今天小編分享的科技經驗：重塑城市：AI驅動的城市模型如何改變治理，歡迎閲讀。
2023 年，英偉達科學家團隊将 GPT-4 接入 Minecraft（「我的世界」）遊戲，提出了全新的 AI 智能體 Voyager。随着 GPT-4 不停歇地探索世界，Voyager 逐漸掌握了挖掘、蓋房、打獵等生存技能，同時擴充自身物品和裝備，并在沒有人為幹預的情況下持續獲得新發現。例如，如果發現自己是處于沙漠而非森林中的環境，智能體就會知道學會收集沙子和仙人掌，比學會收集鐵礦更重要。
" 由此展開，我們希望有個 AI，通過給他設定改良、優化城市的任務，它便會根據當前的技術水平和城市狀态提出适當的任務，相當于做城市體檢和城市規劃。" 騰訊研究院資深專家、教授級高級城市規劃師王鵬如是暢想 AI 在城市甚至是人居環境的應用場景。
王鵬認為，" 城市大模型 " 需要基于環境反饋來完善策略，将掌握的策略與反饋記入記憶，并在類似情況下重復使用，相當于落地實施，還需要在實施過程中不斷深化對城市的認知，動态地修正規劃和策略；因為城市的改良，沒有最好，只有更好，所以它需要持續探索城市——以自我驅動的方式尋找新的任務。
在騰訊研究院發布的《生成式 AI 人居領網域應用趨勢調研報告》中，有資深城市規劃專家認為，在 AI 發展的早期階段，基于規則的定量建模和專家系統，對城市規劃起着關鍵的作用。雖然深度學習的出現帶來新的可能，但它仍然與這些傳統方法緊密相連。然而，并非所有任務都需要大型模型，對于特定領網域而言，小型模型與本地知識庫的結合可能更有效。AI 在城市應用的目标，是提供針對各種場景的适當解決方案，并繼續探索如何有效地結合各種工具和技術，以實現高效、經濟的智能服務。
有沒有可能建立一個城市大模型？城市大模型能做些什麼？技術驅動将為城市治理帶來什麼變化？又将可能產生什麼問題？基于以上問題，36 氪與王鵬進行一場深入讨論。
城市大模型挑戰：超越文本數據的復雜處理需求
2023 年，随着通用大模型的快速發展，全世界看到了 AI 技術在城市治理中的潛力。王鵬認為，盡管現有的通用大模型在特定行業中應用仍有限，但它們在處理復雜系統問題上展現出了前所未有的能力。
因此，考慮發展更專業的行業大模型，如城市大模型，以支持更精細的城市管理和規劃決策。這種模型可以幫助解決城市的各種問題，提升治理效率，再通過高質量數據和精調，實現真正的智能城市管理。
從具體研發角度看，截至目前，除了如生物基因蛋白質分子結構、時序時空這些特殊模态的大模型外，從零構建行業大模型沒有必要，主要挑戰在于算力成本。
官方數據指出，GPT-3 數據集的體量為 753GB，LLaMA4 的為 828.2GB。以 1000GB 的數據模型為例，這相當于需要處理超過 500 億份城市總規説明書規模的文本數據，每一份説明書的字數大概是十萬字。這一巨大的數據量，側面反映了行業大模型構建時所面臨的高算力成本和技術門檻。
在城市領網域，一些關鍵的行業知識，如規劃文本、政策檔案、和法規規範是難以完全通過文字表達的，這些知識的復雜性超出了簡單文字的範圍。此外，城市領網域還涉及需要通過圖紙等多模态數據處理的内容，這類信息更是無法簡單地轉化為可直接計算的格式。因此，建立城市大模型需要處理的不僅僅是文字數據，還要涵蓋多種格式和類型的復雜信息。
在訓練方面，達到所謂的 " 智能湧現 "，仍然是一個未知數。一般而言，GPT3.5、文心一言、通義千問、GLM 達到 " 智能湧現 "，背後支撐的參數規模為千億以上。這種智能湧現是處理復雜城市系統時，極為重要的能力。
然而，大多數行業大模型的參數規模通常只有百億級别，為了保證調優的效果、效率和性價比，這樣的規模是必要的。因此，這些模型雖然名為 " 大模型 "，但在真正的智能表現上，可能只能達到形似而非神似，難以滿足通用人工智能的高級預期。
截至目前，出于經濟性的考慮，使用 LLM 模型應用，仍難以構建商業閉環，除了需求方對技術的理解參差不齊，成本也是一個無法繞過的難題。在一落地的城市相關大模型項目中，僅 30MB 的文本數據，在百億參數模型上訓練一次的成本就接近萬元，且訓練效果不可預知，但該成本在未來下降的可能性較大。
