圖片來源：視覺中國
很長時間以來，我們在常識中認為鄉村是應該先於城市而生的。但事實上，越來越多的考古發現證明，人類創造城市這東西可能遠比歷史記載中更古老，也更瘋狂。
從環地中海城邦到南亞次大陸，再到我們熟悉的黃河流域，眾多上古遺址向世人表明，先民早就建造瞭功能完備、體系分工明確的城市聚落。相比於建造城市，人類真正一直頭疼的事情是，認識城市。
畢竟城市這東西很麻煩，人多、路多、房子多，堆在一起簡直一團亂麻。後來我們在計算機和大數據、AI 技術到來之後，想瞭一個最新認識城市的辦法：給城市安裝智能。
相信大傢都聽過各種 " 智慧城市 "" 智能城市 " 等等項目，保不齊你的傢鄉就正在建設當中。但給城市安裝智能，我們認識和掌控城市真的就很清楚容易瞭嗎？
好像也不是。截至 2017 年底，國內已經啟動建設和規劃的 " 智慧城市 "" 城市大腦 " 相關項目已經超過 500 個，產業相關企業超過 1000 傢。
在這個龐大的產業鏈上，又有著 " 智慧城市、未來城市、城市計算 " 等等名詞和稱謂，普通吃瓜群眾很難分清他們的區別自不必提，跟不少業界人士一聊。得，其實他們也暈。
今天咱們來嘗試遮住這些真真假假的 " 名頭 "，看看城市智能到底是怎麼發展出來的，每一個階段又都經歷瞭什麼樣的變化。這條線索搞清楚瞭，或許才能判斷我們的城市到底需要什麼？
數理建模型城市
其實用數學和運算的方式來推斷城市走向，給城市發展提供依據，並不是近幾年才發生的事情。就像很多計算機與智能相關命題的出現時間，都遠遠早於公眾認識時間一樣，城市的智能計算，也差不多是一門 " 爺爺級技術 "。
早在上世紀 60 年代，美國一些高校就提出用數字技術幫助城市發展的概念。雖然當時還沒有明確的城市 + 智能命題，但其通過數理方式給城市建模，分析城市的交通、人口、建築與資源的未來走向，已經可以看做是 " 智能城市 " 的先驅。
當時芝加哥等一批城市才用瞭這類方案。但很快市政廳就發現，計算出來的城市數據千奇百怪，根本與實際不符。畢竟計算技術不達標的前提下，城市模型還停留在十分粗糙的階段，很快這種想法就退出瞭歷史舞臺。
這時的城市智能還處在概念與設想階段，但用數據 + 運算的方式帶給城市智能，已經為幾十年後的爆炸式發展奠定瞭基礎。
數據可視型城市
2008 年，已經在 IT 企業服務領域摸爬滾打慣瞭的 IBM，突然將橄欖枝伸向瞭城市政府與管理者，提出瞭著名的智慧星球計劃。
IBM 的方案中強調，城市基礎建設不應該離開數據建設，通過數據來重新認識城市，能夠避免管理混亂和資源浪費，從而幫助城市良性發展。在全球經濟危機背景下，強調綠色與高效的智慧星球計劃快速升溫。2009 年美國迪比克開始瞭世界上第一個智慧城市建設，將城市交通、水電、建築等數據進行收集和整理。
在這之後 IBM 在巴西、加拿大等國傢先後推出瞭類似項目。IBM 的老對手微軟也推出瞭類似的計劃，命名為 " 城市計算 "。
這種收集城市數據進行存檔和可視化的技術，在 2010 年之後開始在中國生根發芽。很多企業視此為良機，借助國內各城市基礎建設快速上馬的機會，不斷在國內市場推出 " 復制款 "。我們今天看到國內絕大多數叫做 " 智慧城市 " 的項目都是如此，三大運營商、聯想、神州、騰訊等企業都在為各地方政府提供類似服務。
作為大數據時代的經典解決方案之一，城市的數據可視化確實能夠解決不少問題。比如提供決策依據，尋找城市發展規律等等。
但這種方案也有著顯而易見的問題：這類方案收集到的數據絕大部分並沒有實際用處，僅僅是 " 因為要數據，所以有數據 "。畢竟一個城市每天真正生產的數據，用人工去讀取一遍都不可能，更別說用人力來計算處理瞭。耗資巨萬的智慧城市，也僅僅是幫助瞭決策者更好制定 " 想法 "。換言之，城市居民真正能感受到的改變十分有限。
這種城市之智慧，屬於 " 瞭解城市 "，卻無法 " 改變城市 " 的特定技術時期產物。畢竟 " 中看不中用 " 的智慧，不是城市發展的成就之際。
場景應用型城市
為什麼很多城市的 " 智慧 " 缺乏應用價值？原因在於智能設備沒有辦法對收集來的數據進行自動反饋和處理。於是城市這個龐然大物就隻有感知，沒有動作。
