人工智能智慧城市白皮书.pdf

中国移动2019年6月白皮书Contents概 述1 前言 41.1 智慧城市发展愿景 41.2 人工智能突破性发展推动城市智能跃变 42 智能能力是智慧城市发展的新引擎 52.1 智慧城市为人工智能提供丰富的数据资源 62.2 智慧城市发展正从数据驱动向智能驱动演变 62.3 智能能力是城市发展的新引擎 73 人工智能在智慧城市的应用路径 73.1 构建平台，打造多维生态 73.2 聚焦行业，垂直纵深发展 83.3 单点突破，发展前沿应用 83.4 数据赋能，赋能行业创新 84 城市人工智能平台的发展 94.1 数据成为人工智能平台的核心资源 94.2 平台架构向中心智能+边缘智能发展 104.3 以商业模式为核心，构建多边生态 104.4 智能众筹智慧共享，构建开放平台 115 人工智能在智慧城市中典型场景及创新应用 125.1 人工智能安全城市构建应用的创新 125.2 人工智能宜居城市构建应用的创新 125.3 人工智能绿色城市构建应用的创新 125.4 人工智能高效城市构建应用的创新 135.5 人工智能产业城市构建应用的创新 136 人工智能智慧城市发展建议 136.1 网络升级，破人工智能落地制约因素 136.2 万物互联，成智慧城市神经感知网络 146.3 创新先行，建城市人工智能基础设施 146.4 规划制度，为智慧城市提供软性支撑 146.5 数据共享，为人工智能提供生产资料 146.6 产学研用，合作创新构建可持续生态 157 中国移动人工智能平台解决方案 1501 02概 述人工智能能力正在成为智慧城市发展的新引擎。巨大的数据量、种类繁多的数据、价值极高的数据是智慧城市的数据特征，也为人工智能提供了丰富的数据资源。智慧城市的建设，先后经历的了信息化、数据化的阶段，目前正向人工智能方向驱动演变。结合顶层设计、解决方案、具体项目等，人工智能将在城市中不断落地，推动相关人才、技术及资金等方面的聚集。人工智能在智慧城市中落地需要明确的应用路径。建设智慧城市是一项庞大、复杂的系统工程，需要互联网、物联网、人工智能、大数据、云计算、移动互联网等现代信息技术的有力支撑，人工智能需要结合各类技术成为城市基础平台设施。在落地应用场景中，目前来看安防、电信、金融、交通等行业相对较快，而零售、旅游、地产等行业相对落后。基于各类采集的数据，通过人工智能行业解决方案（AI+），推动计算机视觉、自然语言处理、消费机器人等，形成赋能行业创新的各类融合方案。城市人工智能平台需要与一系列新技术与新模式共同发展推动。技术方面具体包括了，新一代无线网络、大数据技术、云计算、边缘计算等。 商业模式方面，一方面要形成产业生态体系，另一方面要推动智能众筹智慧共享，形成外放多边的生态平台体系。人工智能在智慧城市建设中有很多典型的场景及创新的应用。如在城市安全、教育、医疗、环境、政务、产业等方面。正在帮助城市高效有序的运行，帮助居民更加便捷的生活，帮助城市提升产业水平。在城市硬件和软件等多方面提升，才能让人工智能智慧城市更好的发展。硬件方面包括，城市网络设施、城市物联网、典型示范区等等。软件方面包括，城市相关顶层设计、城市数据共享、产学研用相结合等等。中国移动自主研发的人工智能平台，具备了为各地智慧城市提供支撑、服务、运营的能力。【1前言】智慧城市主要包括政府、企业和公众三大类参与主体，由于出发点和侧重点不同，目前尚无权威定义。我们认为，新型ICT技术将驱动智慧城市发展的变革，智慧城市应是基于5G网络、边缘计算、大数据、人工智能等核心能力所打造的城市神经网络和大脑系统，通过深层感知全方位地获取城市系统数据，通过广泛互联将孤立的数据关联起来、把数据变成信息，通过高度共享、智能分析将信息变成知识，把知识与信息技术融合起来应用到各行各业形成智慧。最终实现城市的全域感知、智能触达、数字运营和智能决策，助力城市管理数据的协调共享和信息系统的互联互通，建设透明高效的在线政府、精细精准的城市治理、融合创新的信息经济、自主可控的安全体系、无处不在的惠民服务。城市发展是世界文明发展进程和现代社会的主题之一。中国城市化进程也随着中国经济发展同步，城镇化率不断提高，城市人口迅速增长，城市规模持续扩张，城市建设日新月异，城市已经成为拉动中国经济增长的火车头。