮的有效路徑。
諸如百度、騰訊、阿里以及亞馬遜、微軟、谷歌等企業紛紛入局，眾多巨頭們看準了市長們每年在城市治理的智能化上的鉅額投入，在ABC（人工智能、大數據、雲計算）等方面各出“新招”。而誰能解決市長的焦慮，誰或能首先實現市場突破。
對城市治理的“智能化”理解，過去也許跑偏了
新技術應用到傳統領域，其在應用過程中也不免存在著對概念的誤讀以及對應用的曲解。
1、政府不能唱“獨角戲”
許多人認為城市治理的智能化應該由政府全權負責。然而事實並非如此，拿共享單車來說，之前政府做的公共自行車無一例外都沒有成功，而企業方同樣是做共享單車，用的卻是極其市場化的方式，把站點建設和用戶對服務到家需求兼顧，從而跑出了新天地。
所以，新技術應用到建設也需要充分發揮市場的主動權。技術的應用本身也不僅僅是要求政府管理水平需要大幅提高，更加重要的是讓市民懂得如何通過市場化手段滿足自身需求，企業清楚如何在適當的時機採取各種方法達成目標。
也就是說，技術應用落地從來都不是政府一個人的遊戲，其建設是一條市場主導、政府引導的路子，要求的是政府和企業一起通過市場化服務、社會化服務來推動公共服務，最終實現社會效益和市場收益最優。
2、技術全面落地不只是“拼圖遊戲”
最終，智能化的城市應該長什麼樣子？這個問題不亞於回答“什麼是好人？”
隨著城市綜合治理理念的不斷成熟，人們開始意識到目前個別企業標榜的“智慧應用”僅僅只是耍小聰明式的玩法，與真正的全局智能化還相差甚遠，儘管量級（即擁有多項“智慧應用”）上已經接近，但依然是支離破碎的。
如今城市治理智能化建設需要面臨最大的難題，就是需要跨界整合不同的技術和應用，並形成統一的系統，從而在生活的各個方面實現落地。
許多企業都力圖把自己說成是所謂“智慧城市”的代表，而它們只是在做“碎片化”的智慧。對於入局的玩家來說，智能化城市治理需要充分利用每個業務線的“優勢拼圖”，才能真正拼出不一樣的“智慧城市”，從全局動態運營層面讓市長放心，而不是頭痛醫頭腳痛醫腳，新問題層出不窮。
解決安防、環保、交通三大難，或是緩解市長焦慮的開始
隨著“互聯網+”和城鎮化浪潮的風起雲湧，智能化被寄望了廣闊前景和無限潛力。其中，最讓市長們頭痛的安防、環保、交通三個城市建設難題，也一度被當做核心發展領域。而這三個部分在城建財政支出上一般都佔有很大比例，從現實角度講，誰能緩解市長焦慮，誰可能就算有了技術落地+商業化成功的開始。
不過，城市治理智能化構建並不能一蹴而就，它至少需要分為“三步走”。
第一步：應用AI數據感知，從終端層面獲取數據並轉化成有價值數據。感知數據是智能化的奠基工作，比如，百度云為各領域數據提供了豐富的感知方式。包括，百度雲與銀川交通合作，應用路網硬件數據採集及交通工具數據採集；其又與首都機場簽署戰略合作協議，實現機場閘機人臉識別收集用戶信息以及與蘇州公安合作，實現安防快速取證；與寧波智慧城管項目合作，利用“百度大腦”的數據感知、收集、加工以及人工智能分析基礎平臺，構建最完整的AI技術開放生態，為寧波創造了一個完整的“智慧城管”全過程。
第二步：大數據分析。從終端AI數據感知，到通過對有價值數據綜合分析得出有價值決策信息，每一步都是智能化構建的重要組成部分。比如在智能樓宇領域，百度雲自曝AI黑科技，通過百度在能源管理、物聯網、人臉識別等方面能力，可實現系統節能20%以上，可為企業年節省電費100萬元。同時，百度雲與首都機場、美蘭機場合作，綜合運營數據，共通推進智慧機場建設。阿里則通過螞蟻金服宣佈上線“城市服務”，通過支付寶這個強粘性的產品，充分了解並分析用戶需求，併為參與到智能化城市治理建設中來的機構開放更多的移動與數據能力。
第三步：落地多元化的行業服務。智能化落地場景除了城市/機構公共服務，並利用AI數據感知和大數據分析最終的行業應用落地。比如騰訊與西安市政府合作，將其第一款產品“騰訊覓影”落地西安智慧醫療領域，併發布的智慧醫院3.0解決方案，提升了患者的就醫體驗。百度雲則在各領域多點開花，其先後與山西市政府、美蘭機場、寧波市政府等多方面合作，打造了一個涉及銀行、保險行業、車聯網、智能家居、鋼鐵、煤炭等多個領域的應用鏈條，保障了百度在智能化城市治理構建中各環節的完整性，更進一步推出天工平臺，聚焦工業物聯網，對多個領域進行產能升級和應用賦能。
當然這三步並沒有絕對的先後順序，具體還需要看每個企業自己的優勢和執行進度。回過頭來看，百度雲之所以能夠以後起姿態獲得一定的案例領先優勢，也正是因為通過三步走，在著重解決市長的焦慮：
安防方面：寧波智慧城管項目解決城市治理無法實時監控的難題，通過終端圖像數據收集、雲端分析處理更好地治理市容市貌、預控隱形風險；蘇州人臉識別卡口系統大大提升安防數據的來源和準確性，為預防犯罪、提升城市治安水平和市民安全感提供了保障。
