城市公共安全事关人民群众的生命与财产安全和社会的和谐稳定,是城市经济、社会发展的重要保障,是现代化、国际化城市建设的重要内容。然而,随着城市经济、社会的快速发展,城市化进程不断推进,各类风险也日益累积、日趋复杂,城市公共安全不断面临新的挑战,如何利用最先进的技术手段来完善城市公共安全防控体系,打造平安城市,是各地政府需要解决的重要问题。
随着ICT技术的发展,特别是智能科技、无线宽带、云和大数据技术,将在很大程度上有助于解决城市面临的上述问题。基于对行业的理解,华为认为平安城市的发展将呈现如下趋势:
物联网智能防护:物物互联、全面感知
当前,视频防护是平安城市防护体系的重要一环,其能够提供重点场所、道路沿线和居民小区等覆盖范围内的影像。公共安全部门通过管理和分析这些影像数据,有可能提前预防突发事件以及在第一时间采取适当应对措施。同时,事件发生后,可以通过调阅视频历史录像,查找重要线索,从而快速破案。视频的本质是人、车和环境的信息采集,是图像传感技术的应用。然而,随着城市的发展,单一的视频采集已经满足不了平安城市建设的需要,未来城市需要建立立体的防控体系,做到物物互联、全面感知,广泛应用各种传感器及智能技术实现综合的监测预警,也就是实现物联网智能防护。
平安城市项目涵盖社会的众多领域,包括街道社区、楼宇建筑、银行邮局、道路沿线以及机动车辆等。特别是针对重要场所,例如机场、码头、水电气厂、桥梁大坝、河道和地铁等场所,引入物联网技术后,可以通过传感采集、无线通信和跟踪分析等手段建立全方位的立体防护。
视频云存储:视频数据大联网、大共享
据IMS Research统计,2014年全球摄像头的出货量达到5646万台,每天产生的视频数据超过1600PB,而累积的历史数据则更为庞大,海量数据的管理和使用是当前公安信息化面临的巨大挑战:
影响视频数据使用效率和可靠性的关键因素是视频存储系统的架构急需改变,应该打破传统的烟囱式、分散式建设方式,采用基于云存储技术的视频云架构,实现视频的大联网、大共享。
无线宽带集群:应急处置更及时、更准确
在平安城市建设过程中,政府部门更加迫切需要跨部门调拨公共资源以及联合指挥调度,从而提升城市公共安全管理的效率和相关部门在突发事件中的联动响应能力,提高应急处置的及时性和准确性。因此,政府部门迫切需要统一的无线通信平台,能够基于视频、语音和数据等多媒体融合通信手段,实现语音、数据和视频的融合统一调度,做到正确决策、高效指挥。
随着通信技术的发展,窄带数字集群已经向以4G LTE为基础的宽带多媒体集群发展。LTE宽带集群能提供高达100Mbps的下行带宽,50Mbps的上行带宽,可以进行实时视频传输。同时在时延、安全性上达到了专业级水准,完全满足行业市场的应用要求。当公共安全事件发生时,可以通过宽带集群系统,实现视频分发及现场视频回传,以及加入视频会议,做到前后方同步可视处置,大幅提高处置的准确性和效率。
融合指挥中心:公共安全事件处置更高效
当安全事件发生时,指挥中心是应急处置的中枢,协调公安、消防和医疗等部门的统一行动。现有指挥中心在指挥调度过程中存在如下挑战:
大数据分析:指挥调度更科学,解决问题更迅速
随着平安城市建设的推进,社会资源数据的不断汇聚,信息化科技的不断深化,警务信息化面临着如何应用和管理好当前的设备、数据和应用资源的严峻考验。大数据技术的出现及应用,将为警察部门在工作中实现更精确的数据关联查询和检索分析,以及数据的可靠存储和交互,对各类数据的存储、分析和有效利用将起到关键作用。利用大数据技术可以整合办案过程中的行为轨迹分析、社会关系分析、生物特征识别、音视频识别、银行电信诈骗行为分析,以及舆情分析等多种分析研判手段,做到快速精确定位、及时全面掌握信息、科学指挥调度警力和社会安保力量,迅速解决问题,提升人们的安全感。
随着城市的不断发展,政府对平安城市的规划和需求也日趋成熟和明确,其建设重点从布点数量向管理应用转变,更加注重实效性,而各种创新的ICT技术的出现,将进一步提高政府对城市安全管理的信息化水平,让城市更安全。
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。