全国来看，几乎各个城市都面临着不同程度的城市安全、环境污染、能源浪费、交通堵塞等问题，“城市病”在城市化加速的同时不断恶化着。这是因为城市是建立在一系列复杂的系统之上的，包含了基础设施、城市治理、产业结构、民生服务、生态环境等等。这些 系统的高效性和有效性决定一个城市能否获得发展上的成功，在与其他城市的竞争中能否脱颖而出。同时，这些系统不是独立存在的，而是具有复杂性和整体性，每个系统之间又存在着个性化和差异性。近年来，得益于互联网、社交媒体、移动设备和传感器的大量普及，智慧城市建设中产生并存储的数据量急剧增加，为通过深度学习的方法来训练人工智能提供了良好的土壤。城市海量的数据将为人工智能算法模型提供源源不断的素材，人工智能正从监督式学习向无监督学习演进升级，从各行业、各领域的海量数据中积累经验、发现规律、持续提升。党的十九大明确提出建设智慧社会以来，人工智能与智慧城市的推进得到了极大的开展，从宏观层面推动相关的建设。从全国经济层面来看，数字经济对GDP的贡献不断提升。在在技术突破和应用需求的双重驱动下，人工智能技术已走出实验室，加速向产业各个领域渗透，产业化水平大幅提升。人工智能开始真正解决城市发展中遇到的问题，切实创造效果，推动城市智能跃变！1.1智慧城市发展愿景1.2 人工智能突破性发展推动城市智能跃变03 04人工智能发展史IBM开发Waston赢得桥牌游戏人工智能开始在日常生活中应用（搜索引擎建议购买，智能设备无人机；）AlphaGo软件（谷歌）击败原的围棋世界冠军19972006 2011 2016资料来源：中国人工智能学会19561956 1961 197319731960 1974 1980 1987 20102014AI的诞生在达特矛斯会议上，名词被创造Enigma计算机祖先（图灵）通用智能机械手第一工业较接臂（通过汽车公司）在日本开发wabot1第一台基于智能软的人形机器人，可以播放音乐在日本开发的wabot2，可以与人沟通，阅读乐谱并演奏电子琴深蓝IBM电脑击败了国际象棋冠军卡斯帕罗夫由Aldebaran Robotics研发的只会机器人Nao第一次爆发第一代机器人和智能软件的出现第一次寒冬对AI未来的失望和停止资金投入第二次爆发标志性Lisp机器商业化第二次寒冬由于缺乏实用和商业应用，研究领域陷入了困境第三次爆发由于大数据和深度学习算法的发展条件成熟，本次浪潮将创造实际经济效果【2智能能力是智慧城市发展的新引擎】不断深化发展的智慧城市建设为人工智能提供了丰富的数据资源，这些数据成为了人工智能发展的基础。对于海量的数据， 不仅需要大数据技术提供处理能力，更需要利用人工智能技术，实现从数据驱动向智能驱动的演变，智能能力将成为城市发展的新引擎。智慧城市为人工智能提供了丰富的数据资源，这些数据资源存在以下特点。巨大的数据量：在智慧城市各个领域都在源源不断的产生着大量的数据，一个1000万人口的城市积累下来的医疗数据量就多达50PB。种类繁多的数据：智慧城市汇聚着众多领域和行业的数据，数据类型多样且结构复杂，半结构化或非结构化占多数。交通管理领域包含大量的视频和图像这类非结构化数据，而气象、医疗领域数据多是半结构化的。数据价值高：智慧城市中的大数据背后蕴含了极大的价值，能够提高社会管理水平，提升政府的服务效率，有效推动各项工作开展，从而产生巨大的社会价值。早期的政府信息系统是以流程驱动的，即将物理世界的流程在信息世界中重新定义一遍，将线下业务流程搬到线上，完成流程的信息化，再进行业务流程再造（Business Process Reengineering，BPR）。很多时候陷入了为了正确的流程而制定流程，而忘记了流程本身的意义所在。在数字化时代，数字化转型的重要目的是缩小管理目前在做或可能会做的流程，流程转化为软件，实现了自动化，剩下的就是数据。数字化将运营过程沉淀成数据，这使城市管理者可以从数据视角而不是过程视角来查看城市的运行。随着数字化的深入，城市已经具备了从交通网络基础设施到水、电、灯各类系统实时收集并分析数据的能力。如何分析这些复杂系统的运行方式，找到这些系统间的关联，大幅改善提升系统运行效率，就需要利用人工智能工具，在其中进行深入挖掘和分析，辅助城市管理者制定合理决策。