划重点
01第二届数字经济发展与治理研讨会在武汉大学成功举办，专家学者探讨城市大模型技术的应用前景与面临的挑战。
02工信部将人工智能大模型公共服务平台落地武汉，作为国家层面上唯一支持的产业服务平台。
03专家认为，城市大模型面临着数据质量和模型能力的双重挑战，应加大技术创新力度，深化跨部门合作。
04为此，建议以武汉九大支柱产业为基底，梳理每个产业的数据集，建立相应的行业大模型，打造标杆应用。
05同时，利用遥感大模型评估城市宜居度，提高城市智商水平，实现更高效的治理。
以上内容由腾讯混元大模型生成，仅供参考
12月20日下午，第二届数字经济发展与治理研讨会在武汉大学经济与管理学院领益报告厅成功举办。本次研讨会主题为“城市大模型发展与场景应用”，来自政府、企业和学术界的专家学者们围绕城市大模型技术的应用前景与面临的挑战展开了深入探讨，积极为未来城市智能化发展建言献策。
今年11月，工信部将人工智能大模型公共服务平台落地武汉，这也是国家层面上唯一支持的产业服务平台。根据湖北省对人工智能产业政策的总体要求，2025年湖北省人工智能产业规模将超过1500亿，打造5个以上行业场景和500个以上的应用场景，特别在智能芯片、多模态大模型、自然语言处理包括智能驾驶这些重点领域要取得重大标志性成果。人工智能大模型正在释放大量新的发展机遇。
湖北数据集团副总经理余阳在开幕致辞中指出，随着信息技术的进步，大数据已成为推动社会和经济发展的关键力量。作为人工智能的重要应用，城市大模型面临着数据质量和模型能力的双重挑战。未来应加大技术创新力度，深化跨部门合作，推动城市大模型在各领域的落地应用，共同构建智慧宜居的城市。
武汉市社科院党组书记、院长樊志宏以AI城市为主题词，和另四位专家学者围绕支撑AI城市、城市大模型的应用与发展进行了精彩的主旨演讲。
武汉大学经济与管理学院副院长罗知表示，举办此次研讨会，旨在为专家学者提供深入交流的平台，推动城市大模型在智慧城市建设中的应用探索。通过对前沿技术与创新思维的探讨，为推动数字经济和城市治理的深度融合贡献智慧与力量。
樊志宏：“AI城市智商”或将成未来城市的核心竞争力
“对于数字经济、无人驾驶、脑机接口、数字虚拟人等一系列新事物来说，我们如果仅仅依托于历史及既有经验的审视、认知和行动，基本上会宿命性地被时代大潮所抛弃。唯有站在‘未来视角’回望当下的各领域、各阶段质变新事物、新发展，才能把握住时代的进步价值、跟上时代的前进步伐。在突变涌现的变革时代，避免成为历史的幸存者偏差非常重要。”武汉市社科院院长樊志宏说。
他认为，以“未来视角”来审视现在的信息革命,一系列重大范式变革拐点正在到来：如我们正从人的个体智能，向社会的新智能体系转变；智能网联机器人即将大规模融入，将从单纯的人类社会向“人机混合”的新场景体系转变；从以资本、土地等要素为主导，正向以信息（知识、技术、数据等）要素主导的新枢纽体系转变；从三维空间体系，向“实体—虚拟”相互映射的四维新疆域时空体系转变等。
以历史思维来看，农耕文明时代，城市成为人类社会进入文明时代的关键标志；工业文明时代，现代城市成为人类社会进入现代化时代的关键标志之一。在信息革命已经开始由量变进入到质变，步入到重大范式变革拐点时段，成为人类文明新形态的关键标志会是谁？
“AI城市或将成为人类文明新形态的关键标志之一。”樊志宏认为，支撑AI城市成为人类文明新形态的理由：AI城市或将拥有“城市大脑—智能体系”，而算力+大模型决定了未来城市的智力水平。
“以前我们谈城市，重点谈城市的承载力，包括其自然资源、基础设施以及城市交通运输，枢纽功能等方面的承载力及支撑力，现在进入信息时代，我们更多还要看到‘城市智商’的承载力。”
