有数据表明,到目前为止中国的城镇化指数已经超过了50%,飞快建设的城市化道路势必伴随着一些以往很少遇到的问题,也就是俗称的“城市病”,在此背景下,各方一致认为以信息化的手段推动城市建设是一条可行的道路,这也是智慧城市建设背后的内在逻辑。因此,从2012年起,中国开始进入智慧城市建设的热潮。
然而智慧城市如火如荼的建设过程中,取得了显著的成绩,也出现了不少问题,例如重技术轻服务,一些城市盲目跟风没有明确目标,协调不够、各自为政、体制机制缺乏创新。智慧城市的建设没有放在城市本身的落脚点上,即关注点没有放在为城市和市民服务上等。到底如何建设智慧城市?在国家提出建设新型智慧城市的背景下,智慧城市建设的落脚点又是什么?近日,ZD至顶网采访到国家信息中心专家委员会主任宁家骏,畅谈他眼中的新型智慧城市建设思路。
国家信息中心专家委员会主任宁家骏
新型智慧城市指导思想
如果要探寻智慧城市的建设路径,不妨先来看看智慧城市建设的衡量指标和建设标准是什么?近日,中办、国办印发了《国家信息化发展战略纲要》,这是一个更加精准的指导未来发展的纲领性文件,宁家骏指出,文件特别提出国家信息化铁三角的理论:能力、应用和环境。能力是核心,应用是牵引,环境是保障,要用铁三角的理论来指导国家信息化的发展,所以这个战略进一步明确了建设新型智慧城市的发展思想。
新型智慧城市建设部际协调工作组的成立进一步明确了智慧城市总体发展思路,也就是提升公共服务效率、坚持智慧惠民和提高城市管理水平,这也是智慧城市建设的重要目标。不过,要实现这些目标并不容易,也不是一蹴而就。
宁家骏指出,任何一个城市都是一个复杂的巨系统,一般来说,城市有五大核心系统,包括城市基础设施、城市管理和治理、城市产业基础、城市公共服务,以及城市发展环境,所以这五大要素要真正形成智慧城市建设,每一个要素都要提升,并且要以更加协调的方式运行。
用大数据推进新型智慧城市建设
再回到起初的问题,城市发展得很快,但积累了很多问题,也沉淀了很多数据,在明确智慧城市发展思想之外,如果探究这些问题的关键原因,宁家骏认为,“这些问题其实跟城市存在的信息资源没有充分利用有深刻的关系。”也就是数据分散没有整合,他认为,跨部门、跨领域的信息共享是解决智慧城市的一个重要问题。
建设新型智慧城市第一步要推动政府部门的数据共享,然后逐步推动数据的开放,包括用政府数据的共享和开放带动整个全社会数据资源的共享开放,宁家骏指出,今年国务院正式下发了51号文件,叫做《政务信息资源共享管理暂行办法》,这是第一个从国家层面出台的规范政务信息资源必须实现共享的法规性文件,文件明确提出了政务部门用公共财政采集的各种信息,在政府部门之间首先要实现无条件的共享,这一带有法规性强制性的文件,破解了过去各个部门都采集数据却变成了数据部门化、不能够实现共享的难题。
欣喜的是,现在国家正在建设政务信息资源共享和交换的平台,通过这样一个平台首先建设得是政府信息资源目录,各个部门报自己家底、进行数据目录开放,其他部门需要时通过平台或直接通过部门之间数据交换来现数据的共享,宁家骏认为,它是解决当前大数据应用的一个关键问题,同时也是破除体制上重大难题的关键性突破。
对此,国发50号文也明确提出三个要求,第一推动大数据资源共享开放,第二强化应用,第三发展大数据产业。
可持续的智慧城市发展模式
促进信息共享与大数据应用是智慧城市建设的一个重要热点,不过这些应用系统的运营模式也要创新,并且要实现可持续的发展模式。
宁家骏指出,建设智慧城市过去有一种误区,认为智慧城市的建设主要是靠政府自己的力量和财力建设,实践证明这一条路是不能完全走通的,因为智慧城市是一个范围非常广和一个复杂的巨系统,而且是一个必须长期持续建设才能够见到明显成效的工程。
所以,在这个意义上说必须要坚持政企合作,智慧城市的建设将来更多的是靠社会化的投入,政府要放开垄断的资源,鼓励社会参与投资、参与建设、参与运行,政府通过购买服务的方式才能够把这种建设的模式和运维模式持续下去。
所以,如果总结新型智慧城市的建设思路,宁家骏说,新型智慧城市要建立起一个信息共享和公共服务的平台,通过它推动智慧城市的健康发展。并且,建设智慧城市首先要做好政府职能转变思路的变化,通过信息化来支撑好职能转变的要求,推动城市发展的创新,打造好创新驱动的整体战略。同时要衔接好互联网+行动计划,把大数据应用引入到城市的管理中,因为新型智慧城市本身就是大数据的重要载体。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。