2.1 智慧城市为人工智能提供丰富的数据资源2.2智慧城市发展正从数据驱动向智能驱动演变巨大的数据量 种类繁多的数据 数据价值高智能驱动数据驱动流程驱动05 06人工智能发展到今天，尽管在很多领域尚未完全成熟，但是其与城市和产业的融合，相互协同发展的趋势是不可否认的。人工智能技术在城市发展中提供了分析、调配、管理、预判等功能，因此应该将人工智能技术与高速传输网络、物联网架构等基础设施相提并论，作为城市基础设施来建设，成为城市基础架构的组成部分和核心技术。未来，随着人工智能及其他新技术的成熟，各类信息也将出现爆炸式增长，人工智能将与各城市和各产业的融合更加紧密和迅速，从而助力新一轮城市和产业的革命。例如在交通领域，杭州近年来利用人工智能公共控制系统，对整个城市每秒钟发生的状况进行汇总分析和控制。杭州从前几年的交通拥堵排名全国第二，下降到了现在的第83名，交通拥堵指数从1.8下降到了1.53。同时智能能力更是城市产业发展的新引擎。2017年11月，上海专门发布关于推动新一代人工智能发展的实施意见，预计2020年实现千亿人民币的产值规模。通过人工智能所带来的智能能力，将其核心理念融入到统筹智慧城市建设的顶层设计之中。基于城市禀赋，为每个城市定制其个性化的建设方案。从而带动安防、民生、交通等子项建设，形成完整的智慧城市生态圈。最终，为城市带来优秀的人才、先进的技术和大量的资金，大幅提升城市发展的持续竞争力！2.3 智能能力是城市发展的新引擎智能能力顶层设计个性化智慧 城市整体解决方案智慧安防、智慧民生、智慧交通.数据化、平台化、产品化技术人才未来推动智慧城市的核心智慧城市建设的总体筹划为每个城市定制的个性化建设方案智慧城市落地项目能力打造智慧城市的生态圈提升城市发展的持续竞争力资金【3人工智能在智慧城市的应用路径】建设智慧城市是一项庞大、复杂的系统工程，需要互联网、物联网、人工智能、大数据、云计算、移动互联网等现代信息技术的有力支撑，人工智能需要结合各类技术成为城市基础平台设施。通过建设人工智能基础平台，可以为未来智慧城市的建设提供智能分析支撑，更可以为区域内的人工智能研发企业提供充沛的算力、算法和数据资源。人工智能基础平台的作用主要是连接了两方，一方面它连接了开发者和一些研究机构，另一方面可以连接许多下游的企业，可以将相关技术能力开放给希望在相应领域开辟业务的创业团队。通过建立大数据人工智能开源软件基础平台、终端与云端协同的人工智能云服务平台、新型多元智能传感器件与集成平台、基于人工智能硬件的新产品设计平台、未来网络中的大数据智能化服务平台等基础平台，实现平台模式广泛应用，多边生态构建初步成型。3.1 构建平台，打造多维生态人工智能时代，深度学习算法的优化需要大规模数据来训练提升，数据越丰富完整，应用效果越完美。高度数字化的行业 往往拥有较密集的数据资源，成为人工智能优先落地的领域。在落地应用场景中，目前来看安防、电信、金融、交通等行业相对较快，而零售、旅游、地产等行业相对落后。以目前垂直发展较深的安防行业为例。受益于人工智能机器视觉技术的深入发展，安防行业从“看得见”发展到了目前的“看得清”，未来将逐步走向“看得懂”。智能安防能够自行提取更多细微特征，大幅减少人力及开发成本，将原来的事后追责转变为事前预防及事中识别，大幅提升效率，如2017重庆建设人脸识别系统后，相比人工效率提升200倍。安防行业每一次产业升级都伴随着市场需求的进一步释放。再如交通领域，利用人工智能技术，可以对道路进行实时监测和分析，并给出指令，疏散交通，缓解交通压力，提高人们的运行效率。传统的红绿灯具有固定的转换时间，不能够根据人流量实时调整转换时间，效率较低。现在智能红绿灯可以根据人流实时调整时间，加快交通，让人们的生活更加方便。人工智能在是城市中落地，需要在关键点实现突破，实现操作系统和数据库研发突破与产业化。面向人工智能领域的操作系统研发与产业化。开展对话式人工智能操作系统、物联网操作系统、机器人操作系统、云操作 系统领域的技术攻关，掌握一批具有自主知识产权的操作系统核心关键技术，在相关国际开源软件社区形成技术影响力和话语权。自主操作系统产品具备优秀的产业化能力，围绕操作系统产品形成应用生态圈，在智能驾驶、机器人、嵌入式智能设备等领域形成广泛的成果应用示范。面向人工智能领域的数据库研发与产业化。