周海聃撰文樊晓芳编辑

城市规划师的新征程:用数据思维唤醒城市的「智商」与「情商」

智慧城市的概念自诞生之初就涵盖甚广,从来就没限在某个特定行业的楚河汉界中。随着各地政府成立各自的智慧城市研究院,阿里、百度、摩拜等互联网企业也宣布与城市规划院合作,城市规划行业的边界日渐模糊。在这过程中,我们一直在思考,日渐崛起的数据技术对一个「本职工作就是思考城市未来」的城市规划行业会带来怎样的影响?

「智慧城市深度访谈」第三站,我们对话的是一名自称「不务正业」的知名城市规划师。从正统的甲级城市规划院到如今的智慧城市大数据实验室,他认为城市的未来会变成一个由企业制造和运营的产品,而这个产品不是流水线上的千篇一律,更不是一切可以预知的计划经济,而是高度自由多变的生命体。城市真正的创造者和主人,一定是市民。

据说他在一天抱娃入睡时随手敲下了下面这句话:「Google得其神,阿里得其意,华夏幸福得其形,腾讯得其血脉,万科得其骨,华为得其筋。」,表达了他对目前智慧城市市场格局的判断。


王鹏, 华夏幸福城市规划研究院首席智慧城市专家,华夏云数据实验室主任,同时也是机器之心的专栏作者。

「用数据思维全面解析城市」是我们在与王鹏的多次交流中他提的最多的点。他强调「数据思维」应该至始至终贯穿到城市规划、建设、运营、管理等各个环节中。

王鹏认为城市规划师眼中的智慧城市规划,不是IT意义上的所谓顶层设计,可以从增量和存量两个角度去认识。

存量规划指的是在业已形成的城市中,通过局部调整修复来改善城市病,分为宏观—城市空间功能结构、中观—局部功能性质及微观—人性化及精细化发展三个层次。

与之对应的,增量则代表从一张白纸开始,在空地上对新城的设计和规划。我们从中国近年最受关注和期待的新城——雄安入手,介绍了王鹏作为规划人对于象征着他们新城市理想的智慧城市的一些看法。他认为在雄安具有标杆意义的一些指标要求背后,是雄安规划者对我国发展水平及所处阶段的清晰务实的认知和以人为本的设计思想。

从城市数据的时空特征,到机器学习研究用地性质;从有机会成为未来交互载体的智能窗,到 5G、物联网时代的智能路灯;从「数字孪生城市」,到引导市民发声的城市规划公众参与平台,王鹏认为,贯穿智慧城市始终的是数据,以物联网技术为基础的城市感知及运营模式催生了如数字孪生城市等新兴业态,也让传统的城市基础设施成为潜在的未来城市流量入口。

城市化进程后的新视角:存量规划

您是如何接触到「智慧城市」这个行业或者概念的?

王鹏:我原本的专业是建筑学和城市规划,做了十多年的城市规划工作。

从前我们有大量的新城新区要规划,都是从空地开始工作的。从前几年开始,我们发现发达地区的城市已经快没地可以建设了。国外有些地区其实早就是这个状态。

我们以前觉得城市规划就是摆房子、建城市,其实我们工作的本质是统筹各种资源,组织基础设施和公共服务,解决城市问题,保证城市的高效运行。因此规划行业的工作也会逐渐从增量规划转到存量规划,对城市里面的问题进行更合理的调整和修复。

在快速城镇化阶段,最大的问题是房子不够用,所以解决问题的手段也比较单调。但对于一个已经建成的城市,随着技术的发展,我们发现在空间手段之外,又多了很多解决问题的新手段。基于各种 IT 技术,尤其是数据技术,可以更加实时地优化城市的运行。于是我们开始研究用大数据去做决策平台,去帮助政府优化治理。后来发现这已经成为了城市智能化管理的通用思路,也归为「智慧城市」的范畴了。

城市规划师看智慧城市,与其他做智慧城市的政府管理机构、通行行业集成商、互联网企业等其他行业参与者的视角有什么不同?主要以什么角色,参与智慧城市的建设?

