我們的城市為什麼需要AI，不如來了解一下這部城市智能化簡史

圖片來源：視覺中國

很長時間以來，我們在常識中認為鄉村是應該先於城市而生的。但事實上，越來越多的考古發現證明，人類創造城市這東西可能遠比歷史記載中更古老，也更瘋狂。

從環地中海城邦到南亞次大陸，再到我們熟悉的黃河流域，眾多上古遺址向世人表明，先民早就建造了功能完備、體系分工明確的城市聚落。相比於建造城市，人類真正一直頭疼的事情是，認識城市。

畢竟城市這東西很麻煩，人多、路多、房子多，堆在一起簡直一團亂麻。後來我們在計算機和大數據、AI技術到來之後，想了一個最新認識城市的辦法：給城市安裝智能。

相信大家都聽過各種「智慧城市」「智能城市」等等項目，保不齊你的家鄉就正在建設當中。但給城市安裝智能，我們認識和掌控城市真的就很清楚容易了嗎？

好像也不是。截至2017年底，國內已經啟動建設和規劃的「智慧城市」「城市大腦」相關項目已經超過500個，產業相關企業超過1000家。

在這個龐大的產業鏈上，又有著「智慧城市、未來城市、城市計算」等等名詞和稱謂，普通吃瓜群眾很難分清他們的區別自不必提，跟不少業界人士一聊。得，其實他們也暈。

今天咱們來嘗試遮住這些真真假假的「名頭」，看看城市智能到底是怎麼發展出來的，每一個階段又都經歷了什麼樣的變化。這條線索搞清楚了，或許才能判斷我們的城市到底需要什麼？

數理建模型城市

其實用數學和運算的方式來推斷城市走向，給城市發展提供依據，並不是近幾年才發生的事情。就像很多計算機與智能相關命題的出現時間，都遠遠早於公眾認識時間一樣，城市的智能計算，也差不多是一門「爺爺級技術」。

早在上世紀60年代，美國一些高校就提出用數字技術幫助城市發展的概念。雖然當時還沒有明確的城市+智能命題，但其通過數理方式給城市建模，分析城市的交通、人口、建築與資源的未來走向，已經可以看做是「智能城市」的先驅。

當時芝加哥等一批城市才用了這類方案。但很快市政廳就發現，計算出來的城市數據千奇百怪，根本與實際不符。畢竟計算技術不達標的前提下，城市模型還停留在十分粗糙的階段，很快這種想法就退出了歷史舞台。

這時的城市智能還處在概念與設想階段，但用數據+運算的方式帶給城市智能，已經為幾十年後的爆炸式發展奠定了基礎。

數據可視型城市

2008年，已經在IT企業服務領域摸爬滾打慣了的IBM，突然將橄欖枝伸向了城市政府與管理者，提出了著名的智慧星球計劃。

IBM的方案中強調，城市基礎建設不應該離開數據建設，通過數據來重新認識城市，能夠避免管理混亂和資源浪費，從而幫助城市良性發展。在全球經濟危機背景下，強調綠色與高效的智慧星球計劃快速升溫。2009年美國迪比克開始了世界上第一個智慧城市建設，將城市交通、水電、建築等數據進行收集和整理。

在這之後IBM在巴西、加拿大等國家先後推出了類似項目。IBM的老對手微軟也推出了類似的計劃，命名為「城市計算」。

這種收集城市數據進行存檔和可視化的技術，在2010年之後開始在中國生根發芽。很多企業視此為良機，藉助國內各城市基礎建設快速上馬的機會，不斷在國內市場推出「複製款」。我們今天看到國內絕大多數叫做「智慧城市」的項目都是如此，三大運營商、聯想、神州、騰訊等企業都在為各地方政府提供類似服務。

作為大數據時代的經典解決方案之一，城市的數據可視化確實能夠解決不少問題。比如提供決策依據，尋找城市發展規律等等。

但這種方案也有著顯而易見的問題：這類方案收集到的數據絕大部分並沒有實際用處，僅僅是「因為要數據，所以有數據」。畢竟一個城市每天真正生產的數據，用人工去讀取一遍都不可能，更別說用人力來計算處理了。耗資巨萬的智慧城市，也僅僅是幫助了決策者更好制定「想法」。換言之，城市居民真正能感受到的改變十分有限。