开展分布式、非关系型、非结构化等新型数据库技术的攻关研发，实现高性能、高可用、高安全性的具备自主知识产权的数据库产品，整体功能和性能指标达到或超出国际同类产品，能够满足大规模人工智能计算训练、云计算、自动驾驶、智能交互等典型场景的数据实时计算处理等需求。3.2 聚焦行业，垂直纵深发展3.3 单点突破，发展前沿应用基于各类采集的数据，通过人工智能行业解决方案（AI+），推动计算机视觉、自然语言处理、消费机器人等技术发展，形成赋能行业创新的各类融合方案。计算机视觉：在目前计算机视觉广泛应用在安防、金融、智能终端、娱乐、工业、医疗、营销等领域的基础上，加入人工智能算法。尤其是随着各地平安城市、雪亮工程等项目的推进，图像识别、目标检测等计算机视觉应用明显增多。自然语言处理：智能语言的交互在消费级产品（汽车、家具、可穿戴设备等）和专业级行业（翻译、医疗、教育等）都存在大量应用场景。消费机器人：机器人领域在贴近用户实际需求的消费机器人市场目前较大。相对而言，其技术门槛相对较低，人机交互和图像识别等技术较为成熟，在教育、娱乐及家居等方面有着较为广泛的应用。3.4 数据赋能，赋能行业创新07 08【4城市人工智能平台的发展】数据量与准确率之间的关系100%90%80%70%60%50%40%30%20%10%0%100 200 300 400 500 600 700 800 900 1000测试字符数量准确率Window说明：Window、Memory-Based、Perceptron、Naive Bayes均为不同算法来源：Stanford机器学习公开课，36氪研究院PerceptronMemory-BasedNaive Bayes资料来源：Stanford机器学习公开课，36氪研究院、平安证券研究所在大数据这个概念出现之前，计算机并不能很好的解决需要人去做判别的一些问题。某种程度上说人工智能其实就是用大量的数据作导向，让需要机器来做判别的问题最终转化为数据问题。新一代人工智能应用场景的智能化主要体现在决策智能和运营智能，其本质是将用户和行业数据抽取关键特征并输入深度学习神经网络，神经网络训练模型将用于对用户行为的预测，进而提高用户体验。目前新一代人工智能应用场景的落地主要受大数据获取因素的制约，广泛布局应用场景以智能化连接设备为载体的智能化基础设施，采集大规模高质量的行业数据，系统性地通过新一代人工智能算法进行模型训练，才能真正将技术与应用场景相结合，充分挖掘应用场景的智能化升级需求。数据量同深度学习和训练的准确性呈密切的相关性。研究显示，数据量越大，训练的越充分，算法模型的准确率就越高。可以说，谁掌握了真实海量的数据，谁在相关领域的人工智能的发展就将更具优势。根据IDC的研究显示，全球的数据量都将以惊人的速度增长，2025年全球的数据量将达到163ZB，是2016年的10倍之多， 其中近五年的平均增速将超过30%。随着移动互联网、电子商务等领域的高速发展，全球数据量呈现爆发式增长，如此海量的数据将为人工智能的准确性提升创造条件，为人工智能高速发展奠定了坚实的基础，这也是人工智能前几个发展阶段所没有的核心资源。4.1 数据成为人工智能平台的核心资源中心智能是智慧城市中业务、数据的集散地，是智慧城市的感知中心、互联中心、管理中心和决策中心。各类业务、数据向运营中心汇聚，通过决策分析，以指令的形式向周边业务扩散，实现综合管理和联合指挥。而边缘计算（MEC）是一个“硬件+软件”的系统，通过在移动网络边缘提供IT服务环境和云计算能力，以减少网络 操作和服务交付的时延。其技术特征主要包括“邻近性、低时延、高宽带和位置认知”，未来有广阔的应用前景，例如 车联网（无人驾驶）、AR、视频优化加速、监控视频分析等。IDC预测显示，2018年将有40%的数据要在网络边缘侧分析、计算与存储。边缘计算的落脚点是要让终端成为更智慧的存在，能够实时处理数据、能够低延时做出反馈。如智能农场可以使用边缘计算来监测温度和设备性能，以及自动让各种设备（比如过热的泵）减缓运转或者关闭。中心智能与边缘计算的关系更像是一种神经网络系统，大脑为中心智能系统，而神经中枢与神经元则是下沉到不同 程度的边缘计算。从感知终端对数据进行初始的采集后，到边缘层进行一部分实时的处理，才通过高速网络传输到核心层进行深度的计算分析，最后再将分析结果回馈到边缘，对边缘智能进行完善。