王鹏:其实从规划行业的基因出发,我们更多的是从整个城市全局的角度去发现城市有什么问题需要解决,而不是从卖某项技术或产品出发。

若想对城市里面的问题进行修复和修补,首先要了解城市存在什么样的问题,最重要的是了解生活在城市中的人的行为和城市空间的关系,两者中间是否存在着一些不匹配的因素,我们可以对其施加什么影响。

之前,城市规划行业不具备对城市居民行为进行搜集分析的能力,大数据带给这个行业一个新的视野,让我们有可能实现对城市存量空间的评价。

城市规划从增量蓝图到存量优化的过程,也是实现传统精英规划到以人为本的参与式规划的过程。以前我们只能对人口规模做一个简单粗暴的预测,现在却能对市民行为模式进行细致的观察。之前城市规划也会进行定量研究,但是只能用抽样的方法,现在用全样本的思维(并非真正意义上的全样本);研究对象从客观的城市空间形态到主观的人的感受;数据质量从模糊的统计数据到相对准确的数据;研究维度从单一到多元;技术方法从单一的线性模型到机器学习人工智能的方法;我们的市民从被统计到可以主动参与到研究的过程之中。

基于大数据的存量规划的基本的尺度可以从宏观、中观到微观去划分:宏观层次上数据可以帮助我们识别城市的空间结构和功能分布,进行结构层面的优化;中观层次帮助我们识别和修复城市系统的断裂点;微观则可以对地块内部功能进行精细化改造。

宏观:大数据解释城市空间结构及功能分布

我们利用手机信令数据和蕃茄出行的共享汽车运营数据,研究华夏幸福的产业新城固安。需要了解新城中的人住在哪一区域,在哪个片区工作,与北京是什么样的关系,日常在什么区域休闲娱乐,是否有外面的人或者周边农村的人到城市新建的项目休闲娱乐。未来需要确定的是如何进一步调整住宅的供给,某一档次和形态的住宅供应量是否可以更好的满足本地工作人口的需求?是否应该调整现有的商业业态的布局以及基础设施的配套,来动态满足城市居民的要求?不应该是大家经常说「一张蓝图干到底」的模式,这是不现实,规划本应该是动态调整的过程,但不是靠市委书记或者规划师拍脑袋来调整。

经过对固安本地人出行的模式和需求的分析,发现固安和北京市有非常密切的联系。就固安内部而言,可以发现老县城、新区和南北产业区和住宅、服务中心之间也有非常密切的联系。这就反映了城市未来需要满足的一些基础设施和公共服务的需求。虽然表面上结论很显而易见,但实际上靠经验是不可能知道功能区之间真正的联系强度,更无法真正指导城市规划甚至共享出行等公共服务的运营。

中观:大数据与 AI 识别城市空间行为模式

现在我们的城市各类功能的高度混合,一个地块往往不是传统的控规里面单一的功能,而是非常复杂的状态。我们做城市的存量优化,首先要了解这个地块真正使用的用途是什么。

举个例子,我们用机器学习去识别一个地块真正用地性质,可以根据人在这个地块里面时空间行为,24 小时或者 48 小时区间内的人活动分布以及工作日、休息日空间的分布进行分类和学习。根据它昼夜人口数量,包括周末和平时分布量的不同将其分成各种性质。

比如一个住宅用地,但是现在这房子里面晚上没有人,都是白天有人。这块地真实用途显然是已经是一个类似办公或者商业的一个新状态了,那是不是可以转换它的性质?

简单理解,我们想发现的并不是以往习惯的法规性用地分类,而更偏向人对地块使用方式的一个分类。

以上海松江开发区为例,在规划之初大部分为工业用地,但是经过多年的运营,现状已经变的非常复杂。用机器学习方面识别现状用地的混合状态,发现控规或者现状图里面的工业用地转变成多类用地混合型,包括商业办公和居住在内复杂的状态。案例中就存在一些典型的地块,本身为工业用地,有一些变成商业,有的变成仓储物流、服务业,有的功能升级变成研发中心。

图片来源:清华同衡

微观:大数据助力城市人性化与精细化发展

大数据可以实现对地块内部的微循环的改善和评价,这个层面的所谓存量规划,其实跟城市精细化管理很难区分,很多手段已经脱离了传统规划范畴。我参与指导的清华大学一篇硕士论文,研究对象为北京一个典型的历史街区——北京白塔寺街区,该课题的目的是对旧城的交通环境进行观察和调整。当时我们在白塔寺地块里布置了 60 多台全功能的传感器,采集城市运行多元的数据。项目主要是使用了人、车的数据,暂时没有使用采集的其它如环境、声音等数据。新技术带来的好处之一就在与此,以前我们没办法在胡同里进行 24 小时对人车的全方位监测,现在就可以实现。

对这个数据进行刻划的结果,面、线、点全方面展示旧城交通如何运行的,可以指导我们进行社区更新,尤其是交通改善的具体规划策略。

步行交通通行量统计(图片:聂聪)

我们可以很清楚识别步行量的分布状态和每条路现状的使用功能,还有类似的机动车通行量。可以发现一些主要的胡同承担了绝大部分的交通。针对这些采集分析结果,对区域内部道路改造提出了一些建议,例如进行机动车干路和支路的划分,以及干路双行、支路单行的改造。如果加上了其他传感数据,我们甚至可以实时识别到很多摄像头都发现不了的城市事件,比如违法施工、餐馆油烟、酒吧噪声等等。

刚刚提到需要在微观层面收集人们对城市的主观感受,以及让市民主动参与到城市规划的研究及评价中去。您有看到哪些具体落地、公众参与效果较好的案例吗?

