導(dǎo)航
我要收藏
取消收藏
隨著人工智能技術(shù)的深入發(fā)展，以AI大模型為核心的智慧城市管理已成為提升城市治理效能的重要手段。通過AI大模型對城市管理相關(guān)數(shù)據(jù)進行深度挖掘與分析，助力城市管理從被動響應(yīng)向主動優(yōu)化的轉(zhuǎn)變。我市近年來在智慧城管建設(shè)方面取得了不俗的成績。在基礎(chǔ)設(shè)施方面，我市的城市運行管理服務(wù)平臺整合接入公安、市場監(jiān)管、交通運輸?shù)?2個部門（區(qū)市）數(shù)據(jù)，建成涵蓋供熱供氣、環(huán)境衛(wèi)生、綜合執(zhí)法等26個城市管理細分領(lǐng)域的58個專題數(shù)據(jù)庫。共享全市5萬余路視頻，智能抓拍市容秩序、環(huán)境衛(wèi)生等32類城管問題，匯聚建筑工地、環(huán)衛(wèi)設(shè)施等物聯(lián)感知數(shù)據(jù)。在數(shù)據(jù)資源方面，截至2024年年底，我市已全量匯聚電子公文、交通等數(shù)據(jù)超2240億條，發(fā)布首批高質(zhì)量數(shù)據(jù)共享開放清單454項，在工業(yè)制造、海洋等領(lǐng)域形成高質(zhì)量數(shù)據(jù)集800余個，政務(wù)數(shù)據(jù)共享需求滿足率超99.7%。然而，青島在邁向AI大模型驅(qū)動的城市管理智慧化精細化過程中，仍面臨大模型技術(shù)應(yīng)用深度不夠、大模型應(yīng)用場景擴展受限等問題。
一、存在的問題
（一）AI大模型技術(shù)應(yīng)用深度有待提升
一是現(xiàn)有的智能分析算法相對基礎(chǔ)。我市已實現(xiàn)的對多類常見問題的自動識別抓拍，主要基于規(guī)則識別和傳統(tǒng)AI的機器視覺技術(shù)，針對違停、垃圾傾倒等顯性問題效果良好，但由于未充分運用生成式、多模態(tài)AI大模型等前沿技術(shù)，所以對處理復(fù)雜場景理解、隱患預(yù)判、趨勢分析等深層次問題的能力還需加強。另一方面，現(xiàn)有系統(tǒng)的自然語言處理能力不足。平臺月均處置數(shù)十萬件問題，匯集了大量的例如投訴文本等語料，但在對于這些語料的智能分析等方面沒有進一步利用，無法深度挖掘民意數(shù)據(jù)中的輿情信息和趨勢。二是現(xiàn)有系統(tǒng)缺乏深度預(yù)測分析，目前主要是"識別發(fā)現(xiàn)問題-智能派遣處置"的事后閉環(huán)流程，但在基于歷史數(shù)據(jù)和多維因素的趨勢預(yù)測、風(fēng)險預(yù)警方面能力是有限的。也就是說，雖然能監(jiān)測燃氣、供熱等設(shè)施實時運行狀態(tài)，但卻無法基于AI大模型提前去進行故障預(yù)測和維護優(yōu)化建議，還是“被動響應(yīng)”，所以決策支持智能化水平不高，因為現(xiàn)在的系統(tǒng)主要基于統(tǒng)計分析，缺乏AI大模型驅(qū)動的深度洞察和智能決策建議，在資源配置優(yōu)化、政策效果預(yù)測、應(yīng)急響應(yīng)策略等方面，還需要更強的AI決策支持能力。
（二）AI大模型訓(xùn)練數(shù)據(jù)優(yōu)化不足
AI大模型的訓(xùn)練效果和應(yīng)用準確性直接依賴數(shù)據(jù)質(zhì)量。我市雖已匯聚海量數(shù)據(jù)，但針對AI大模型所需的數(shù)據(jù)更新和清洗機制尚需提升，各路監(jiān)控采集的數(shù)據(jù)會因為數(shù)據(jù)噪聲和延遲，影響AI預(yù)測準確率。另一方面，多模態(tài)數(shù)據(jù)融合不深?，F(xiàn)有的數(shù)據(jù)主要以文本、監(jiān)控視頻等模態(tài)為主，但語音、傳感器等異構(gòu)數(shù)據(jù)整合不足，會制約大模型的多維分析能力。
（三）AI大模型應(yīng)用場景和相關(guān)人才有限
我市智慧城市管理現(xiàn)有的20多個應(yīng)用場景主要基于傳統(tǒng)信息化手段，AI大模型僅在部分領(lǐng)域如智能問答、自動報告生成等初步落地，缺乏對綜合業(yè)務(wù)和公眾服務(wù)的深度滲透，治理效率提升空間有限。同時，人才和技術(shù)支撐薄弱，真正適用城市管理的城市AI大模型需要定期使用本市數(shù)據(jù)進行fine-tune（微調(diào)）迭代升級，而且出于信息保密原則，不能用公有云模式，需要本地部署本地微調(diào)，這些技術(shù)需要專業(yè)人才，但青島相關(guān)團隊規(guī)模較小，缺乏國內(nèi)大廠團隊系統(tǒng)化的微調(diào)和部署經(jīng)驗，影響模型后續(xù)的迭代速度和模型能力。
