我对城市大脑的前景高度怀疑。

杨净 整理自 凹非寺

量子位 | 公众号 QbitAI

我对城市大脑的前景高度怀疑。

城市道路交通就像安卓平台，生态参与方很多。

ChatGPT时代平台化服务会迅速涌现，某种程度上解决了一部分就业问题。

……

在最新CCF C³活动现场，30余位学者专家来到滴滴出行，围绕着「智能技术与交通治理」的主题展开激辩。

与我们日常息息相关的出行，背后需要怎样的协同和治理？ChatGPT时代又将给出行带来什么样的可能？城市大脑又该如何去推进？

带着这些问题，在不改变原意基础上，量子位做了如下整理：

出行生态治理中的多方协同

来自北京交通大学计算机与信息技术学院副院长李浥东，清华大学经济学研究所长聘正教授、副所长王勇，北方工业大学智能交通控制（北京市）重点实验室研究员张福生和滴滴出行智能平台事业群总经理杨毅，就《出行生态治理中的多方协同》展开了探讨。

主持人由滴滴AIoT平台产品负责人孙伟力担任。

交通治理分为三个阶段

孙伟力：第一个问题想问王勇老师，从经济学角度如何去看多方协同治理。

王勇：首先，多方包含平台企业和政府这两个非常重要的主体，当然还有公众、媒体以及社会的参与监督等等。

平台治理和监管可以分为三个阶段：事先、事中、事后。

从协同角度来讲，过去政府监管重点主要放在事先（比如司机资质认证）和事后（比如处罚）。现在有了平台企业，不管是出行、电商、生活服务多种平台努力下，填补了事中监管的缺位。

更关键还在实现了多方协同治理。比如，如果事中能做到很好监管，那么事先的资质监管就可以放松一些；事后监管上能与政府做个分工，平台能借助更灵活的市场化手段来参与治理。

李浥东：首先从交通这个概念，以前交大是做轨道交通为主，现在拓展到了道路、水运、空运等这样大交通概念。

再从出行角度看，有两个层次去谈，一个是同种交通模式下不同方，比如平台、乘客、监管方等；另一种是同一方不同交通模式，比如一次长途出行，包含坐船、火车、汽车等。

我们考虑更多的是综合模式下的治理，目标是提出一种多模式大交互数据，这里面包含轨道交通、道路交通，甚至包括市政部门等方面数据打通，以此首先建立起管理者之间的大协同，进而诞生一些面向出行治理的各种应用。

孙伟力：从个人角度看，司机乘客是如何参与到这个规则里面中去？

杨毅：平台在制定相应规则的时候我们会做用户调研，从司机乘客的角度去考虑这件事。比如以往有个模式叫做公众评议会，让公众参与进来讨论，一定程度上体现了多方参与的治理方式。

孙伟力：像司乘对规则不理解，有个经典话题就是绕路，这里面不光是两个人的事，还与整个城市交通管理有关，张老师对其中交互协同、规则治理有什么见解？

张福生：整个交通管理系统是个庞大的人机交互系统。之前有个说法就是，一说就会一干就错一讨论就吵架。司乘双方矛盾就是个缩影。

但前提是要守法，我们有道路交通安全的各种实施条例和细则，在设置交通控制设施时也要遵从一些基本规范，即看得见、听得懂、凭着常识就能理解的东西。

现实情况下大多数产生矛盾的原因在于规范性不强或标准化程度不高。

道路交通就像安卓平台，生态参与方很多

孙伟力：几位老师谈到的交通治理这个概念，已经并非我们想象中司机和乘客这种简单场景，而是不断去做外延的，李老师怎么去看不同交通之间的协同？

李浥东：差别还是挺大的，就从基础设施和系统来看道路公共交通更像安卓平台，生态参与方非常多，有各种服务模式；而轨道交通实际上更像苹果封闭系统。这导致两者治理方式，从数据、系统复杂性以及客户需求复杂程度都有不同。

王勇：公共交通与轨道交通，包括网约车、出租车、公共汽车，应该是个互补的关系。我在想是不是可以在资费方面将各方拉开一定档次，让不同人选择不同方式，从而减少公共资源的占用。

孙伟力：从交管角度看，如何实现更好的资源分配？

张福生：先往前推一句，普通社会层面上大家一提交通治理目标就是治堵，但个人认为堵是治不了的。经济越发达，出行需求越旺盛，堵是必然的。

至于资源分配问题，我们核心方案主要有两点：空间分配、时间分配。事实上在分配交通资源时，有更多的目标需要实现，比如安全、公平、绿色低碳、可持续发展等等。这也就意味着我们分配资源比例和分配方法侧重点就有所不同，包括政策导向、舆情导向，不同时间不同地点也会不同。

城市大脑方案到底可不可行？

孙伟力：未来有哪些值得期待的治理方向？

杨毅：城市交通的效率问题最本质在于供需，即出行需求和有限资源的匹配。很多时候城市往往不会按照最高峰出行需求去建设资源，那么如何弹性地去应对这件事？

滴滴也在考虑解决这个问题，比如各种出行品类的扩充，包括单车、拼车，还有定制化大巴、公交等，去满足大家各种多元化需求，这也是我们一直正在践行的一站式出行平台。

交通界有种比较流行的“订阅式服务”，每月缴纳一定费用，所有交通工具打通来运行，这背后对数据、调度能力，以及供需匹配、预测能力要求是非常高。

王勇：我一直对城市大脑的前景表示高度怀疑。刚才强调说打通所有数据很重要，交通行为像一个市场，每个个体都在做分散的决策。但城市大脑就是需要一个超级厉害的AI大脑，去统筹所有驾驶的车辆，从而替很多人做决策。这样看城市大脑这个方案到底可不可行？

