Gartner相斌斌：「AI智能體」在中國智慧城市的應用還存在局限性快訊
如果要在智慧城市建設中部署AI智能體，生成式AI技術對于中國的智慧城市建設至關重要，在智慧城市中部署AI智能體。
【TechWeb】10月22日消息，Gartner于近日發(fā)布最新2025中國智慧城市和可持續(xù)發(fā)展技術成熟度曲線，該曲線旨在為CIO和城市生態(tài)系統(tǒng)參與者提供了一個戰(zhàn)略框架，幫助其把握新興技術和趨勢。
2025中國智慧城市和可持續(xù)發(fā)展技術成熟度曲線總共包含27個技術點，這27個技術點絕大部分會比較密集的分布在前三個階段，即技術萌芽期、期望膨脹期和泡沫破滅低谷期。
其中，AI智能體、中國的可持續(xù)發(fā)展信息披露、智慧城市治理框架、資源正向型建筑4項技術為今年新登上該成熟度曲線。
Gartner研究副總裁相斌斌表示，整體來看現(xiàn)階段智慧城市最重要技術可以分為兩大方向。其一，是可以幫助城市提升情境感知能力技術，這類技術在城市整個大的環(huán)境中捕捉數(shù)據(jù)、去感知“到底城市在發(fā)生什么”；其二，是智能決策輔助城市基于這些城市進行智能決策的技術，這里大部分是以大數(shù)據(jù)、人工智能技術為主，基本上就是以數(shù)據(jù)挖掘作為一個重要的方向。
近幾年，智慧城市建設整體呈現(xiàn)幾個方向，更加注重以人為本的新型城鎮(zhèn)化建設，注重數(shù)字經(jīng)濟和實體經(jīng)濟的深度融合，城市的可持續(xù)發(fā)展和韌性，值得注意的是，更多智慧城市建設從同質(zhì)化轉(zhuǎn)向走特色化的發(fā)展路線。
相斌斌介紹，在此背景下，從2025中國智慧城市和可持續(xù)發(fā)展技術成熟度曲線來看，AI技術正在迅速發(fā)展。智慧城市生成式AI自去年以來也取得了一定進展。AI智能體作為今年新上曲線的技術，正處于期望膨脹期的巔峰，在提高效率、個性化、自動化和決策流程方面具有顯著優(yōu)勢。邊緣AI正處于泡沫破裂低谷期，但其在實時決策和智慧城市應用中的關鍵作用日益突出。
AI智能體處于期望膨脹期的巔峰
從2024年登上曲線的“生成式AI”技術到今年新登上曲線的“AI智能體”，相斌斌強調(diào)，這兩者不是孤立的技術，現(xiàn)在市場中大部分的AI智能體都是基于生成式AI、基于大模型構(gòu)建的。從生成式AI到AI智能體，AI能力從生成內(nèi)容到能直接解決問題，這使得人機協(xié)作從“命令與控制”模式轉(zhuǎn)向“協(xié)作、委托伙伴關系”，使工具轉(zhuǎn)變成自主決策代理。
但是，在智慧城市建設中實際使用AI智能體，相斌斌認為還需要解決幾大關鍵問題：
首先，要解決的是“敢不敢用”的問題。
AI智能體相比大模型被賦予了高度自主性，它可能在授權的范圍內(nèi)自主的采取一些行動，但是目前人們對AI智能體所采取的行動會不會造成不可逆的一些危害擔心還是有。所以“敢不敢用”，解決信任的問題依然是很大的障礙。
其次，AI智能體對數(shù)據(jù)、算力、存儲等基礎設施的要求很高，需要實時進行大量的計算。如果要在智慧城市建設中部署AI智能體，對底層的基礎架構(gòu)要求提出了很高的要求。
第三點，能不能用好AI智能體？現(xiàn)在講“Human in the loop”，就是每一個AI決策都要人去進行監(jiān)督。但是按現(xiàn)在AI發(fā)展的速度、AI數(shù)據(jù)處理的速度，實際上人的監(jiān)督速度是達不到的。“Human in the loop”本身就是一個瓶頸，沒有辦法持續(xù)。怎么用好AI智能體這個依然是一個有待解決的問題。