两者构成了完整的系统，中心智能负责全局性、非实时、长周期的大数据处理和分析，而边缘智能则根据特定的需求对局部性、实时、短周期数据的处理与分析。4.2 平台架构向中心智能+边缘智能发展十TB中心职能大规模整体数据大数据分析深度学习训练边缘职能边缘职能接入终端数据生产者小规模局部数据轻量的深度学习数据采集快速决策感知终端百TB千TB这里的商业模式包含两方面的含义，一方面是智慧城市的商业模式，一方面是人工智能企业的商业模式。智慧城市的商业模式。智慧城市是一个多方合力的工程，智慧城市商业模式必须由政府、市民、企业三方形成一个稳定、长期、有可预见前景的交易结构。商业模式本质是交易架构，必须形成多方参与共赢的结果，这样就是好的智慧城市商业模式。建立良好的智慧城市商业模式，第一需要有学习心态：不断学习新兴技术和其发展规律，运作方式；第二需要有格局，要有大局观、时空观、未来观；第三需要有运营能力，需要建立良好的运营平台能力，未来经济越来越倾向平台经济，需要用新技术、思维、模式、营销手段做好服务推广。人工智能企业的商业模式。部分人工智能企业基本已具备成型商业模式和多领域解决方案供给能力。一批立足于提供行业级应用的人工智能企业正在崛起，瞄准交通、医疗、金融、商业、安防等领域智能化改造升级的切实需求，围绕行业全生命周期大数据快速构建起“基础层、技术层、应用层”的智能化应用体系，有效形成契合行业发展模式、提升行业运转效率的智能化解决方案。在此过程中，人工智能企业需要建立起难以被复制的竞争优势，更要通过商业化运作的可见收益向投资者证明了其经营模式从概念到落地的巨大可行性。在下一阶段，资本将继续快速涌向具备成型商业模式的人工智能企业，助力其模式不断成熟完善，构筑健康可持续发展的新一代人工智能产业生态环境。4.3 以商业模式为核心，构建多边生态09 10中国移动人工智能总体架构细分领域 产业生态搭建技术层基础层应用层计算力技术开发及输出商业化的解决方案芯片、传感器、云计算/大数据机器人、无人机、自动驾驶、智能客服、智能物流、客户画像等计算机视觉、自然语言处理、语言识别、机器学习以BATJ为代表的科技巨头开始自建人工智能基础科学实验室加大研发力度，同事将触角眼神到对基础层创业公司的投资;截至目前，包括腾讯，百度，阿里在内的多个巨头开始构建自己的人工智能平台，希望在人工智能实在延续对基础层创业公司的投资;占据着数据优势，巨头公司开始搭建自己针对应层的开源平台；4.4 智能众筹智慧共享，构建开放平台人工智能包含了众多的行业和应用，包含安防、交通、能源、医疗、教育、政务、楼宇、农业、零售等，可以说涉及 城市的方方面面。显然，涵盖这些行业的能力和应用，不是某家企业可以完全覆盖的。因此，对于各细分领域，就需要智能众筹和智慧共享，吸引更多的参与者、使用者，来共同建设一个全面的人工智能智慧城市。众筹与共享需要以信息流资源为基础，基于网络能力的开放、众筹、共享，打造新型智慧城市产业生态。同时开放数据、网络、能力，构建超级大脑和开放平台。智能众筹就是在开放的平台之中，内外部共同对人工智能能力进行建设，通过数据共同分享，实现智能能力提升。智慧共享就是共享人工智能能力，以技术为支撑，寻求广大开发者在内容、硬件、技术和生态层面的合作，为用户提供智能服务，为开发者提供精准流量与更多红利，一起建立基于AI的万物互联生态。资料来源：艾瑞咨询AI+安防 AI+交通AI+能源 AI+医疗AI+农业AI+楼宇 AI+服务机器人AI+政务AI+零售 AI+教育 AI+生活与娱乐增强线是给泛娱乐领域带来更多元化的体检。AI+个人移动设备得益于人脸识别和视频结构化的技术进步，在平安城市构建中尤其重要计算机视觉与识别是使智能农业有了突破。网络和感知是现阶段建筑智能化的发展方向。获取和扽西到店顾客信息实体零售将迎来新的机遇自适应学习智能化因材施教，使教育资源更加均等。AI+芯片增强前端设备之智能计算能力，未来智能手机性能得到大幅提升。服务机器人应用广泛，提高服务效率与质量。搭建政务云确保信息安全和打破信息孤岛状态。城市大脑优化城市交通网络；智能化程度越高，人对车的控制越少分布式能源储备，能源调度中心优化能源供应。