人工智能技術帶來的機器視覺、多模態傳感技術，以及通過算法進行反饋計算，正在讓情況好轉。
比如說路況的紅綠燈和攝像頭，假如隻是讓攝像頭拍照和監控，那麼城市本身的體驗並不會提高。但如果攝像頭記錄的數據回傳給系統，系統可以依據車流量主動調節紅綠燈時間長短，那麼城市交通效率顯然就會提高。這種依據數據主動進行城市調節的技術，正在讓城市智能從重數據向重應用方向改變。
今天能看到很多這類案例開始在我們身邊的城市裡紮根。比如最早阿裡雲在廣州的互聯網信號燈項目，以及滴滴進行的 "AI+ 交通 " 計劃，就是在交通場景中通過 AI 感知和計算能力，來提高交通效率。
再比如 BAT 紛紛佈局的智慧機場項目，是根據對機場進出航班的數據監控，來智能調節停機坪和跑道使用情況，從而提高機場運作效率，提高乘客體驗。
類似的場景在城市中還有很多，但場景應用型的城市智能也並非沒有問題。核心一點就是，這類智能方案隻能聚焦小的場景，解決局部問題。但城市畢竟是一個整體，規避城市的大流量和復雜結構來談城市智能，隻能是一種權宜之計。
場景應用性技術難以滿足城市發展長期需要，也難以從宏觀上進行城市智能自動化。
智能大腦型城市
設想一下，假如我們想要讓智能來處理更大的城市問題，需要什麼條件？
比如市民中心修在哪裡對交通帶來的壓力最小；比如流感疫情爆發，城市提前預測並調配醫療資源相應；比如電動車被偷瞭，如何能在 10 分鐘內找到嫌疑犯；比如，城市公共資源如何彈性應對奧運會這樣的沖擊，快速給出智能策略。
在技術層面來說，這些設想當然是可以的。但前提是整個城市必須有統一的數據傳輸和處理中樞。它負責收集全城各個領域的數據，然後集中進行運算和分析，給出最佳解決方案，這或許是城市智能在場景解決能力之後的下一個階段：整體感知與運算。
阿裡雲的 ET 城市大腦已經開始瞭這個層級的嘗試。從在杭州的實驗，到各個城市的復制和普及，ET 城市大腦的特質是它並非一個單場景解決方案，而是整體考慮，進行全域數據收集和自動處理的智能系統。
城市就像一個超大硬件，大腦則讓這個硬件變成瞭智能硬件。可以看到的是，城市大腦類的技術，不隻需要 AI 技術，而是用 AI 的感知方式，加上大規模數據傳輸能力與運算，再反向生成城市智能的主動服務。從而讓整體智能指揮各系統協同運作，達到管理者、機器智能、城市空間的結合。
這樣做的好處是顯而易見的，比如可以通過大規模協同智能，調動城市諸多細節去解決一件事。比如實時給救護車形成一條高速通道。長遠來看，給城市安裝大腦的意義在於可以將城市的智能水平不斷拓展和提高，越來越多的傳感裝置、算法和解決方案進入後，城市會越來越聰明。積少成多才有可能達到量變，比如我們一直希望的城市可以不再限行。
這種解決方案目前來看具有足夠的前瞻性，但問題是準入門檻非常高，需要在計算體系、AI 技術、數據感知與處理技術等多個領域滿足城市大腦的需求，是名副其實的 " 重技科技 "。
回看整個城市智能的發展，可以說是經歷瞭 " 讓城市有想法 " — " 讓城市會說話 " — " 讓城市手腳能動 " 的三個階段。但在手腳能動這個階段，很多人都嘗試把手和腳捆到一起產生協同。這顯然是不成立的。手和腳之間，需要大腦的協同，城市智能開始進入 " 讓城市有大腦 " 這個新階段。
需要警惕的是，在城市智能快速發展的十年中，城市面臨的難題也在野蠻生長。超大型城市、空氣污染、生產資源瀕臨枯竭，智能化的腳步並不足以抵消或解決城市面臨的困境。
而與此同時，AI 技術的發展，城市數據的疊層累計，包括自動駕駛和無人設施，都在成為城市智能的推助劑。但傳感器、分佈式智能體數量的爆炸與城市大腦計算力的發展不匹配，很可能會導致畸形發展，" 四肢發達，頭腦簡單 "，從而 " 四肢失調 "。究竟城市大腦能否跑過城市 " 城市頭疼 "，可能是未來十年人類的命運共同旋律之一。
而在給城市加上大腦以後，下一步城市智能還能如何升級，也是個有意思的問題。對普通人而言，可能更希望的是能夠切實感受到城市智能，甚至可以隨時呼喚城市智能的服務。
在城市大腦之後，能不能打造出 " 城市的毛細血管 "，好像是一個巨大的腦洞。
