去年云栖大会上，杭州市政府联合阿里云在内的 13 家企业提出建设“城市大脑”项目。
雷锋网了解到，“城市大脑”可以理解为一座城市的人工智能中枢。其内核采用阿里云 ET 人工智能技术，可以对整个城市进行全局实时分析，自动调配公共资源，修正城市运行中的 Bug，最终将进化成为能够治理城市各项“疑难杂症”的超级人工智能。
“城市大脑”就是下一个登月计划，未来十年催生的技术将远超今天的想象。”“城市大脑”的总规划师王坚如是说。王坚目前担任阿里巴巴首席架构师，他表示“城市大脑是杭州代表中国的城市为世界在做一次探索，一次使用人工智能进行社会管理的前瞻性实践。我们不知道它最终会进化到什么程度，但这绝对是前所未有的。”
为何提出“城市大脑”？
之所以提出“城市大脑”，王坚是基于四大点来考虑的。
一、关于城市数据。目前城市规划院只想将数据当成一种‘工具’，他希望人们能够将‘数据’理解成城市中不可分割的一部分。在王坚看来，经过多年的积累，绝大多数城市的数据沉淀是足够的，但从来没有被相关部门“重视”。城市管理者应该从城市运行的角度来看这些数据，把它们看作是城市中不可分割的一部分，然后对这个城市中所有的人、车等数据进行分析。
二、2016 年全世界卖掉了 1.5 亿只摄像头，中国就消耗了其中的 7000 万只。如今一个很小的城市都装有 50 万到 100 万个摄像头。尴尬的是，目前没有任何一个城市知道自己具体装了多少摄像头、装在什么位置；很多城市三分之一的摄像头是装完了事，后期没有任何维护，大多都是无效的；空置严重。拿杭州来说，有案可查的摄像头大概是五万只，但在交警指挥中心察看摄像头的只有 15 人，99.9% 的摄像头仅在破案时用来作调查取证用。
在他看来，中国交通肯定会堵塞，因为摄像头看到的东西永远不会变成红绿灯的实际行动。很多城市在红绿灯杆上装配摄像头，但摄像头‘看’到的景象与红绿灯本身没有一点关系。
三、王坚认为，人类的进化是在消耗大自然的土地、水、石油等资源的过程。如果人们在消耗自然资源的同时能够合理利用自己产出的数据，这将变得非常有意义。他一直在思考，过去公共资源的调配依靠的是政府相关部门的管控，未来能否利用人类自身产生的‘资源’去优化公共资源的调配。
四、再好的城市规划师也得依靠‘数据’去工作，但这是个静态过程，规划完毕后，相关数据就会作废。但在城市后期运行的过程中会发现，又有很多新的数据出现，以往的方案只能维持很短的一段时间。如果有一个“大脑”能够实时的去看、去想、去实施最优方案并能在这个过程中发现自己的不足，岂不妙哉？
总结而言，人们多了一种资源叫做‘数据’，而且该资源是可再生的、并是自产的。如果充分利用这些数据将可以随时发现城市运营中存在的问题，并极大地调节对公共资源的合理分配。
“城市大脑”的核心驱动力
如果说“城市大脑”的出现确能一改城市往日痼疾，那其背后的‘驱动力’也不得不谈。在王坚看来，AI 就是这其中的绝佳引擎。
他普及说，人工智能这个词在五十年代就已出现。最早的 intelligence 指的是‘人’的智能；而最早被利用的 Animal intelligence，它完全是以逻辑学为基础，用逻辑学来模拟人的逻辑思维。那个时候也认为，任何想利用计算机去模拟人可以做的事，都可以统称为‘人工智能’。
但在今天，这已经发生了巨大变化。如今机器的能力已经远远超过五十年代的水平，他举例解释说，看一个芯片的能力，首先看有多少晶体管，在 70 年代初时，一个 CPU 上只有两千多个晶体管，但是今天一个手机处理器上已经有高达一亿多个晶体管，短短几十年上升了几万倍。再直观一点表述，目前我们每年人均可以消耗 20 亿个晶体管，换算来说，人们‘吃’晶体管的速度比吃大米还快。
