當一年前王堅博士站在雲棲大會的舞臺上介紹「城市大腦」項目時，在場的幾千人或許並不會意識到他們正在見證一個偉大實踐，一如我在一年前所言：「在我們生活的城市，人工智能正在或即將改變城市運作的內在規律，而隨著數據越來越多、計算能力越來越強大，機器的算法也會越來越聰明，接下來，就是見證奇蹟的時刻。」
而這個事蹟只用了不到一年的時間。或許還有很多人記得王堅博士那句經典的「世界最遠的距離就是交通信號燈與監控攝像頭的距離」，但這個金句正在從杭州消失。根據此次雲棲大會透露的消息，過去一年，阿里雲的城市大腦已經接管了杭州 128 個信號燈路口，涵蓋主城區莫干山路區域等路面主幹道及南北城區的中河-上塘高架等快速路，還包括蕭山城區。
如果細心去看城市大腦給杭州帶來的變化，以下一組數字或許會讓你產生一絲觸動：
在杭州主城區，城市大腦調控了24個莫干山路區域紅綠燈，通行時間減少15.3%。試點中河-上塘高架22公里道路，出行時間平均節省4.6分鐘。
在蕭山，104個路口信號燈配時無人調控，範圍西至蕭然西路，南至晨暉路，東至通惠路，北至蕭紹路，此外還包括市心路、育東路、北山南路在內的5平方公里，車輛通行速度提升15%，平均節省時間3分鐘。
更重要的一個嘗試還包括，城市大腦在蕭山區進行了 120 救護車等特種車輛的優先調度。根據官方給出的一組數字：「救護車到達現場的時間已縮短一半，平均節省7分鐘。以市心路-晨暉路到市心路-建設一路全長7公里路段為例，救護車總計需要經過21個路口。在最近一次出車中，救護車節省時間高達14分鐘，沒有遇到一個紅燈。」
事實上，這些成績對於生活在城市裡的普通個體並無太大的感知，但如果從人工智能行業的角度去看，城市大腦這一年所取得的成績，已然驗證了阿里雲押注數據智能的正確性，更進一步，城市作為一個天然的數據集成存在，在數據智能的驅動下，正在成為一個物理世界的 IaaS 平臺，讓基於城市數據資源的創新成為可能。
1. 為何從數據切入智能？
過去的兩年，以深度學習為代表的人工智能成為全球關注的焦點。這種關注不分國界、不分行業，從製造業巨頭 GE 到搜索引擎 Google，再到中國的 BAT，數不勝數的公司擠入人工智能的賽道里，都或多或少地將「All in AI」或「AI First」奉為公司轉型的不二法則。
但如果冷靜去分析這一次人工智能興起的原因，或許會發現，正是來自計算能力、深度學習算法和海量數據的同時爆發才催生了這一波的「智能革命」。而這其中，計算能力受限於硬件性能，且不說摩爾定律是否失效，但傳統計算架構的缺陷不足以支撐未來的計算能力，而算法優化空間的競爭，更多的演變成全球範圍內爭奪深度學習人才的競爭，不過一個顯而易見的事實則是，人才尤其是高端人才非常稀缺。
此時，推動人工智能發展的三個要素裡只剩下了數據。 幸運的是，正如王堅博士所言，數據（可能）是這個星球唯一取之不盡的能源。也就是說，不管是個體消費者還是企業車間抑或是一個城市，大量傳感器、攝像頭的普及，每時每刻都在產生數據，一份來自前沿產業研究的報告顯示，2015 年全球的數據總量為8.6ZB（1ZB 等於 1萬億 GB），目前增長速度在每年40%左右，預計到2020年全球全球的數據總量將達到 40 ZB。
作為長期以來和數據打交道的互聯網公司，阿里雲有著豐富的數據處理經驗，既應對過海量的數據存儲，也扛過類似雙十一這樣的高併發數據挑戰，這也構成了阿里雲在人工智能應用領域一個特點，即通過數據維度切入這個領域，並利用海量、實時的數據倒逼計算能力和算法的優化改進，從而釋放數據智能帶來的潛力。這從去年陸續推出的 ET 大腦系列產品可見一斑，包括城市大腦、工業大腦、醫療大腦，無一不是依託數據維度的智能思考。
但城市數據，顯然是一種「另類」的存在。
2. 城市=「數據金礦」？
城市或許是人類最偉大的發明之一，作為人類生活的主要聚集地，城市天然就是記錄人類行為軌跡的「數據庫」。如果從過去十幾年的「智慧城市」算起，城市「數據庫」的搭建工作幾乎從未停歇，但其結果並沒有給城市帶來所謂「智慧」，反而由於不同數據庫之間的割裂、數據陳舊以及處理能力的匱乏造成大量投資被浪費。
這正是王堅博士說出那個金句的由來。
在城市交通數據中，交通信號燈的數據與交通監控攝像頭的數據完全割裂，這些來自空中影像數據又和地面的傳感器數據缺乏關聯，再加上處理海量影像數據的效率缺乏，也就構成了這個「世界上最遠的距離」。
交通數據雖然僅僅是城市數據的一方面，但交通數據的重要性不言而喻。特別是在中國城市發展過程中，道路交通狀況往往成為影響城市規劃的重要參考因素。也因此，城市大腦落地的第一步，就瞄準了困擾長期困擾杭州的交通問題。首先，將長期以來沉澱在不同部門、不同設備裡的數據實時在線地整合在一起；其次，通過雲端的計算能力和算法來釋放海量數據的智能，從而能夠真正實現「讓城市交通數據自己說話、自己決策」......