“AI城市均具有自身的‘城市智商’”。他预判，未来城市之间的核心竞争力应是城市的智商水平，城市智商体系或将成为城市孕育集聚高端人才、高端创新平台、领军企业等的决定力量，对高端要素的竞争起着决定性因素。只有“高智商”的城市才能获得高端要素、平台及企业的青睐和落户。
柯乾锋：提前卡位，武汉九大支柱产业可先行打造大模型
“大模型的发展将给应用改造带来三个趋势：一切硬件将会被大模型所驱动，一切软件将被大模型所重构，一切数据将被大模型激活。”阿里云政企事业部湖北解决方案总经理柯乾锋说。
他介绍，大模型在经过持续发展，结合思维链及智能体新能力引入后，正在加快各领域的场景落地，面对城市治理，包括多部门、多业务场景协同等复杂局面，也在发挥更好的能力。
在政务服务方面，以前需要到政务服务大厅向窗口服务人员递交材料。例如办理房产证、驾照等各证照，包括公积金提取，通过大模型智能体的接口，输入个人信息后，直接就可通过大模型后台的业务系统办理，再寄到家里。
在企业服务方面，大模型可将企业相应数据、资质提前收集，形成知识库，通过大模型自动直接生成相应政策，有利于政府更精准对企业进行智能化服务。
在城市治理方面，大模型会给出城市优化调整的方案，特别是城市安全风险防控，包括城市应急处置，经过专家经验的积累和知识库的梳理，大模型比人工更加高效和快速。
在工业制造方面，AI也可通过智能编程，如工业机器人换线生产，原来的换线要3天，AI大模型提高到8分钟，AI还可通过视觉大模型自动检测产品瑕疵，降低工业制造返工率，极大提升工业生产效率。
柯乾锋建议，要建设好武汉城市大模型，提高武汉城市智商水平，提前卡位至关重要。可以以武汉九大支柱产业为基底，梳理每个产业的数据集，每个产业建立相应的行业大模型，再以基础大模型孵化更多特色产业，打造标杆应用，然后向整个行业复制。
他认为，围绕武汉九大支柱产业优势，可重点打造自动驾驶、智能制造、生命健康、城市治理等领域场景应用。“这几个领域的场景，目前看来既有企业效益，又有社会价值，可通过这几个领域先行先试，同时吸引数据治理、数据标注、行业模型开发、应用开发等大模型上下游企业入驻这个服务平台，实现上下游产业链的协同发展。”
李彦胜：依托遥感大模型，可评估城市宜居度
“我们研发的多模态遥感大模型SkySense已在蚂蚁集团森林保护、绿色金融、农业监测等公益和商业场景广泛应用，助力普惠金融和乡村振兴的发展。还可以在农业、林业、海洋、大气、生物、国土调查、灾害管理等七个领域，很好地支持城市各种各样的地面监测的应用。”武汉大学遥感信息工程学院副院长李彦胜称。
大模型到底在城市相关的监测里发挥什么样的作用？李彦胜认为，首先我们在城市层面，会关心底座的问题，比如土地覆盖，土地利用的情况，可以依托大模型充分挖掘卫星遥感数据，去分析土地覆盖利用类型，形成制图底座，为我们城市智能管理、分析进行服务。
“为此我们建了一套面向全球的数据集，有80个地表覆盖类别，并且有超过100万个精细样本标注。有了这样一个数据底座，我们就可以通过大模型进行赋能，比如可以进行制图，以200米作为一个网格，将城市地表形成一个精细土地覆盖类别，比如机场、居民区、商业区、河流、湖泊这样一些类别，都可以形成精细底图制作，做一个无缝的城市制图。”李彦胜介绍。
依托遥感大模型，亦可对15分钟都市圈进行分析，例如从一个居民区块到最近的商业区多长时间，到最近的医院需要多长时间，可以通过这个产品很好地做一个评估。可以为城市的宜居性、楼盘的潜在价值进行评估评价。
