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
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。