事實上，面對來自交通局、氣象、公交等十幾家機構的海量、實時交通影像數據，城市這個「數據金礦」催生了算法的創新。比如，城市大腦的 iDST 視覺計算團隊為了應對複雜場景下的車輛檢測任務，該團隊提出了基於區域融合決策和上下文相關的多任務深度神經網絡，可以解決多視角、多姿態及車輛遮擋等問題。這一技術成果打破了全球權威視覺算法測評平臺KITTI的世界紀錄，將車輛檢測率拉昇至90.55%。
從這個角度去看，數據不僅是類似石油的資源，更是像血液之於人類一樣對於人工智能落地城市意義重大，它構成了城市管理、規劃的新維度。王堅博士進一步談到，以修路來解決城市交通擁堵的辦法，其實是上世紀的思路，未來的城市基礎設施將是城市大腦。
3. 城市如何成為現實裡的 IaaS？
我們知道，雲計算的三大層次裡，處於基礎設施層面的 IaaS 層，通過底層計算資源池化以及構建可靈活擴展的架構，支撐了上層的 PaaS 和 SaaS。而細心去看這個全新的城市基礎設施，城市大腦的角色和雲計算領域的 IaaS 頗為相似 。
這意味著，必須打通交通和救護車急救點的數據系統。急救點一旦接到電話，語音數據直接進入城市大腦中進行實時計算，自動調配沿線信號燈配時，為救護車設置最優路線。同時，監控視頻根據救護車GPS定位，始終跟蹤救護車行駛。指揮中心的終端大屏，則會幫助交警把控急救的實時進展，必要時提供警力的支持。
縱觀整個流程，當城市道路以及交通參與主體被數字化之後，這些交通資源就成為一種可伸縮、可定製的資源，像極了在雲計算資源池化的屬性，所有的交通資源也被資源池化，根據用戶需求智能調配。其應用場景也覺不僅僅是侷限在特殊車輛通行應用層面，它構成了一種現實版的 IaaS 平臺，比如公交公司可以基於這個平臺合理規劃公交車發車效率，保證一路綠燈；再比如，共享出行或地圖公司可以在此基礎上衍生出更豐富的商業應用......
4. 寫在最後：我們還記得 AI 的終極目的嗎？
人工智能正在以史無前例的速度改變著你我的生活，但技術的真正價值都是為人類帶來價值提升，換句話說，那些挑落國際象棋大師與橫掃圍棋九段的人工智能是沒有意義的，只有將人工智能真正應用到普通人的生活、企業的生產場景中，才能釋放數據、智能帶來的紅利。
另一方面，深度學習算法所帶來的語音、圖像識別處理的單點突破，縱然能帶來各種美顏算法給予個體用戶的愉悅以及語音交互處理的炫酷，但站在一個群體或社會的角度去看，倘若這些單點技術突破無法賦能群體，無法解決困擾人類本身的交通、環境以及生產效率的難題，這裡的「人工智能」已經成為一種玩具。
正如馬雲早前反覆強調的，如何通過機器智能的實踐，從而讓機器幫助人類完成人類不擅長的事情才是人工智能的關鍵。這也是城市大腦落地一年來帶給我們最大的啟示，機器智能帶給人類的絕不是終結者的恐怖或娛樂至死的無聊，而是通過數據、計算能力以及算法的結合，重構一個美好的未來。對此，阿里雲人工智能首席科學家閔萬里的評價最中肯：「我們通過計算這個槓桿，來撬動整個社會中沉睡的公共數據資源，把底層的價值釋放出來，由此產生的價值是無法想象的。」
閱讀更多 趙賽坡商業評論 的文章