第四，還有一個關鍵問題，就是應用場景的容錯度。一般的問答、服務等場景能接受一定的錯誤率，在這些場景中出錯，頂多就是影響市民的體驗、有一些負面的報怨。但是當把AI智能體放到城市應急指揮、交通指揮等場景是，它一旦出錯所造成的負面結(jié)果可能是危機生命甚至癱瘓整個城市的交通等極其嚴重后果。
“目前AI智能體本身的能力和預期的還是有差距的，這是一個現(xiàn)實。在智慧城市中部署AI智能體，選擇適用的應用場景是最重要的一點。”相斌斌指出，“那些對高可靠性要求不高的場景可以部署AI智能體，在應用時需要定義測試用例并進行廣泛的測試和評估，同時設置護欄和可觀察性，從小規(guī)模試點開始，收集反饋并不斷迭代，直到準備好進行更大規(guī)模的推廣 。”
AI要成為城市級神經(jīng)網(wǎng)絡還需要做好幾件事
相斌斌表示：“生成式AI技術對于中國的智慧城市建設至關重要，中國龐大的人口數(shù)量和多樣化的人口結(jié)構(gòu)給各級城市帶來了獨特的挑戰(zhàn)。一線城市和其他中小規(guī)模城市之間的資源差距往往導致發(fā)展的不同步。生成式AI可以通過大規(guī)模提高生產(chǎn)力來解決這些問題。生成式AI的自適應能力可以提供個性化建議和體驗，使公民獲得更好的服務和產(chǎn)品質(zhì)量，同時刺激本地經(jīng)濟發(fā)展。”
目前，包括AI智能體、生成式AI等技術在智慧城市中的應用和部署大多還是局限在作為單點工具。
如何把AI從一個單點的工具，變成一個城市級的神經(jīng)網(wǎng)絡？相斌斌指出，這背后涉及到多個技術方向的轉(zhuǎn)變。
第一個方向，要轉(zhuǎn)變整個城市在生成式AI能力部署的方式，要構(gòu)建一個城市級的生成式AI能力平臺。現(xiàn)在大部分的生成式AI部署都是以部門級來主導，一個部門需要什么就部署一個。通過把生成式AI底層能力部署到集中的城市級的平臺上，各個部門就可以基于這個平臺進行定制化的開發(fā)，這可以很大程度上規(guī)避重復性的投資，也可以從底層確保技術架構(gòu)的統(tǒng)一性和數(shù)據(jù)資源的共享性，能夠確保未來能夠在城市級別形成業(yè)務的協(xié)同。
另一個方向，要去深耕一些垂直領域的專業(yè)模型。Gartner叫“領域特定型的模型”。這些模型是專門針對一些特定的領域，比如說“交通管理、應急指揮、城市規(guī)劃”。不同的城市可以拿到這些特有的模型去輸入城市的數(shù)據(jù)進行微調(diào)，它就可以提供更精準的決策支持。目前來看，借助通用模型來輔助城市治理比較復雜的一些問題解決還是比較難的，“專業(yè)領域型的模型”是要關注的一個方向。
此外，相斌斌認為，加強數(shù)字孿生和生成式AI的協(xié)同是很重要的技術研究。通過數(shù)字孿生構(gòu)建一個數(shù)字的城市孿生體。這個“孿生體”可以匯入大量城市實時數(shù)據(jù)，把生成式AI做的結(jié)論和洞察在這個虛擬的孿生環(huán)境中先做模擬驗證，然后再把它搬到物理環(huán)境中。這從某種程度上會解決掉現(xiàn)在生成式AI所生成結(jié)果的幻覺問題，可以增加城市運行者對于生成式AI洞察的信任度。（果青）
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范，任何轉(zhuǎn)載的稿件都會明確標注作者和來源；
2.TMT觀察網(wǎng)的原創(chuàng)文章，請轉(zhuǎn)載時務必注明文章作者和"來源：TMT觀察網(wǎng)"，不尊重原創(chuàng)的行為TMT觀察網(wǎng)或?qū)⒆肪控熑危?br>
3.作者投稿可能會經(jīng)TMT觀察網(wǎng)編輯修改或補充。