李彦胜同时认为，遥感领域基础模型发展也面临着较大的挑战性。首先，遥感领域解决的是以视觉、图像信号的解义为主，相比语言的进展，视觉还有很大的空间需要优化。另外，很多科研团队包括政府机构都在建算力平台，算力相对分散，且很难有很好的办法将他们打通，未来如何在突破数据和算力分散的情况下，优化技术，进一步发挥数据算力的红利，是需要重点推动的技术领域。
陈永伟：高效治理“城市病”，AI城市大模型让城市更有爱
“城市是人类最伟大的发明，我们要关心人类的文明，关心人类的发展，其实要关心城市。城市最终的目标是为了让城市里的人生活得更美好，AI大模型为美好生活提供了技术支撑。”《比较》杂志研究部主管陈永伟博士在做主旨演讲时说。
陈永伟认为，纵观历史的发展进程，城市一方面带来更多需求，更多创新，更多活力，带给人们进步的力量。与此同时，城市也会带来疾病、痛苦，以及城市规模越大越带来的不便。现在流行一句话：逃不离的北上广，回不去的家乡。我们一边为身处大城市的内卷而痛苦，一边又为难以找到规模效应机会的老家而无奈。
“尽管从规划入手，确实可以解决很多的‘城市病’，但规划的思路是一个以静制动的打法。智慧城市，则是以动制动解决问题，智慧城市的逻辑是将信息收集过来，然后给出一个参考，它的智慧来自决策者，它自身并不具有一个生长的能力。而城市是生长的，所以从智慧城市到AI城市，如果说智慧城市长的是神经，现在我们要将它的神经集合起来，把它变成脑子，这就是AI城市大模型的机会。”陈永伟认为。
他认为，城市随时会遇到新的问题，相对于只有神经的智慧城市，AI城市大模型则可以根据原有的数据自己去探索，去实现城市的动态演化，从而进行更快的处理，拿出更好的预测，作出更及时的响应，帮助我们更高效管理。
陈永伟说，“其实有了AI城市大模型后，人机交互的体验改变了，城市大模型最重要的功能，是从神经元的城市变成真正有大脑的城市，从一个缺爱的城市，变成有爱的城市。”
魏立佳：对大模型再赋能，快速准确模拟城市群体意愿
“无论从经济学视角还是社会科学视角，我们发展最终是为了人。所以我们在技术的基础上给技术进行一些赋能，从这个视角探讨群体意愿预测和模拟问题，能提高人类和技术的结合度。”武汉大学经济与管理学院教授魏立佳说。
以前要调查研究群众的意愿，通常是问卷调查。先设计问卷，然后实地发问卷，网上发问卷，再去抽样，收集问卷，对这个问卷的数据和变量之间的关系进行分析。随着大语言模型的发展，部分技术团队利用大语言模型模拟进行群体意愿预测，他们制作了一系列的智能体，让这些智能体回答这些问卷，收集数据再来进行研究。
魏立佳发现，这个智能体并不能特别客观地模拟人类的回答，因为智能体的发展方向是变得越来越智能，而人类存在大量不智能、不理性的问题。AI变得越来越智能，就越来越不适合模拟广泛大众。
“我们要在智能体的模拟上再加上一个模拟，智能体的模拟叫慢思维，另外一个方面叫快思维。”魏立佳称：“具体路径是，我们研发的这个名为Matching-LLM模型，是在基于大语言模型进行精确推理，输出慢思维的模型逻辑后，我们再根据历史经验、个体经验、历史文化偏好等，输出一个快思维模型，将这两种输出加权后，预测个体意愿，再将个体意愿加强一下生成群体意愿，模拟人类的意愿更加准确。”
魏立佳认为，AI大模型可以促进人和城市的协同发展，但却很难解决收集城市代表人口意愿的难题。常常要花千万以上的资金做全国调查。“通过这个迭代方式可以更好、更快速的出结果，未来该方法将可应用于更广泛的政策模拟场景。”
九派新闻记者 罗文璟
【来源：九派新闻】
声明：此文版权归原作者所有，若有来源错误或者侵犯您的合法权益，您可通过邮箱与我们取得联系，我们将及时进行处理。邮箱地址：jpbl@jp.jiupainews.com