至顶网网络频道 06月13日 编译:虽然智慧城市解决方案的交付需要一个总体规划,但往往最终一次只部署一个项目,而专注于大局实际上已经放慢了思科在智慧城市方面的计划,思科公司首席执行官罗卓克这样说。
思科首席执行官罗卓克
在奥兰多举行的Cisco Live期间罗卓克表示:“我认为这就像任何复杂的技术架构;我认为对于最终状态是什么样子,你可能已经有了一些设想,但事实是,如果你要从这里开始的话,你永远不会达到任何事情。”
“我认为这是我们多年来遇到的问题之一——我们陷入了困境,试图做很多事情。”
智慧城市部署因此最终一次只落地一个项目,具体取决于某个城市最需要的用例,例如智慧停车场、智慧交通管理、智慧照明和智慧垃圾管理等。
罗卓克说,这个现实往往与人们对智慧城市的期望不一致。
罗卓克解释说:“有一种误解认为,当有人评估是否有智慧城市的时候,人们会说,'好吧,城市中没有一个百分之百完整的建筑物是连接着从交通信号灯到供水系统、再到电网的一切实物。’但实际情况是,大多数客户正在采用一个、两个、三个、四个在该特定地区最重要的用例,并且实际也在构建这种用例。”
“人们的期望是,当某个城市变得智慧时就会顶着一个巨大的光环,让每个人都明白这是一个智慧的城市......每个城市都在寻找许多不同的东西,而且现在我们参与了全球各地大多数这种项目。”
罗卓克说,思科还参与了帮助中国从头开始建设智慧城市的项目,这一项目需要在将蓝图变成现实部署之前有更完全的布局。
“实际上只有少数的国家需要真正从头开始建设智慧城市。我们现在正在与中国等很多国家合作,他们刚刚开始,正在构建整体。”
“在这种情况下,你可以建立一个整体的智慧城市。而在其他情况下,当你对城市进行改造的时候,我认为你必须从一开始就要定义这个架构。”
在Cisco Live大会期间,美国拉斯维加斯市首席创新官Michael Sherwood表示,他们已经在一个项目中与思科合作,旨在防止整个城市发生行人死亡。
“我们如何在交叉路口发现未遂事故,我们如何使用这些数据来改变交叉路口的设计和构建方式,我们如何利用从这些传感器收集来的信息,采用修复措施?”
“也许我们可以预先把交通灯从绿色变成红色,以避免这种事故的发生,减少任何级别的生命伤害,无论是在上学路上的孩子,还是公民或者是城市游客,我们想要了解我们如何能够预防事故,并且让这种类型的实时数据真正改变我们设计交叉路口的方式。“
拉斯维加斯市也在研究一种自动穿梭巴士,能知道每个站点有多少人在等待,并据此来规划空间;研究路边监控系统,让车辆可以有空间停下来;在需要的时候清理街道,而不是固定的每周一次清扫。
“这关系到政府与公民之间的连接,以及公民与经验、与设施之间的连接,”Sherwood说。
思科在Cisco Live大会上宣布了与拉斯维加斯市的智慧城市合作计划,最初主要涉及使用思科连接的摄像头、传感器和平台来收集和分析环境、交通、水、人群控制、交通、照明、垃圾管理、安全和停车。
同时,卡里镇首席信息官Nicole Raimundo表示,她所在的城镇已经与思科在智能停车场和交通解决方案方面展开了合作,同样使用了Cisco Kinetic for Cities平台。
其中一个例子就是当交通信号灯熄灭时启动智能程序。
“我们的愿景是,只要发生这种情况,它会自动发出工作单,将视频传送到我们的311中心,在那里他们可以监控正在发生的情况,也会通过Waze重新路由。”
“它也会向警察部门发送一些信息,这样他们就可以派人到现场帮助指挥交通。所以我们对技术的愿景,并不是每天都能看到的,只是自动发生的,人们的生活就会得到改善。”
鹿特丹港总监Erwin Rademaker表示,他的公司使用了思科Kinetic平台,同时在运营过程中增加了数百万个传感器,以追踪潮汐、水位、风力、盐度,为进出这个荷兰港口的货船提供信息。
“思科是关键——思科的Kinetic提供了来自这些关键任务传感器的所有安全性和所有数据提取,并将其提供给IBM Watson平台,”Rademaker在Cisco Live大会上表示。
Rademaker补充说,鹿特丹港也在寻求改进其安全产品,思科主要提供了“物理的部分”。
“我们想要尝试的另一个部分是区块链技术,”Rademaker解释说。
在智慧城市方面,思科还宣布与AT&T建立智慧城市合作关系,并于2月份在阿德莱德投资100万澳元试点智慧城市技术。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
清华大学研究团队开发出CoIRL-AD自动驾驶新框架,让AI同时具备模仿学习和强化学习能力。该系统在AI内部设置两个"驾驶员",一个负责模仿专家行为,另一个负责探索试错,两者通过竞争合作机制共享知识。实验显示,新系统碰撞率比传统方法降低18%,在罕见场景和跨城市部署中表现更优,为自动驾驶技术提供了新的学习范式。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
UC圣地亚哥与英特尔联合研究提出AT-GRPO算法,首次实现多个AI系统的有效协作训练。该方法让AI团队在真实协作环境中学习,而非单独训练后组合。实验显示,在复杂规划任务中,AI团队成功率从单体AI的14-47%提升至96-99.5%,编程和数学推理任务也有显著改善。这项突破为软件开发、教育、科研等领域的AI应用开辟了新路径。