城市數字治理“盆景”如何變森林

　　位於南京東路、河南中路路口的今年86歲的南京大樓，讓不少大媽“羨慕嫉妒恨”。這座建築宛若“鋼鐵俠”，被布局了17大類80余套智能感知應用，大樓內震動傾斜、煙感、電梯、溫濕度、噪音等各項“生命體徵”，都能被實時反映和提示。但凡有高空墜物隱患、共享單車亂停放、樓內水電管道運行異常等情況，樓內保安所佩戴的智能手環都會報警，實現第一時間處置。

　　在了解南京大樓的神奇之後，大媽反而提出疑問：“南京大樓離我太遠。我家小區裏的電瓶車進樓、積水問題能不能被及時感知呢？”

　　而另一位街道公務員則擔心“荷包”問題，“一座大樓可以重金投入，那麼100座呢？政府部門沒那麼多預算啊。”

　　無論是大媽還是公務員，都道出了當下城市數字治理中的兩大痛點：解決龐雜細碎場景不易，規模化落地更難。這不僅考驗算法、算力，也關乎成本門檻。

　　考驗算法的廣度與精度

　　“AI數字治理對上海各政府部門而言，早已不是僅供參觀展示的面子工程，而是城市治理場景中的日常。”依圖科技副總裁許焰説，僅依圖科技就已在上海落地16個業務領域、50余個具體場景，覆蓋了上海一半以上的區。

　　但這場蓬勃的城市數字化轉型大潮之下，是對算法、算力的極大挑戰。

　　算法首先需要廣度。許焰在與上海市區兩級大量政府部門對接過程中，感受到龐雜需求撲面而來——公安部門想做“一盔一帶”、交通擁堵治理；住建部門想做小區電瓶車進電梯、非定時倒垃圾、消防通道佔用等各種監管；城管部門關注綠化隔離帶佔用、街邊未註冊新開業門店等問題；自然資源部門則想要從衛星航拍視頻中找到暗自變為魚塘或營業場所的耕地……

　　如此多全新、細化甚至“刁鑽”的需求，考驗技術方是否積累下足夠多基於視覺識別的數據基礎和能力。“好在9年來，我們對攝像頭所能感知發現的目標做了大量基礎性研究，並形成一套自動化學習平台，不斷訓練AI變得愈發火眼金睛。”許焰告訴記者，上海市城運中心裏經常演示的“一盔一帶”判別就是依圖做的，準確率達到90%以上。

　　然而，算法精度這件事就沒那麼容易了，只能靠在不同場景下慢慢打磨。

　　“比如，同樣一條河，市容綠化部門要監管河道污染、綠藻是否瘋長，城管關心是否有人向河道拋扔大件雜物，公安關注跳河等突發。但對於AI建模而言，其實都與異物入河有關。機器視覺如何精準區分和提示，這就是算法的精度。”騰訊雲華東區解決方案平台部技術總監吳亮舉例。

　　算法精度的難點，要求技術方必須對業務場景有着極為深刻的理解，並不斷回滾給AI大量“負例”，告訴它“一大堆的不是”。比如，在對公眾場所吸煙的判定中，有人拿着一支筆叼在嘴邊就是“負例”；判定扔垃圾場景中，有人遛着狗在垃圾桶周邊停留，同樣是“負例”。“只有繡花針般精細的算法，才能支持如繡花針般精細的上海城市治理。”許焰説。

　　規模應用難避成本問題

　　洶湧的城市數字治理之需，更大挑戰在算力。

　　以一個區兩萬路攝像頭計算，若全部進行智能化改造，用以識別路面垃圾，這本身就需要不小的算力。但事實上，如今一個攝像頭，可能被加載了經營佔道、交通擁堵、樹木倒伏等十余種算法。由此，對算力要求便乘數級別數萬倍地擴增。

　　這帶來的算力瓶頸，不僅在於服務器採購費、機房佔地面積，更在於後期運營上的驚人支出。成本，是産業落地必須解決、難以回避的問題。

　　上海市經信委公眾號日前發布了依圖科技所打磨的“一網統管城市智眼”解決方案。該方案突破了過去只能針對固定攝像頭做智能解析的局限，通過智能車的方式，對城市進行實時動態建模。目前，智能車已在浦東新區建交委上崗，每天為路網做一次“3D檢測”，大到陸家嘴廣場客流檢測，小到道路面上2毫米寬度裂縫，都能被準確感知。

　　不過，該方案更大亮點在於通過依圖自研AI芯片Questcore，使得城市“一網統管”從盆景到森林的規模化落地成為可能。原本運營一幢樓所需要的一間房16&機櫃的方案，可以被壓縮到僅1&，且運維成本也降至原先的20%，真正讓智慧城市得以“建得起、用得省”。

　　事實上，數字治理的“距離感”正在拉近——一年前，浦東“物業微平台”還只是單一的“盆景”，而今，擁有算法算力和國産芯片加持，“物業微平台”得以規模化拓展，覆蓋整個浦東所有約1200個老舊小區的智能化改造。

　　但這種普及程度，遠不是AI的終點。“AI的真正産業化，可能是有朝一日，每個人身邊都有一個可以自如對話的智能體，算力較現在又有數百萬倍的增長，城市在處置海量數據中高效運作。正如人類大腦的開發還不足1%，未來上海城市數字治理的想象空間同樣巨大。”許焰説。（記者 李曄）