自2017年以来,蓉城以“互联网+城市”行动方案为引领,智慧城市建设取得阶段性成果,以政务服务为例,基本实现“一网通办”,政务服务审批事项实现100%网上可办。在2020年在11月举行的第十届全球智慧城市大会上,成都市荣获“2020世界智慧城市大奖中国区决赛入围奖”。
对于未来,2020年12月26日召开的成都市委十三届八次全会明确,力争到2035年,成都高水平实现社会主义现代化,创新型城市建设进入世界先进行列,超大城市治理体系和治理能力现代化基本实现,全面建成践行新发展理念的公园城市示范区、泛欧泛亚有重要影响力的国际门户枢纽城市。
因此,切合成都实际的智慧方案尤为重要。成都深入贯彻落实党中央国务院和省委省政府关于智慧城市建设系列部署要求,将智慧城市作为一个完整协调、能思考、有温度、能感知的有机体统筹推进。
在2020年9月份,成都高新区管委会与华为签署了人工智能大数据中心项目合作框架协议,并宣布携手共建蓉城智能体。
6月10日,在华为四川数字峰会上,成都市人民政府副市长曹俊杰,罗克佳华科技集团股份有限公司副总裁郭晓强,成都通甲优博科技有限责任公司副总裁高枫,华为中国区副总裁雷战奎,华为川藏区域总经理彭雄基,华为川藏政企业务总经理梁艳等各方主体代表共同启动蓉城智能体,宣布蓉城开始迈向全场景智慧城市。
蓉城智能体以“一中心三平台”为基础,打造城市的眼脑手脉,让城市成为自进化有机体,最终实现超大型城市治理能力和治理体系现代化,从而提升广大市民的幸福感、安全感和获得感以及城市整体竞争力。
其中, “一中心”指国家一体化大数据中心成渝节点,将结合成都在西部的经济、政治和科技地位,进行科研创新和东数西算战略落地,“三平台”包括全球领先人工智能算力平台、 城市智脑平台和全球智能数据存储与机器视觉科研创新平台。
其中成都人工智能计算中心项目已于6月9日正式奠基开工,首批15个生态伙伴签约入驻,成都人工智能计算中心项目将打造全球领先新一代人工智能计算平台,这是成都落地人工智能发展战略的重要举措,也是成都新型智慧城市建设的重要支撑。
在2020成都新经济“双千”发布会城市智慧治理专场活动上,中国工程院院士吴志强说“展望未来,城市智慧治理就是三件事:一是城市作为‘生命体’,其本身在不断地智化;二是城市管理、规划、建设、预测的主体也在快速智化;最后,城市治理走向智化,也就是人人被智化、人人的生活被智化”。他认为智慧城市应该是能够感知、判断、反应和学习的完整循环,智慧不仅是Smart,而是Smarter,“越来越聪明”,智慧城市建设必须将“以人为本”置于首位,智慧城市的原动力模式就是通过人工智能技术更好地解决城市发展过程中人的需求问题。
人工智能在蓉城智慧城市建设中已经落地开花。今年1月份,3D高仿真实景VR导航”、“零接触无感人脸登机”等一系列全球领先的“黑科技”登陆成都双流国际机场,为旅客提供“零接触”春运服务,一张脸走遍机场,让旅客出行更轻松。在成都地铁,实现了“人物同检”、红外测温和人脸过闸的无感通行,保障疫情防控常态化下的通行效率。在大熊猫国家公园,AI实现林火早发现、早上报、早处置,保护国宝的家园安全;实现对四川珍稀动物大熊猫、扭角羚扥野生动物自动识别、定点拍摄、图像自动归档,实时进行对野生动物的观测,为珍稀野生动物研究、科普、大熊猫文创业务发展提供了良好条件。在成都电力,人工智能替代人力巡检,巡检效率提升80倍。
未来,遵循场景驱动、算法赋能、智能协同,多元共治的指导原则,参考“11153”架构:建立空天地一体化的城市感知交互体系,让城市耳聪目明;构建接入高速化、AI自动化、服务确定化的城市网络,组成四通八达的城市之脉,打通数据流转的血液循环;充分发挥“一中心三平台”的技术引领作用,夯实城市数字大脑能力;最终促进政企智能升级,提升民生服务便捷化、城市治理精准化、政府决策科学化、产业发展现代化水平。
在《成都市国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中,提出要打造韧性、绿色、宜人、安全的新型智慧城市发展样板,成为全国“数字政府、智慧社会”建设的典范城市。随着蓉城智能体的到来,我们相信这很快就会变成现实。
未来已来,蓉城智能体属于成都市政府、每个企业和每个市民,让我们一起共建共享。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。