今年3月,一条连接西雅图与华盛顿州贝尔维尤市中心的新轻轨线正式开通,给这座快速发展的城市带来了更大的开发压力。
这股压力在城市审批办公室尤为突出。工作人员每天需要解答申请人的各类问题、解读审批法规,并处理提交前后的各种诉求。
贝尔维尤市首席信息官萨布拉·施耐德在接受InformationWeek采访时表示,和许多城市一样,贝尔维尤正在探索如何利用AI改善公共服务,而优化审批流程便是一个切实可行的起点。该项目设定了颇具雄心的目标:将每年用于审批工作的2万个工时减少30%,同时将需要重新提交的审批数量削减一半。
寻找合作伙伴
施耐德表示,面对众多争相向政府推介产品的初创企业,贝尔维尤在早期AI探索阶段有大量选择。Govstream.ai之所以脱颖而出,得益于三方面因素:它是一家本地初创企业,在市政科技领域有一定积累,并提出了一种合作模式,让贝尔维尤相信"这将是一次成功的试点"。
双方在2025年4月正式启动项目前,已进行了数月的谈判。这一过程也清楚地表明,城市现有的合同流程需要针对AI初创企业进行调整。
"我们知道,在AI领域必须换一种思路,因为大多数从事这一领域的供应商并没有五年的政府合作经验,也往往无法满足传统招标文件中的常规要求。"施耐德说。
引入"创新合作决议"推动与AI初创企业的协作
为此,贝尔维尤市于2025年7月通过了《创新设计合作政策》。该决议旨在帮助城市以设计合作伙伴模式取代传统招标方式,与本地及全国性初创企业建立合作关系。
Govstream.ai与贝尔维尤共同确定了审批试点项目的目标,并将其分为多个阶段推进。
初步成果与持续推进
目前项目进展令人鼓舞,开发服务部门已有198名用户获得了AI工具的使用权限。"我们对实现30%的目标相当乐观。"施耐德说。
展望项目第二和第三阶段,城市的目标是将申请重新提交率降低50%。重新提交会显著拖慢审批进度,每次重提可能耗费数周时间,申请人有时还需经历多轮反复。Govstream.ai与贝尔维尤市暂定于今年6月推出申请辅助工具。
市政CIO的AI落地经验
市政首席信息官和私营部门的同行一样,很容易被AI创新的热潮所感染,但他们推动创新的最终目的必须是让公众受益。施耐德在带领团队推进AI落地的过程中始终牢记这一点,并总结出了若干值得借鉴的经验。
Q&A
Q1:贝尔维尤市的审批AI项目具体想达到什么目标?
A:贝尔维尤市希望通过引入AI工具,将每年用于审批工作的2万个工时减少30%,同时将需要重新提交的审批申请数量削减50%。其中,重新提交问题尤为关键,每次重提往往需要数周时间,申请人可能经历多轮反复,严重拖慢整体审批效率。该项目目前已进入多阶段推进状态,预计2025年6月上线申请辅助工具。
Q2:贝尔维尤市为什么选择Govstream.ai作为AI合作伙伴?
A:Govstream.ai能够脱颖而出,主要基于三个原因:它是一家本地初创企业、在市政科技领域有一定积累,以及提出了一种让城市有信心开展试点的合作模式。此外,双方经过数月谈判,共同推动了贝尔维尤市合同流程的改革,促成了《创新设计合作政策》的出台。
Q3:《创新设计合作政策》是什么?它解决了什么问题?
A:《创新设计合作政策》是贝尔维尤市于2025年7月通过的一项新政策,旨在以设计合作伙伴模式取代传统招标(RFP)流程,帮助城市更灵活地与本地及全国性AI初创企业合作。这一政策的出台,是因为传统招标流程要求供应商具备五年以上政府合作经验等条件,而大多数AI初创企业难以满足这些要求。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。