再来看计算机的变化，20 年前的深蓝在当时的超级计算机中能排到两百五十名以内，而今天普通手机的处理能力和深蓝是一样的。王坚预估， alphago 在下围棋的时候，计算能力大概是深蓝的两万到三万倍。所以，计算能力的指数增长才会出现今天的 machine intelligence。
从 human intelligence 到 Animal intelligence 到 machine intelligence，这三个过程实际上就是 AI 在用机器模仿人类的三个阶段，可以统称为‘机器智能’。
在王坚看来，“只要机器比人做得好的事，那这件事情就不应该由人来做。”
实际上到了今天，机器能做到很多人类无法做到的事情。他回忆说，“当时在加拿大时，遇到有人做 AI，大概是做情感智能这块。情感智能指的是比如用普通手机摄像头拍摄脸部，它不仅仅拍摄脸部，还能将血压、心跳全部检测出来，这件事是人类无法做到的。”
同理，在复杂的城市交通系统中，也有很多人类可以规划但无法解决的问题，而这些都可以通过机器智能很好应对。
“城市大脑”真实案例
就此，王坚还向雷锋网介绍了“城市大脑”在三个城市的试点案例。
一、第一个试点在萧山，侧重实时监控。王坚表示，萧山道路两边都装有绿波带，监控摄像头等各项条件较好。因此阿里搭建了一个模型，控制红绿灯时间，以此来提升行驶速度。据后期实际的数据统计来看，一条有七八个路口的主干道，在最快的时候，大概能将通行速度提升十几个百分点，最慢的时候也能提升四个百分点。
据悉，今年阿里将扩大试点范围。需要注意的是，在这个过程中，阿里只会分析“堵”的路段的数据，没有改变任何的基础设施。
当然，这些数据对于未来合理布置摄像头也有很多参考意义。王坚表示，之前相关摄像头的布局只是一个开环系统，没有闭环的反馈。“城市大脑”的布局会实时监控、分析相关数据并作出调控，目前已经准备在萧山全域推广运行。
二、 第二个试点在杭州，侧重在智能出警。据王坚介绍，杭州有一条贯穿南北的高架桥，这也是杭州最‘骨干’的交通线。交通路况是动态的，在以往会遇到以下几个问题：
1、假如高架实际通行能力是三千辆，但由于红绿灯的‘机械化’操作，突然放出很多车，导致实际通行能力降到两千。这个时候交警就算接到拥堵信息报告，也不知如何去控制、从哪里去控制。
2、由于小剐蹭或大车上路造成的堵车，之前只能依靠交警在路上巡逻。
3、视频系统的后台上，展示的是一个个小的方块图，方便人们去查看相关情况，但实际在一个路口，真正能够看到实际场景的应该是一个全景的连续环状图，所以说，这些方块其实不适合人眼去看。
而以上三个问题都可以用“城市大脑”很好解决，摄像头可以将一条道路进行‘切片’，收集各个切片的数据，明确拥堵路段，有目的地进行出警疏导。这个时候数据就是警力，是整个的意义所在。
三、第三个试点在苏州，侧重的是全局数据，全局交通。苏州将符合国家安全的数据开放到了城市大脑里，后来发现在大脑上算的数据比在自己机器上算的得到更多。苏州的数据汇聚包括五大部门，三大运营商和互联网极大部分，最终汇聚产生了 79 种数据源、2600 种数据项、3000 亿条历史数据。当全局的数据融合后，能对交通数据，人流数据等做分析，指导换乘中心的设计、公交优化规划及事故预测。
王坚提到，其实这些工作都不应该由人类去完成，应该让机器通过数据观察人的流动动态、聚集区域等信息，从而自动规划。
在他看来，“城市大脑”最主要的作用就是让城市的数据流动起来，产生价值。但他强调，城市大脑不仅仅解决城市交通问题，而是城市新的基础设施，将来可以在城市的建设发展中做出更多贡献。
相关文章