王鹏:我们团队做过不少公众参与互联网平台,不少是关于文化遗产保护的。社区参与方面,「路见」平台是目前最成熟的。基于手机的微信小程序,希望让公众能针对具体的城市事件和规划对具体地段进行评价,他们的项目也采用了比较有趣的运营方法。

路见平台运作原理

包括深圳在内,很多城市已经运行的城市管理平台也有类似能力。市民可以通过小程序拍照,上传这个城市的各种问题,然后它有相应自动的奖励,微信给你发红包。

其实是以一种自下而上的方式,发动市民去做这件事,这是节省政府成本的。

好像以前也有一些像「12345」的市民热线,其实也是可以打电话反映一些城市中的问题,但是市民好像都不大爱用?

王鹏:很重要的一个东西,就是反馈。市民反映了问题,到底会不会有及时的反馈。

深圳龙岗区很早开始用微信公众号做这件事,每个事件都有记录,而且一定是有及时反馈的。我当时在系统里看到一个随机的事情,是反映露天烧烤的,上面就显示一个小时以内就会接单,告诉市民这个问题已经被看到了,然后两个小时以内派人去看了,然后把执法完的照片发给市民,反馈处理结果,照片显示那个摊已经没了。

路见平台部分提案分布图

其实这也是让每一个普通市民参与城市治理提供了一条有效的发声渠道它连接政府、专家和市民,可以真正的助力城市精细化管理。这种方法在国内一些地方已经开始应用,可以有针对性的为政府和规划部门对城市功能调整优化提供参考。

总之,不管是从宏观、中观、还是微观的存量规划中,以往我们遇到的一些挑战但不具备的能力的问题,今天都有一部分可以通过大数据机器学习来解决。

所以我们一直说借助智慧城市,希望规划行业能跳开以前的物质空间思维,或者说美感思维的视角,去越来越多的参与到规划、建设、管理、运营的全程里去。因为可能里面有不变的东西和新的线索,其实就是数据。数据思维应该是从前到后都要贯穿在规划行为中的。

数字孪生城市的应用价值

从 GIS(Geographic Information System,地理信息系统)和 BIM(Building Information Modeling,建筑信息模型)这类城市和建筑数据的成熟的行业平台,到近年来,融合二者优势的 CIM(City Information Modeling,城市数据模型系统)逐渐成为智慧城市数据平台的基本原型,再到未来随着 5G、物联网技术普及实现数字孪生城市,其实也是大数据不断地填充,深入利用的过程。

有了大量数据的采集,才能实现真实地在数字空间模拟建筑和城市的运行状态,然后才能通过这个模型的推演预测规划对城市的影响。

以前我们做的城市模拟,都是类似线性模型,它会把城市这个复杂系统过于简化。城市作为一个复杂巨系统,其数据的多源异构属性远超常见的数据架构,而最核心的特征就是其时空属性。过于简化或者抽象这个复杂系统会有问题的。但是像机器学习深度学习,其实是适合应对复杂系统的多元数据的。

也许模型在理论上或数学层面没有本质差别,但是数据的种类大大增强了。

我其实很好奇,比如说随着 5G、物联网的技术真的能收集到所需要的数据,能够把一栋楼的真实运转情况模拟出来了,我们能用它做什么呢?最大的价值在哪里?

王鹏:首要的用途是「描述」。其实我觉得如果技术可以对城市的运营状态及其中发生的事情进行真实的描述,就已经解决了大部分的问题了。

首先能实时地知道城市状态如何,然后在需要的时候实施干预,这种有非常及时的正反馈的循环,是最具价值的。

目前我们城市的发展阶段,一个大都市的一把手想要实时、完整地了解城市的情况基本是不可能的,甚至连基本的真实居住人口信息都很难。一个是信息化水平不够,另外部门内部一定是报喜不报忧的,很多信息就被过滤掉了。最后跨部门跨领域的信息也得不到。

但是从移动运营商,从基础设施水、电、气、热这些数据,其实是可以更全面的去了解至少动态的变化是清楚的。一些能看不见的东西,但实际上传感器是能知道的。

所以我参与的政府大数据平台或者决策系统已经经历了三个阶段。第一个阶段是统计数据的可视化,一些很久不更新的数据图表;第二个阶段是引入一部分政府体系的实时监测数据,比如交通、比如视频;第三个阶段,也就是近期,开始纷纷引入各种来源的大数据以及分析决策模型,比如移动运营商数据来描述人口,实时传感器数据来描述城市运行状态。