医疗数据库是辅助诊断和提高准确度的基础【5人工智能在智慧城市中典型场景及创新应用】从2015年甚至更早开始，人工智能便开始了与安防行业，特别是视频类安防行业的整合。以广西某公安局的项目为例，他们遇到的问题是破案率比较低，破案周期长，案发率比较高。针对这些问题，部署了动态人脸识别布控系统，在系统上线运行三个月后，破案率得到了大幅提升，破案时间也有了大幅的缩短，包括案发率也有一定程度的下降。最后公安局用这个项目向国家申报了科技进步三等奖。2016年底，云南当地发生了一起凶杀案，犯罪嫌疑人是死者的丈夫。当时公安局把这个嫌疑人的照片布控在人脸识别试点系统里，布控第二天系统就发出了红色报警，通知民警蹲守，最后成功实施抓捕。而2012年震惊全国的“周克华持枪杀人案”，从2004年第一起枪杀案开始持续了8年，一共十几起枪杀案，社会影响非常恶劣。根据警方内部公布的数据，前后投入约1500名警力，花了45天时间，看了18万小时的录像。最终从公安向公众公开的数据里，共有13段视频，里面找出了踩点、逃跑、枪杀的视频片段。假设让一个人去看这些视频，约需要60年时间。不难看出，在安全城市的构建中，人工智能正不断发展巨大的作用。5.1 人工智能安全城市构建应用的创新宜居是对城市适宜居住程度的综合评价，医疗和教育是与宜居城市相关性最强的两个领域，也是人工智能赋能的重要领域。“与传统的倾向于劳动密集型的医疗保健不同，新兴的医疗模式是知识驱动型和数据密集型的。许多新型医疗保健正在带给我们一种新的模式，它将依赖于新一代用户友好、实时的大数据分析和人工智能及机器学习工具。”人工智能与医学Mike Barlow借助AI技术，医生的工作时间将被大幅缩短，原本几个小时的工作量可以缩短至几分钟。如在神经科的应用中，可以在秒级别对患者脑部的CT片进行出血诊断，并在十到十五秒之内完成综合诊断，帮助医生在“黄金六小时”内对患者进行精确诊断，减少严重瘫痪现象的发生。将人工智能技术与救护车融合，可以让医生在车上进行即时诊断，判断卒中患者是属于轻度还是重度，从而制定接下来的治疗方案。人工智能技术也开始进入教育领域，自适应学习得到了足够的技术支持，人工智能能够将学生分层做到极致，做到一人一层，甚至能够根据每一个学生实时的学习情况，动态调整下一阶段的学习内容和方式。5.2 人工智能宜居城市构建应用的创新在环保领域，许多人工智能企业纷纷做出了积极的尝试，通过人工智能将环保领域物联网整合起来，可以实现人类社会与环境业务系统的整合，以更加精细和动态的方式实现环境管理和决策的智慧。全球许多国家都在积极推进垃圾分类分拣技术的发展，大力促进垃圾分类过程的机械化、自动化。近年来机器人产业的迅5.3 人工智能绿色城市构建应用的创新11 12速 壮大，以及人工智能技术的不断崛起，为垃圾分类环节的变革提供了巨大支撑。通过人工智能技术的应用，发展垃圾智能识别系统、垃圾分拣机器人、垃圾智能处理技术，将能够有效较低各项成本投入，避免人类员工遭受危险，并实现整个垃圾分类、回收体系的优化，促进环保事业的发展。在环保的其他环节中，人工智能的影响也正在逐渐显现。人工智能能够通过赋能无人机、机器人等科技产品，对大气、土壤、水资源等进行关键信息收集与处理，提升环保“软实力”。据时代背景下，互联网正在深刻地改变政府的治理模式和服务方式，创新政府公共服务供给制度势在必行。同时，中央不断要求各地简化行政审批流程、提高效率，尤其是在政务服务方面，迫切需要快速整合各类资源，提供一站式便民服务，减少公共资源的浪费。通过人工智能技术协助政府处理庞杂的事件，如客服机器人可以全天候开放给市民咨询和办理业务，通过机器学习帮助政府做出更优的决策。在高效出行方面，通过基于深度学习的交通预测，可以在30秒内根据道路车辆情况完成大数据可视化分析。2016年青岛整体路网平均速度提高9.71%，通行时间缩短25%，高峰持续时间减少11.08%。5.4 人工智能高效城市构建应用的创新作为经济发展新一代基础助动力，人工智能已成为推动区域经济和社会发展的战略高地，有关人工智能的研发、推广与运用更成为衡量一地经济发展活力的象征。以宁夏为例，宁夏地区耕地质量总体不高、水资源匮乏，资源型产业是本地区的支柱产业，一头独大，存在一定程度粗放型增长问题。宁夏开始调整本地区经济发展思维、发展战略，树立创新发展、智慧发展经济方针，鼓励传统产业的转型升级。