相比研發出一個行業通用大模型，基于基礎大模型的能力，進行應用開發，将成為行業大模型的 " 主流形态 "。
不同于以往的通用大模型，城市大模型通過精準的行業數據訓練，致力于解決復雜的城市問題，如公共服務優化、城市規劃和治理效能提升。這個應用，關注的不是模型本身，而是具體要完成的任務，實現技術與城市需求的高度融合。
應用場景：輔助決策、敏捷治理、政務服務
王鵬認為，相比于專業人士對于 " 大模型 " 的認知，如何統一各方參與者對于 " 城市 " 的認知，是更難的事。他認為，無論是面對信息技術廠商、人工智能技術專家，甚至是面對城市政府，這些角色腦子裏的 " 城市 "，都不是規劃師腦子裏的 " 城市 "。
如果以商業閉環的邏輯開發城市大模型，較為合理地是應用于公共服務與公共管理領網域，其背後資助方是地方政府。王鵬坦言：" 雖然大模型技術好像很高大上，但相比之下，現有應用一點都不科幻，請做好心理準備，現實就是骨感的。"
截至目前，城市大模型的應用場景有幾類，包括輔助決策、敏捷治理、政務服務等。
在輔助決策方面，大模型可以通過提供數據分析、案例對比等方式，幫助決策者進行更全面和迅速的決策。例如，通過整合城市數據庫，大模型可以實時回答領導的各種查詢，增強決策的信息支持。
近年來，城市大腦、產業大腦等信息化項目，在一定程度上完成了一些城市數據的匯聚。因此，目前最易落地的應用場景，就是整理匯聚數據庫，用大模型能力進行基于語義互動的、靈活生成的數據分析，可以實現領導随心問，大模型即時答。一定程度上是對上一代 " 領導駕駛艙 " 的更新。
王鵬表示："AI 負責全面正确，人類負責作出艱難的選擇，是決策過程中 AI 與人類分工的理想界面。"
敏捷治理方面，是利用大模型快速響應公眾需求，改進傳統的政府運作模式。這包括快速識别市民問題，自動化處理反饋，以及優化政策執行過程。
類似紐約市政熱線 311、北京市民服務熱線 12345 ——從源頭上快速回應需求，對于這些問題與訴求的廣泛采集與快速回應，大模型技術可以很好地提供支持，包括對問題訴求的快速識别、總結提煉、派單分發、基于過往案例經驗、法規條例的處置建議。該功能同樣需要一定知識輸入，也可能涉及多模态大模型。
政務服務方面，大模型通過智能問答系統，提供政策咨詢和辦事指南。 相比于輔助決策、敏捷治理，政府服務可以理解為 G to C 服務的屬性，大眾更容易感知。各級政府、各相關部門及事業部門，根據法律法規，為社會團體、企事業部門和個人提供的許可、确認、裁決、獎勵、處罰等行政服務。政務服務線上平台，通過打通不同部門的信息系統，打通線上線下服務，減少煩瑣的手續和流程，讓群眾、企業更快速地辦理各種事務，提高行政服務效率。
以上各場景均顯示了大模型在城市管理中的潛力，但同時也需要大量的數據輸入、高水平的技術支持和持續的優化才能實現最佳效果。
城市大模型的構建和應用，雖然面臨諸多挑戰，如數據整合、模型訓練的高成本和技術門檻，但其潛在的優勢和長遠的應用前景是顯而易見的。在未來，這些模型不僅可能在單一城市中發揮作用，更有可能在全球範圍内被復制和推廣，成為城市發展和管理的新常态。
通過深化行業知識的應用和技術的不斷優化，城市大模型預計将引領一個更加智能和高效的城市治理新時代。
當然，相對于建立完整城市大模型的長遠目标，生成式 AI 近期在人居領網域已經有很多的應用。《生成式 AI 人居領網域應用趨勢調研報告》中就涉及了關于規劃、建設、運營等環節的多個應用。
在騰訊正在建設的前海總部，正打造一個 " 人、機、環境全面友好的未來城市原型，這裏将集聚一系列數字科技領網域的創新實驗室群及相關設施，包括以機器人、人工智能、音視頻、未來網絡、未來出行、碳中和等為主題的多座建築，為企業的科學家和工程師提供集辦公、研發、測試、發布、交流為一體的創新空間。同時也發起了未來城市 AI 創意設計大賽，面向公眾征集更富想象力的設計。用生成式 AI，幫助所有普通人表達對未來的想象。
36 氪作者 ｜ 宋虹姗