環保方面：在工用、民用能源日益緊張的今天，節約而又不傷及正常使用成了重要課題，百度的智能樓宇不僅僅是個體節約電費支出的問題，更重要的是能夠幫助市長們避免面對處處告急的能源負荷境況，只不過這種方案可能還需要從百度單一項目向所有樓宇推廣。
交通方面：經濟的快速發展導致城市日益擁堵，與百度雲合作的銀川市在2018年Q1出其不意成為了全中國最堵的城市，百度雲推出的靜態智慧交通系統剛好卡在了交通形勢最為嚴峻的點上，通過上文所說的多端數據採集來試圖緩解處處停車場的交通狀況，智能化城市治理案例佈局到了關鍵點上。
點對點落地，最終都要解決這兩個問題
想要更好落地智能化應用，尤其是像百度雲這樣從全局安排但是又點對點破局安防、環保、交通智能化問題的平臺，面臨兩個亟需解決的問題。
1、解決信息孤島問題
如今世面上，城市治理智能化的項目越來越多，但在推進過程中，面臨包括“千城一面”、“重建設、輕應用”、標準規範缺失等問題，尤其是政府數據資源的不夠開放和共享，“信息孤島”等現象，已經逐步成為制約各地新型城市治理的突出問題。
智能相對論認為，正如中國科學院院士、北京理工大學副校長梅宏所說，未來智能化的城市，應是一個軟件定義的城市，在萬物互聯的基礎之上，所有的信息基礎設施、各種傳感器、數據資源、能源、交通及其構成的網絡和新型應用等，都需要基於數字化、虛擬化來構建。因此打破信息孤島，實現數據的開放共享極為重要。
但這其中，還需清楚的是，“信息孤島”只是目前第一階段需要克服的難題，在打破信息閉塞實現開放共享之後，下一階段就是運用數據做決策，而不論交通、養老、教育、安全、出行哪個方面，信息永遠都是第一位的。
目前看，幾個玩得溜的大企業在信息整合方面已有了自己的方案，比如百度雲將自身信息整合歸納為兩個方面。一方面為“小整合”，如百度雲銀川靜態交通管理系統，路網端與交通工具端數據整合，以單個項目、單類信息進行整合、處理；另一方面為“大整合”，如百度雲陽泉市城市大腦綜合方案，政務、產業全整合，這則是針對整個行業和城市的宏觀信息處理。不過具體執行效果如何，還需等待時間驗證。
2、將智慧生態系統作為行業“破局之道”
城市治理，本來就是一個智能且能夠自我成長的生態系統。只有形成一個元素間相互影響相互促進的生態體系，城市治理才能擁有很強的良性循環能力。
在構建“生態系統”方面，國內各企業也不斷盤算著自己的“一出好戲”。比如，華為提出瞭解決方案的整體架構，即“一雲二網三平臺”， 併發布以“智慧城市”定義的生態圈行動計劃，構建一個具有領先性、成熟型、安全性的生態圈。
除了華為、騰訊等企業外，百度雲也動作頻頻。比如百度雲與蘇州市公安局合作，打造“AI+安防”模式，通過百度雲自研深度學習的生物特徵提取技術、視頻圖像技術、大數據檢索以及處理等核心技術實現了快速在視頻中查找目標人物並協助處理案件。百度雲ABC已經賦能智能化城市治理進入3.0時代，融合了信息採集、大數據應用及人工智能能力，通過物聯網技術將其和現實世界進行交互。
目前來看，國內巨頭們也開始意識到完整的“生態系統”對於智能化城市治理的重要性，隨著人工智能技術及城市認知的不斷深化，更加完備的生態系統也將開始逐漸浮出水面。
技術推動城市治理變革，還是一場“無限運動”
當下，許多城市在城市治理方面的智能化只是嘗試之舉，與許多有明確結果和目標的建設相比，正處於不斷摸索和“進化”之中。從技術演進的本身而言，技術革新必然會是一場“無限運動”。
雖然許多技術應用有突破性的進展，但是，城市治理只有更優沒有最優，在這場技術革新的“無限運動”中，真正的優勝者還需要時間和市場來檢驗。
未來，城市管理當中人類參與管理與決策將越來越少，最終達到城市自主智能化管理的效果，從而實現高效、安全、節能、可持續發展的城市發展目標。
同樣，城市治理的智能化始終要有開放的心態，能夠形成開放運轉而不是封閉自己玩的體系。例如，百度雲之所以能夠成為後起的“破局者”，其佈局智能化城市治理的頂層構架，正是構建了一個具有統一核心又能夠自由組裝的模塊化玩法。這種玩法，或具備了無限延展的能力，符合“無限運動”的特徵。
這也給了這個賽道更多發展不確定性，沒有誰能夠最終一手遮天，技術與治理總會不斷演化而有新的需求。解決市長焦慮後，鹿死誰手尚未可知。
【完】
智能相對論（微信id:aixdlun）：深挖人工智能這口井，評出鹹淡，講出黑白，道出vb深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬件、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背後的芯片、算法、人機交互等。
閱讀更多 智能相對論 的文章