正以人工 智能、信息技术为基础，助力重工业、制造业的系统改造，实现重工业的智能转型。其次推进工业互联网网络基础设施建设，鼓励企业通过基础设施上云、业务应用上云，应用成熟的仓储物流、环境监测等云应用软件和云服务，快速形成信息化能力，降低企业运营成本、资源消耗成本。5.5 人工智能产业城市构建应用的创新【6人工智能智慧城市发展建议】随着5G为代表的新一代网络基础设施的部署和商用，围绕虚拟化、云化融合的技术革命将推动通信网络环境的重构与转型，5G超高速的数据传输能力和万物互联的标识解析体系重新赋予了社会协作的智能化新模式。5G与人工智能解决方案的结合， 将深度挖掘已有应用场景的升级潜力，不断拓展和延伸应用场景的边界。各地智慧城市将会在5G和人工智能相结合的环境下变得更加方便、更加快速。5G将为人工智能典型应用场景提供优质通道，为云端大脑提供海量数据，使之具备更优针对性的定制化能力，将成为人工智能催化剂。6.1 网络升级，破人工智能落地制约因素物联网与人工智能智慧城市特征的高度重合，人工智能智慧城市是物联网集中应用的平台，也是物联网技术综合应用的典范。物联网技术的核心和基础仍是互联网，其主要是通过各类有线及无线设备与互联网相融合，将事物信息及时准确地反映出去，物联网上的传感设备可将信息定时传输，由于所要传输的信息量极大，出现了海量信息。物联网可以渗透到我们生活的各个领域，所以物联网肩负了“资料收集”这一至关重要的任务。物联网连接大量不同的设备及装置，嵌入在各个产品中的传感器便会不断地将新数据上传至云端。这些新的数据可以被人工智能处理和分析，以生成所需要的信息并继续积累知识。6.2 万物互联，成智慧城市神经感知网络人工智能智慧城市建设是一项庞大复杂的系统工程，有赖于人工智能、物联网、大数据、云计算、高速传输、等关键技术的 实现，有赖于信息化、网络化、数字化、自动化、智能化等现代信息科学技术的整合利用。要在人工智能智慧城市系统中采用成熟、先进、可靠及适度超前的现代信息技术，重视数据的获取、传输、存储、分析、处理和应用等技术的开发。创新机构包括了各类能与城市长期共同发展的企业建立本地化的研究平台，如联合实验室、联合创新中心等。一方面可以吸取 国内外各地智慧城市建设的各种新产品和新技术，另一方面可以把本地的优秀产品和方案通过这个系统向全国进行推广，共同为城市发展做出贡献。而产业园区和创业孵化器是打造智慧城市经济、推动智慧城市建设的重要环节。加快智慧城市经济园区建设，有利于解决高新 技术产业发展空间问题，也有利于用足用活高新开发区的政策，更好发挥各城区发展高新技术产业的积极性、主动性和创造性。孵化器可以对小企业提供特殊的优惠待遇，让本地的中小企业尽快茁壮成长。6.3 创新先行，建城市人工智能基础设施新型智慧城市建设不仅是一个工程，而且是一个过程，因此需要建设者们在设计之初，就要从全局以及长远考虑出发， 因地制宜、一城一策、尊重自然、传承历史，把环境容量和城市综合承载能力作为确定城市定位和规模的基本依据。通过顶层设计来保证智慧城市建设具有开放、融合和服务的特点，使之可以实现充分的资源整合和共享。同时建议各地政府成立相应的机构，统筹抓总推动人工智能智慧城市规划、建设和运行工作。政府联合智慧城市建设主体负责抓智慧城市建设的实施、建设、营运、管理等事宜，形成打造人工智能智慧城市规划、设计、技术、设备、服务、管理、营运的系统供应商的强大合力。另外，还建议建立政策扶持和评估考核机制，设立建设专项扶持资金，谋划相关人才培养引进等政策。6.4 规划制度，为智慧城市提供软性支撑数据是人工智能发展的基础，只有通过大量数据训练，为其提供生产资料，人工智能才能不断发展进步。数据共享将能达到随时随地调用各类资源数据，并将数据汇聚到云端，不再单独面向某个应用，而是面向整个体系。人工智能应用，只有在数据共享加持下，才能达到未来各行各业的融合要求，才能实现最大的价值，为新的时代变革打下智能基础。政府数据共享起源于科学数据共享。为充分调动社会力量，让每一位公民在“数据信息知识理论决策效益”这一链条的各个环节上发挥才华，挖掘数据价值，美国政府在1990年以科学数据为突破口，启动了“完全、开放、无偿”的科学数据共享计划。