這種城市之智慧，屬於「了解城市」，卻無法「改變城市」的特定技術時期產物。畢竟「中看不中用」的智慧，不是城市發展的成就之際。

場景應用型城市

為什麼很多城市的「智慧」缺乏應用價值？原因在於智能設備沒有辦法對收集來的數據進行自動反饋和處理。於是城市這個龐然大物就只有感知，沒有動作。

人工智慧技術帶來的機器視覺、多模態感測技術，以及通過演算法進行反饋計算，正在讓情況好轉。

比如說路況的紅綠燈和攝像頭，假如只是讓攝像頭拍照和監控，那麼城市本身的體驗並不會提高。但如果攝像頭記錄的數據回傳給系統，系統可以依據車流量主動調節紅綠燈時間長短，那麼城市交通效率顯然就會提高。這種依據數據主動進行城市調節的技術，正在讓城市智能從重數據向重應用方向改變。

今天能看到很多這類案例開始在我們身邊的城市裡紮根。比如最早阿里雲在廣州的互聯網信號燈項目，以及滴滴進行的「AI+交通」計劃，就是在交通場景中通過AI感知和計算能力，來提高交通效率。

再比如BAT紛紛布局的智慧機場項目，是根據對機場進出航班的數據監控，來智能調節停機坪和跑道使用情況，從而提高機場運作效率，提高乘客體驗。

類似的場景在城市中還有很多，但場景應用型的城市智能也並非沒有問題。核心一點就是，這類智能方案只能聚焦小的場景，解決局部問題。但城市畢竟是一個整體，規避城市的大流量和複雜結構來談城市智能，只能是一種權宜之計。

場景應用性技術難以滿足城市發展長期需要，也難以從宏觀上進行城市智能自動化。

智能大腦型城市

設想一下，假如我們想要讓智能來處理更大的城市問題，需要什麼條件？

比如市民中心修在哪裡對交通帶來的壓力最小；比如流感疫情爆發，城市提前預測並調配醫療資源相應；比如電動車被偷了，如何能在10分鐘內找到嫌疑犯；比如，城市公共資源如何彈性應對奧運會這樣的衝擊，快速給出智能策略。

在技術層面來說，這些設想當然是可以的。但前提是整個城市必須有統一的數據傳輸和處理中樞。它負責收集全城各個領域的數據，然後集中進行運算和分析，給出最佳解決方案，這或許是城市智能在場景解決能力之後的下一個階段：整體感知與運算。

阿里雲的ET城市大腦已經開始了這個層級的嘗試。從在杭州的實驗，到各個城市的複製和普及，ET城市大腦的特質是它並非一個單場景解決方案，而是整體考慮，進行全域數據收集和自動處理的智能系統。

城市就像一個超大硬體，大腦則讓這個硬體變成了智能硬體。可以看到的是，城市大腦類的技術，不只需要AI技術，而是用AI的感知方式，加上大規模數據傳輸能力與運算，再反向生成城市智能的主動服務。從而讓整體智能指揮各系統協同運作，達到管理者、機器智能、城市空間的結合。

這樣做的好處是顯而易見的，比如可以通過大規模協同智能，調動城市諸多細節去解決一件事。比如實時給救護車形成一條高速通道。長遠來看，給城市安裝大腦的意義在於可以將城市的智能水平不斷拓展和提高，越來越多的感測裝置、演算法和解決方案進入後，城市會越來越聰明。積少成多才有可能達到量變，比如我們一直希望的城市可以不再限行。

這種解決方案目前來看具有足夠的前瞻性，但問題是准入門檻非常高，需要在計算體系、AI技術、數據感知與處理技術等多個領域滿足城市大腦的需求，是名副其實的「重技科技」。

回看整個城市智能的發展，可以說是經歷了「讓城市有想法」—「讓城市會說話」—「讓城市手腳能動」的三個階段。但在手腳能動這個階段，很多人都嘗試把手和腳捆到一起產生協同。這顯然是不成立的。手和腳之間，需要大腦的協同，城市智能開始進入「讓城市有大腦」這個新階段。

需要警惕的是，在城市智能快速發展的十年中，城市面臨的難題也在野蠻生長。超大型城市、空氣污染、生產資源瀕臨枯竭，智能化的腳步並不足以抵消或解決城市面臨的困境。

而與此同時，AI技術的發展，城市數據的疊層累計，包括自動駕駛和無人設施，都在成為城市智能的推助劑。但感測器、分散式智能體數量的爆炸與城市大腦計算力的發展不匹配，很可能會導致畸形發展，「四肢發達，頭腦簡單」，從而 「四肢失調」。究竟城市大腦能否跑過城市「城市頭疼」，可能是未來十年人類的命運共同旋律之一。

而在給城市加上大腦以後，下一步城市智能還能如何升級，也是個有意思的問題。對普通人而言，可能更希望的是能夠切實感受到城市智能，甚至可以隨時呼喚城市智能的服務。

在城市大腦之後，能不能打造出「城市的毛細血管」，好像是一個巨大的腦洞。

更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！