二十世纪五十年代到七十年代初，那时人们以为只要能赋予机器逻辑推理能力，机器就能具有智能，人工智能研究处于“推理期”。接着，人们意识到人类之所以能够判断、决策，除了推理能力以外，还需要知识，因此人工智能研究在二十世纪七十年代进入了“知识期”，大量专家系统在此时诞生。随着研究向前进展，专家发现人类知识无穷无尽，并且有些知识本身难以总结再交给计算机，于是一些学者产生了将知识学习能力赋予计算机本身的想法。发展到二十世纪八十年代，机器学习真正成为一个独立的学科领域、相关技术层出不穷。进入2010年后相继在语音识别、计算机视觉领域取得重大进展。2016年让人工智能在学术界、工业界、媒体界等社会各界引起广泛关注的 AlphaGo 的背后，也是深度强化学习和蒙特卡洛树搜索的结合。

将数据输入计算机，一般算法会利用数据进行计算然后输出结果，机器学习的算法则大为不同，输入的是数据和想要的结果，输出的则为算法模型，即把数据转换成结果的算法模型。通过机器学习，计算机能够自己生成模型，进而提供相应的判断，实现某种人工智能的结果。工业革命使手工业自动化，而机器学习则使自动化本身自动化。近几年掀起人工智能热潮的深度学习，属于机器学习的一个子集，在思想和理论上并未显著超越二十世纪八十年代中后期神经网络学习的研究，但得益于海量数据的出现、计算能力的提升，原来复杂度很高的算法得以落地使用，并在边界清晰的领域获得比过去更精细的结果，大大推动了机器学习在工业实践中的应用。

经过海量数据训练，人工智能可在边界清晰的领域内游刃有余，只是与可在开放环境下对变化中的事物不断学习进而适应的人类智能相比，机器在面对超过固定规则设置的罕见场景时，往往不知所措，鲁棒性有待提高。尽管如此，城市发展建设的方方面面都有大量的潜在的可供现有技术能力来升级改造的空间，比如机器的感知、认知、大数据处理以及运动控制等方面取得的能力突破来融合。

 

在第四次信息革命的推动下，城市-智慧城市-人工智能城市的不断迭代升级，人工智能技术在城市建设当中越来越重要；从信息化-联网+感知-自主智能化，越来越重视技术革新带来的升级体验；艾瑞认为：未来，城市管理当中人类参与管理与决策将越来越少，最终达到城市自主智能化管理的效果，从而实现高效、安全、节能、可持续发展的城市发展目标。

 

城市发展阶段

 

“城市”一词最早见于战国史籍中。“城市”的提法本身就包含了两方面的含义：“城”为行政地区的概念，即人口的集聚地；“市”为商业的概念，即商品交换的场所。智慧城市是以为民服务全程全时、城市治理高效有序、数据开放共融共享、经济发展绿色开源、网络空间安全清朗为主要目标，通过体系规划、信息主导、改革创新，推进新一代信息技术与城市现代化深度融合、迭代演进，实现国家与城市协调发展的新生态。人工智能城市是指形成以数据为驱动的城市决策机制，根据实时数据和各类型信息，综合调配和调控城市的公共资源，最终实现自动智能化，达到运作效率的最优化的城市。

 

中国的城市建设经历20世纪90年代至今的高速发展，逐步进入城市转型发展的新常态。城市建设目标从追求规模和经济效益为主开始转向对生态、人文、社会公平和可持续性等立体的价值追求，尤其强调以人为本发展目标，城市向着“智慧化”建设发展；随着人工智能技术条件越来越成熟条件，城市管理形成以数据为驱动的城市决策机制，从顶层设计着手，自上而下的“AI化”使城市功能和产业转型更加显著，为城市创造以技术为驱动的商业价值，最终形成一个多元化的有机生态城市系统。

 

早在90年代，IBM首次提出“智慧城市”概念后，中国也在1995年启动数字城市建设，这是中国智慧城市的1.0版本；随着2008年“智慧地球”概念的提出，中国智慧城市建设再次进入到3.0感知智慧城市时代；在2013年，WiFi、3G/4G 的网络传输与云计算、大数据的后端数据存储、处理与分析的技术进步下，开启了4.0认知智慧城市时代；在不久的将来，数据积累以及传输带宽和速度的再次腾飞，使得智慧城市达到整体架构协同管理，“人工智能城市”的时代也将到来。

 