6.5 数据共享，为人工智能提供生产资料13 14政务服务改革的进程及政务服务数据安全高效共享的程度，对于我国“人工智能+政务服务”改革的整体推进具有重要影响，为保证改革的继续深入，应摸清现状、深化研究、探索试点、积极创新。因此建议各地政府逐步完善数据资源共享开放政策，系统化重塑数据治理工作，建立健全数据治理长效机制，围绕人工智能应用场景的开放性行业大数据训练库构建创新体系。建立包含基础层（芯片、核心算法）、关键技术领域（计算机视觉、语音识别、自然语义理解等）以及应用领域企业的完整产业链。借助教育系统和企业培养两个体系。在教育体系内，嵌入人工智能基础知识，高校开设人工智能专业和研究方向、推动跨学院、跨学科人工智合作都是可以考虑的方式。企业人才培养体系方面，注重为企业服务，为企业与院校合作牵线搭桥，鼓励企业自建人才培养体系，通过政策、资金等措施支持企业人工智能人才计划项目等。鼓励高校整合校内人工智能研究资源，加强人工智能研究的基础设施建设。与企业、高校合作编制针对不同年龄层和专业程度的培训教材和课程，打造人工智能公共教育和培训平台，向市民免费开放部分课程。围绕新一代人工智能应用场景的中长期发展趋势，围绕智能制造、智能金融、智能物流、智能交通、智能医疗、智能 家居等特色产业开展技术研发与产品创新，并依托技术能力强、服务水平高、带动能力强的领军企业，开展多元化场景应用的示范项目，持续探索新型应用模式。中国移动研发的人工智能客服系统，已经在10086客服上大规模使用，每个月的交互次数超过1.2亿次，服务占比接20%，预计每年给集团节约20亿的人工成本。对于政府服务于市民的业务同样可以通过中国移动的人工智能降本增效。节假日或热点事件产生大规模人群流动或聚集时常造成4G网络流量突增，对网络造成一定冲击。中国移动人工智能平台对4G网络流量做精准预测，为中国移动提供数据支持和决策依据。例如，中国移动人工智能平台预测南通市12月前半月流量，平均预测误差在4%左右，明显优于传统方法。这种能力同样可以应用到景区游客的预测、体育赛事的观众预测、城市人流的预测等等。通过将行为分析等人工智能方法运用于诈骗事件流行为的识别，可区分正常电话和诈骗电话，减少人工审核投入。同样，利用人工智能的方法实现对涉黄、涉政、涉恐的文字、图片、视频的识别和管控，为运营商、互联网内容提供商和监管部门提供内容安全管控支持，提升城市的安防综治能力。中国移动从2014年就开始自主研发人工智能平台。平台为中国移动的网络、服务、市场、管理等领域全面引入人工智能技术，提供AI基础设施和核心能力。深度学习平台是其基础设施层。中国移动独有的海量数据、领域知识图谱是决定平台AI生产力先进程度的关键要素。在此之上，平台提供了3大类开放的AI核心能力：语音语言类、图像视频类、智能数据分析类。人工智能已经成熟应用于中国移动业务领域，服务于超过9亿用户的网络和日常运营中。例如，语音语言能力中的人机对话和语音分析能力，已经在中国移动的客户服务、网络运维等实际生产环节中得到大规模应用，成效显著。6.6 产学研用，合作创新构建可持续生态【7中国移动人工智能平台解决方案】中国移动人工智能总体架构应用产品核心能力基础设施人工智能深度学平台人工智能能力平台网络语音 语言 影像视频底层硬件 开源框架 标注数据领域知识图谱智能数据分析市场 服务 管理安全全球最大的移动通信网路和最大的移动用户群，为自主研发的人工智能平台提供了超级海量的数据，使得平台可以进行最全面的深度学习。同时，超级人工智能也服务于中国移动的网络和用户。平台作为中移超脑的基础能力也将为智慧城市建设赋能，对生态合作伙伴的上层应用开放核心能力。AI核心能力需求人脸识别视频检索多源异构数据挖掘AR/VR物体识别视频结构化处理大数据分析智能机器人图像识别数据采集 大数据挖掘分级自动驾驶嵌入式图像识别语音识别智能纠错辅助驾驶技术智能分析语言处理用户智能推荐AI+垂直行业智慧城市 智能交通 智能医疗 智能教育 智能安防 智能工业 智能芯片 智慧办公应用细分领域智慧楼宇智慧园区综合管理电梯卫士无人零售店智慧商超远程教育智能学习智能考试智能管理智能监控实时翻译图像分析数据分析高性能低功效高稳定性的人工智能芯片智能视频会议虚拟助手疾病筛查和预测医学影像分析兵力文献分析工业机器人机器人巡检能耗监测及节能管理电网负荷预测及需求侧响应ADAS/自动驾驶人脸及疲劳驾驶图像识别车联网15 16