城市数字治理“盆景”如何变森林

　　位于南京东路、河南中路路口的今年86岁的南京大楼，让不少大妈“羡慕嫉妒恨”。这座建筑宛若“钢铁侠”，被布局了17大类80余套智能感知应用，大楼内震动倾斜、烟感、电梯、温湿度、噪音等各项“生命体征”，都能被实时反映和提示。但凡有高空坠物隐患、共享单车乱停放、楼内水电管道运行异常等情况，楼内保安所佩戴的智能手环都会报警，实现第一时间处置。

　　在了解南京大楼的神奇之后，大妈反而提出疑问：“南京大楼离我太远。我家小区里的电瓶车进楼、积水问题能不能被及时感知呢？”

　　而另一位街道公务员则担心“荷包”问题，“一座大楼可以重金投入，那么100座呢？政府部门没那么多预算啊。”

　　无论是大妈还是公务员，都道出了当下城市数字治理中的两大痛点：解决庞杂细碎场景不易，规模化落地更难。这不仅考验算法、算力，也关乎成本门槛。

　　考验算法的广度与精度

　　“AI数字治理对上海各政府部门而言，早已不是仅供参观展示的面子工程，而是城市治理场景中的日常。”依图科技副总裁许焰说，仅依图科技就已在上海落地16个业务领域、50余个具体场景，覆盖了上海一半以上的区。

　　但这场蓬勃的城市数字化转型大潮之下，是对算法、算力的极大挑战。

　　算法首先需要广度。许焰在与上海市区两级大量政府部门对接过程中，感受到庞杂需求扑面而来——公安部门想做“一盔一带”、交通拥堵治理；住建部门想做小区电瓶车进电梯、非定时倒垃圾、消防通道占用等各种监管；城管部门关注绿化隔离带占用、街边未注册新开业门店等问题；自然资源部门则想要从卫星航拍视频中找到暗自变为鱼塘或营业场所的耕地……

　　如此多全新、细化甚至“刁钻”的需求，考验技术方是否积累下足够多基于视觉识别的数据基础和能力。“好在9年来，我们对摄像头所能感知发现的目标做了大量基础性研究，并形成一套自动化学习平台，不断训练AI变得愈发火眼金睛。”许焰告诉记者，上海市城运中心里经常演示的“一盔一带”判别就是依图做的，准确率达到90%以上。

　　然而，算法精度这件事就没那么容易了，只能靠在不同场景下慢慢打磨。

　　“比如，同样一条河，市容绿化部门要监管河道污染、绿藻是否疯长，城管关心是否有人向河道抛扔大件杂物，公安关注跳河等突发。但对于AI建模而言，其实都与异物入河有关。机器视觉如何精准区分和提示，这就是算法的精度。”腾讯云华东区解决方案平台部技术总监吴亮举例。

　　算法精度的难点，要求技术方必须对业务场景有着极为深刻的理解，并不断回滚给AI大量“负例”，告诉它“一大堆的不是”。比如，在对公众场所吸烟的判定中，有人拿着一支笔叼在嘴边就是“负例”；判定扔垃圾场景中，有人遛着狗在垃圾桶周边停留，同样是“负例”。“只有绣花针般精细的算法，才能支持如绣花针般精细的上海城市治理。”许焰说。

　　规模应用难避成本问题

　　汹涌的城市数字治理之需，更大挑战在算力。

　　以一个区两万路摄像头计算，若全部进行智能化改造，用以识别路面垃圾，这本身就需要不小的算力。但事实上，如今一个摄像头，可能被加载了经营占道、交通拥堵、树木倒伏等十余种算法。由此，对算力要求便乘数级别数万倍地扩增。

　　这带来的算力瓶颈，不仅在于服务器采购费、机房占地面积，更在于后期运营上的惊人支出。成本，是产业落地必须解决、难以回避的问题。

　　上海市经信委公众号日前发布了依图科技所打磨的“一网统管城市智眼”解决方案。该方案突破了过去只能针对固定摄像头做智能解析的局限，通过智能车的方式，对城市进行实时动态建模。目前，智能车已在浦东新区建交委上岗，每天为路网做一次“3D检测”，大到陆家嘴广场客流检测，小到道路面上2毫米宽度裂缝，都能被准确感知。

　　不过，该方案更大亮点在于通过依图自研AI芯片Questcore，使得城市“一网统管”从盆景到森林的规模化落地成为可能。原本运营一幢楼所需要的一间房16台机柜的方案，可以被压缩到仅1台，且运维成本也降至原先的20%，真正让智慧城市得以“建得起、用得省”。

　　事实上，数字治理的“距离感”正在拉近——一年前，浦东“物业微平台”还只是单一的“盆景”，而今，拥有算法算力和国产芯片加持，“物业微平台”得以规模化拓展，覆盖整个浦东所有约1200个老旧小区的智能化改造。

　　但这种普及程度，远不是AI的终点。“AI的真正产业化，可能是有朝一日，每个人身边都有一个可以自如对话的智能体，算力较现在又有数百万倍的增长，城市在处置海量数据中高效运作。正如人类大脑的开发还不足1%，未来上海城市数字治理的想象空间同样巨大。”许焰说。（记者 李晔）