未来城市的发展蓝图,小到衣食住行,中到生产流程,大到管理决策,集中了人们对生活几乎所有的想象。在基础创新、产业生态、普惠AI、融合技术等要素叠加下,以人为本、能感知、会思考、可进化、有温度的新型智慧城市将越走越近。现下,如何破局新型智慧城市建设已成为广泛热议话题,智慧城市建设正面临哪些困难?智慧城市的真正核心是什么?它能给人和社会带来怎样的价值?如何盘活智慧城市中的数据?
为此,近日“财新云会场”线上系列会议聚焦城市数字化,邀请中国工程院院士、中国工程院原副院长邬贺铨,新华三集团副总裁、智慧城市总架构师张鹏,财新传媒副主编黄山共同探讨了“十四五”新时期城市数字化的挑战和机遇,展望了激活数据价值,让智慧城市更普惠、更智能、更有价值的新模式。

破局:提升普遍认知,吸收前沿理念,重塑协同机制
改革开放40余年,中国城市实现了史无前例的飞跃式发展。根据全国第七次人口普查数据,2020年我国常住人口城镇化率达到63.89%。然而,中国城市在规模持续增长的同时,也无可避免地面临着治理、服务等方面的挑战,以数字化技术赋能城市治理、提升运转效率、优化民生福祉,已经成为实现城市发展提质增效的必由之路。
近几年,中国智慧城市建设的成果颇丰。而张鹏认为,火爆表象的背后也暴露出了一些亟待解决的问题。第一,主要的决策者对于智慧城市的认知参差不齐。智慧城市是一项复杂的系统性工程,部分决策者缺乏对运营、技术等方面的理解,也缺少可供借鉴的实践经验,导致出现了“部门各自为政,数据跑冒滴漏”等问题。而每个区域的城市化发展存在的问题、发展的重点、民生的痛点都有所不同,缺乏定制化的解决方案;第二,理念滞后。部分城市在建设上仍旧以工业时代的理念去谋划数字时代的变革,“产生了一些现象:数字技术堆叠,缺乏数字原生的理念去匹配;数字化项目堆叠,缺乏流程再造的机制匹配;数据资源堆叠,缺乏多跨协同的组件匹配。”张鹏总结道。第三,机制制衡。政府需要重塑内部的流程和制度,建立起符合智慧城市需求的有效机制。只有实现各部门的流程、制度、人员相互支撑、匹配,智慧城市才不会成为“空中楼阁”。

新华三集团副总裁、智慧城市总架构师 张鹏
以人为本,解决“一老一小”问题
在张鹏看来,真正有价值的智慧城市,必须遵循“以人为本”的理念。目前城市的数字化应用十分适配年轻一代的需求,但是在“一老一小”群体方面,亟待消弭数字鸿沟。值得一提的是,张鹏认为,“一老一小”不仅指老人和小孩,还指老牌传统企业和小微企业,它们在数字化转型的过程中会不可避免地遇到迈向数字世界的障碍。因此,“以人为本”的理念更包括了从生产、生活、宜居、宜业、宜创的角度出发,打通政府后台数据后,实现不同部门、不同行业场景、不同产业领域之间数据的共享共治,让老百姓能够在办事和生活中无感地获取数字化服务,让智慧城市的服务更加普惠。
共享数据要素,激活数据价值
城市数字化应当“以人为本”,更应该以数据为基石。作为汲取创新价值的核心要素,数据正成为驱动城市进化和变革的核心资源,为智慧城市的运转提供源源不绝的动力。张鹏提到,目前数据在智慧城市的应用,大致分为两个层面。一方面是用于政府自身治理和服务,近几年推动力度较大,但仍旧存在分级分权限管理是否落实到位的问题,而《数据安全法》和《个人信息保护法》的颁布为运用数据划清了底线和红线,也为进一步更深、更广地应用数据奠定了法律基础。在分级分权限管理明确之后,数据就要应共享尽共享。
另一方面,“十四五”规划将数据要素共享和交易价值激活,提升到了前所有未有的高度,这就要求智慧城市要在庞杂的数据与应用场景之间建立一个安全、可信、确权的链接,而区块链就带来了数据安全可信传递的技术基础。“那么我们希望在各个城市里,将区块链、数据共享、数据开放融合起来,打造‘数据银行’的服务,通过隐私计算等技术手段,确保数据安全,只提供数据产生的价值结果,真正实现数据创造场景和激活价值,让数据回城回家,让数据创业创新,让数据活起来。”
智慧城市建设需要的是同舟共济、长期合作的数字化合作人。政府是智慧城市的管理者,科技企业则是智慧城市的赋能者,二者缺一不可。作为数字化解决方案领导者,紫光股份旗下新华三集团曾参与了全国60余个智慧城市项目,以扎实专业的数字化产品及服务、开放兼容的技术平台、全面赋能的整体解决方案,为每座城市量身定制可落地的数字化解决方案,让海量数据在城市中焕然新生,在“数字中国”的建设热潮下引领城市转型变革。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。