李浥东：这个问题特别好。现在很多一线城市基本都在做城市大脑。我们做轨道交通时，面向区域到区域之间、大容量大客流的交通模式，肯定中心调度是最高效的。

但要是满足乘客点到点的个性化需求，这种集中式调度肯定是有问题，从算力、算法和数据三个层面都支撑不了。

因此针对不同交通模式，就需要采用不同数据使用方法。其实数据打通就是为了更高层面上去解决人们个性化需求这个问题。但这还只是第一步，数据能不能用？能不能解决核心难点？这些其实大家都在尝试。

杨毅：工具本质上是为人服务，我们追求的不一定是城市大脑这种超级智能体，而是用好这些技术来解决交通场景下各种问题。

张福生：行业里有个经典的故事，你银行里的钱不会因为使用更先进的支付手段而变得更多，技术能起的作用是让你花钱的效率更高或者花钱的方式更科学。所以我完全同意王老师的观点。

人工智能平台化服务将会迅速涌现

孙伟力：现在的零工经济对社会效率有一定提升。那刚提到了人工智能、大模型，对整个社会经济形态有什么变化？

王勇：本地生活服务平台对解决就业确实做出了很重要的贡献。而随着新技术出现对就业冲击真的比较明显，比如ChatGPT确实能提高科研效率，可能导致职场当中两极分化，能力越强的人会获得更多的资源。

但从平台来看，黄仁勋称ChatGPT是人工智能的领域的iPhone时刻。我的理解是iPhone手机就是将手机这个产品变成一个平台，ChatGPT正是如此。人工智能的平台服务模式将会迅速涌现。很多小型公司接入这个平台能为大家提供不同服务，从这个角度来看，也解决了一部分人就业问题。

至于如何治理，我认为这个问题还有点早。先让子弹飞一会儿，鼓励这些企业先发展起来。

孙伟力：那么从交通治理角度看，未来哪些智能技术值得期待？

张福生：接着王老师说ChatGPT这件事。举个例子，交通行业有个最基础问题，即黄灯问题，当路口绿灯变成黄灯时走还是不走，结果用英文问ChatGPT，答案是正确的，但中文问一遍答案是错误的。人工智能领域有句话叫做垃圾输入，垃圾输出。所以与其期待AI未来能给我们带来什么，不如先把眼前的事情做好。人自己把事情先做对，再让机器学，我们才能利用。

王勇：未来无人驾驶时代来临之时，人这个智能体如何与人工智能进行相互协同？相互关系是怎么样的？
杨毅：滴滴一直在考虑自动驾驶来临之时自己到底是怎样的形态，此前我们做过尝试。有个有意思的问题，就是无人车与有人车混行的过程，其实有很多技术难题，因为这些交通参与者的行为是不可控的；但真正到自动驾驶时代，反倒容易了。

李浥东：我希望未来出行真正能通过智能技术做到以人为本。目前国内交通服务提供商很大程度上在考虑想要干什么，能干什么。很少会真正考虑乘客需要什么，希望未来智能技术能在这方面带来相应的转变。

滴滴未来会朝着四个方向发力

除此之外，滴滴出行智能平台事业群总经理杨毅、北京大学智能学院研究员袁晓如，还分别带来了《出行生态智能化治理的现状与展望》、《可视化看中国——从时空数据了解社会》的主题报告。

首先，杨毅分享了出行生态治理的重要性、面临挑战以及滴滴的智能化治理体系。过去几年里，滴滴初步做到了在线化、数据化和智能化。随后谈到在安全（范围广、学科多、识别难）和服务（触点多、纠纷投诉、取证难）方面的挑战。

针对这些挑战，滴滴做了三件事：积累了数据驱动的系统迭代和产品完善能力，沉淀了多套较为完善的安全、治理、AI等中台系统，建立并完善了网约车安全和服务标准，并输出到行业。

未来滴滴将朝着四个方向发力：首先是以人为本，整个智能化要为人类提供服务，然后引领行业发展；第二是开放共建，需要同产学研一起合作，探索智能化出行的前沿。与此同时，还需要承担更多的社会责任，将中国经验走向全球。最后就是无人驾驶。真正到自动驾驶时代来临之时，这些服务治理安全都有全新的挑战。

接着，袁晓如就《可视化看中国——从时空数据了解社会》的话题介绍了他在交通轨迹数据可视化方面的思考和探索。

多维轨迹数据有助于更立体地刻画交通情况；交通的变化可以通过数据获得更加生动的刻画。

比如北大西南角一个复杂的路口，如果长时间积累车辆轨迹并可视化就会发现，有少数车会在这里走出一个半圆形，以这种方式来绕开红灯。

此外，他介绍了包括可视化技术在道路层级探索、北京水患和历史分析、中国古代名人迁居地图、汉籍流传等场景的应用，可以更形象地表征气候、经济、教育、文化、交通情况。

袁晓如谈到，出行背后是一个社会的综合治理，而可视化能为综合治理提供更可靠的依据。而综合治理就需要多个交叉学科合作，北大新组建的人文社科数智化研究基地就正朝着这个方向努力。数据可视化技术非常有趣，能够帮助我们更好地研究过去、看到未来。