二、國內(nèi)外先進經(jīng)驗做法
（一）新加坡
新加坡的Smart Nation 2.0在交通管理方面廣泛應(yīng)用了智能交通系統(tǒng)，AI優(yōu)化交通系統(tǒng)，利用實時數(shù)據(jù)優(yōu)化交通流量，減少了15%的交通擁堵。在能源與環(huán)境管理領(lǐng)域，新加坡通過無線傳感器網(wǎng)絡(luò)收集數(shù)據(jù)，進行環(huán)境監(jiān)測，包括空氣質(zhì)量、噪音水平和水資源管理，改善城市管理和安全。其99%的政府服務(wù)在線完成，并通過IMDA（新加坡資訊通信媒體發(fā)展局）與勞動力合作，轉(zhuǎn)型工作流程提升生產(chǎn)力。Smart Nation 2.0模式強調(diào)整體性政府視角，結(jié)合AI，實現(xiàn)資源數(shù)據(jù)化運營。
（二）上海
上海推出“智云上?！?，完成全球最大規(guī)模城市級數(shù)智化底座的部署與能力集成，系統(tǒng)間任意兩點之間1毫秒即可“握手”，整體運力提升7倍，TB級數(shù)據(jù)分鐘級到達，百公里存算分離拉遠訓(xùn)練算效達97%以上，實現(xiàn)了“算力、平臺、數(shù)據(jù)、模型、應(yīng)用”五位一體的深度融合與創(chuàng)新應(yīng)用，全方位提升城市能級。進而構(gòu)建“上海有AI、智惠全城”的城市智能服務(wù)體系?！耙愿锩訟I惠及城市民生”的創(chuàng)新發(fā)展理念，為全球提供可復(fù)制、可推廣的“AI CITY”范式。
三、意見建議
（一）強化AI技術(shù)深度應(yīng)用，提升智能管理水平
一是基于現(xiàn)有城市運行管理服務(wù)平臺，與國內(nèi)大廠合作，引入最新的多模態(tài)開源模型而非單一模態(tài)模型，升級現(xiàn)有規(guī)則識別算法，實現(xiàn)復(fù)雜場景理解和隱患預(yù)判。同時，針對自然語言處理不足，利用平臺匯集的群眾訴求數(shù)據(jù)，部署大模型進行輿情分析和趨勢挖掘。
二是加強深度預(yù)測分析能力。開發(fā)AI大模型驅(qū)動的預(yù)測分析系統(tǒng)。支持各部門利用AI工具對數(shù)據(jù)進行深度挖掘與分析，精準提升模型性能。充分利用已有的燃氣智能監(jiān)測、建筑垃圾監(jiān)管等行業(yè)管理場景的實時數(shù)據(jù)，結(jié)合天氣、節(jié)假日、社會事件等外部因素，構(gòu)建基于深度學(xué)習(xí)的多維度預(yù)測模型。重點在設(shè)備故障預(yù)測、問題高發(fā)區(qū)域預(yù)判、異常趨勢識別等方面實現(xiàn)突破，推動城市治理從“被動響應(yīng)”向“主動預(yù)防”轉(zhuǎn)型。
（二）優(yōu)化AI大模型訓(xùn)練數(shù)據(jù)
一是完善城市數(shù)據(jù)更新和清洗機制。對公共安全視頻和傳感器數(shù)據(jù)建立實時數(shù)據(jù)處理規(guī)范，引入專業(yè)數(shù)據(jù)管理人才，提高時效性和準確性，并對數(shù)據(jù)質(zhì)量達標的部門給予表彰。
二是推進多模態(tài)數(shù)據(jù)融合。制定融合評估標準，定期抽檢數(shù)據(jù)質(zhì)量，將文本、視頻、語音和傳感器等各類模態(tài)數(shù)據(jù)整合，建立統(tǒng)一的AI訓(xùn)練數(shù)據(jù)倉庫，推動數(shù)據(jù)從單一模態(tài)向多模態(tài)轉(zhuǎn)型。
（三）擴展AI大模型應(yīng)用場景并加強人才支撐
一是建議借鑒深圳《加快打造人工智能先鋒城市行動計劃（2025—2026年）》的圍繞五大政務(wù)領(lǐng)域每年開放100個以上應(yīng)用場景的“城市+AI”開放場景模式。建設(shè)市、區(qū)兩級應(yīng)用場景開放中心，打造“一區(qū)一品牌”典型場景應(yīng)用，推動全面提升超大規(guī)模城市治理水平。
二是構(gòu)建場景級應(yīng)用框架，我市平臺從現(xiàn)有場景繼續(xù)擴展，重點滲透綜合評價和公眾服務(wù)領(lǐng)域。
三是加強人才和技術(shù)支撐。由市人力資源社會保障局牽頭，聯(lián)合駐青高校，與國內(nèi)AI大廠合作，打造本地AI人才培訓(xùn)平臺，提供系統(tǒng)化本地化部署經(jīng)驗，為未來的城市大模型迭代速度和能力提升做好人才儲備。
掃一掃在手機打開當前頁
魯公網(wǎng)安備
37020202000341號