随着城市的迅速发展，智能技术落地和服务越来越先进；在激烈的技术和市场竞争中，智能化城市的开发目标从原来的单个需要，转向对整个生活形态或生态链的“全应用场景”模式，即不再是简单地提供当下的需要，而是更多的创造新的或升级现在的应用场景，用智能化改变现有的城市形态和生活方式。城市创新性场景化是通过智能化城市功能的实施而逐步构建起新的“新城市场景”，未来将会朝着综合化城市生态系统方向发展。而在城市管理方面，居民区的防盗防窃、群租整治、消防隐患等管理难题，通过可视化人口管理的解决方案，可在有效提高社区的安全防范等级，以及改善原本人口流动管理的盲点。

 

城市应用场景分类

 

政府在人工智能城市当中承担“总指挥”角色，中央要求简化流程并提高效率，尤其是在政府服务方面，现阶段迫切需要快速整合信息资源，提供便民的一站式服务，减少公共资源的浪费；尤其在服务过程中需要提升交互性与友好性，让人工智能技术协助解决人手不足、庞大事件量处不了等问题，比如线下客服机器人可考虑全天候开放给市民咨询与办理业务，真正简化流程与提升政府服务效果。另外，在城市管理方面，居民区的防盗防窃、群租整治、消防隐患等管理难题，通过可视化人口管理的解决方案，可在有效提高社区的安全防范等级，以及改善原本人口流动管理的盲点。

 

由政府组建的政务云平台，为城市管理打通了信息与数据的“孤岛”状态；在智能政务多个场景中，由于人力验证有效时间是半小时轮岗，因此，身份验证广泛应用于各类识别身份的节点。例如：基于人脸特征信息进行身份识别的生物识别技术，随着深度学习带来的突破，让机器根据训练数据集达到拥有自我学习的能力，最终掌握“人脸”的概念。商汤的技术支持千万级目标库中300ms内获得识别比对结果：其1：1人脸验证的图片相似度验证准确率在99%以上；1：N人脸搜索返回TOP5相似结果的准确度超过98.5%，返回TOP10相似结果的准确度超过99.6%，远远胜于人力验证的效果。

 

随着交通网络大规模联网，汇集的海量交通信息，需要“城市大脑”，实时分析城市交通流量，调整红绿灯间隔，缩短车辆等待时间，提升城市道路的通行效率；实时掌握着城市道路上通行车辆的轨迹信息，停车场的车辆信息，小区的停车信息，提前预测交通流量变化和停车位数量变化，合理调配资源、疏导交通；实现机场、火车站、汽车站、商圈的多维度交通联动调度，提升整个城市的运行效率，为居民的出行畅通提供保障。

 

自然资源日益紧张情况下，国家能源建设的目标除了大力开发新能源，还需着重提升现有能源使用率以及优化能源使用管理，而传统的能源管理存在割裂的状态，“水、电、气、热”各个部门互不联通，居民多年累计的使用数据并没有得到运用；因此，需要构建综合的能源调度中心，能源使用达到“快、准、优”的效果，而“供求模式”则可通过深度学习、运筹学等综合技术优化整体能源管理，降低能源“过量、短缺、故障”等情况带来的大规模失衡风险。

 

 

人工智能城市-价值链 

 

技术升级也为城市治理提供了“智慧”决策支撑，从数字城市到人工智能城市，ICT（Information Communication Technology）的完善推动着城市的迭代发展，以云计算、大数据、物联网、通讯为基础设施，人工智能技术在城市发展当中提供了分析、调配、管理、预判的功能；艾瑞认为：在技术和基础设施不断升级的 ICT 架构下，提高城市运作效率、更好的居住体验将会是科技改变生活的显著效果；而在这个过程中的每一个环节都将蕴含极大的商业价值。

人工智能城市是利用人工智能技术，形成以数据为驱动的城市决策机制，根据实时数据和各类型信息，调配和调控城市的公共资源，最终实现自动智能化，达到城市运作效率的最优化。

 

城市发展问题源源不断，现阶段场景尝试是碎片化、单一状态；对标城市根源存在问题，在人工智能技术的帮助下将循序渐进发展。

 

随着NPU、GPU等各类芯片性能的显著提升；综合提升终端和云端硬件的性能是下一步人工智能发展的基本条件。

 

算法迭代是推动人工智能技术发展的根本；集中开发底层算法，优化和适配应用层算法。

赖贞

（特约撰稿人：艾瑞咨询行业分析师）