另外大数据还可以用于短期预测,通过一些相关性,来预测变化。比如说踩踏事件,对这种东西,通过相关的几个地铁口出站的数据,可以提前预测某一个地点未来的流量,可能就提前 10 分钟、20 分钟,但是这对于应急预警就足够了。

至于长期预测,我一直不太看好复杂系统的长期预测。就比如说最简单的做 pm2.5 或者其他污染物在一个城市里面的扩散过程,这个东西像以前流体力学模型其实都是相对简化的,很难做城市级的模拟。现在这种大规模深度学习的模型,其实去做扩散的预测,是不知道背后真实的原理,只能从相关性上去窥见一二。

雄安新城的新理想

作为业内人士,您能否帮我们解读一下雄安规划中体现的智慧城市发展趋势?

王鹏:「智慧城市」一词在我国已经过于泛滥,几乎所有与 ICT 相关的技术产品都被冠以这一概念,而前些年政府的垂直应用系统又成了其中的主体。

近年来,随着物联网大数据技术的发展,各大互联网公司也纷纷进入该领域。但真正以问题为导向,市场需求驱动的优秀产品还为数不多。

智慧城市不是城市信息化。IT 公司接管城市是趋势,但会有几个大步骤:1、网络和数据基础设施建设;2、城市基础设施的物联网改造;3、数字孪生城市平台 CIM;4、城市数据运营。第二步最麻烦,第四步最难。

Google 收购了很多公司在做第二步,阿里还在第一步。第二步大家已经明白要去做但还不知怎么做。

Google 旗下 Sidewalk Lab 在多伦多滨水区项目中提出了一种新的智慧城市建设模式,即从城市建设之初就对基础设施进行完整的 IT 化改造,在实体城市之外同步建设数字城市。

城市本身作为一个大型数据基础设施,成为了一个综合的技术示范区,给大量相关的城市软硬件、物联网、传感器企业实地示范和采集数据的试验场地,应该算比较好的结合了城市建设和产业发展。

这种「数字孪生」城市为基础的智慧城市模式在雄安的规划里体现得很好。雄安的规划并不是像传统的智慧城市顶层设计一样,描述一个一个的孤立系统架构,而是在整个城市规划中融入了智慧城市的思维方式。其中有很多细节值得其他城市借鉴。

清晰区别了数字城市和智慧城市的阶段性

智慧城市是在数字城市的基础上建立的,国内一些城市在做智慧城市规划时很多其实套的是数字城市概念,考核的指标停留在信息化建设时的指标。

智慧城市在将城市空间数字化的基础上,还能全息描述城市运行状态,并且能让人和环境真正和谐共处。因此,诸如污水处理率,垃圾回收率等真正体现城市居民生活水平的指标在雄安的规划中很好地体现了,但在其他一些着重强调信息化水平的智慧城市规划中很少出现。

数字城市的提法比智慧城市要早很多年出现,本意是指对城市时空信息的数字化描述,包括 GIS、BIM 等技术。而随着物联网大数据技术的发展,城市的基础设施和实体空间建设的同时,城市将先实现数字化,随之而来的才是城市全面的智慧化。人工智能的前提是海量的历史数据,城市智慧也不例外。

雄安的规划中多次提到「数字城市」,比较客观的认识到了我国智慧城市现在所处的水平,但也加上了智慧城市面向未来的一些要求,指出了建设早期的工作重点。

围绕智慧城市和数字城市展开的高新产业体系

雄安规划中有一条:数字经济占城市地区生产总值比重要求超过 80%(目前占全国 GDP 的 30% 左右),这是一个极难达到的目标。

智慧城市建设本身,包括了完整的信息技术软硬件产业链;而基于大数据的城市运营机制,又产生了大量的新兴服务业形态。整个重点发展的高新产业体系都是围绕着智慧城市和数字城市建设展开的。从这个目标我们可以看到雄安以高新产业作为其主打特色的决心。

规划纲要中还要求大数据在城市精细化治理和应急管理中的贡献率超过 90%,这就需要对城市里几乎所有事件都具备动态监测和实时感知能力。而目前的智能摄像头为主的方案只能解决其中一小部分,而且数据还分散在多个部门。

可以说,一体化的数据采集物联网,是智慧城市最重要的基础设施,可以从根本上解决多维数据采集和多部门数据汇聚的问题,实现包括环境、气象、噪声、积水、视频、人车流量、速度等完整的城市运行数据的同步采集。

基础设施成为下一个时代的入口?

雄安规划中提到基础设施智慧化水平超过 90%,并且要以数据流程整合为核心,搭建智能交通体系框架。

以地下管廊为代表,包括应急防灾、能源供给在内的市政基础设施体系,和交通运输基础设施体系未来都会建立在数据感知和运营基础上。这就依靠全面覆盖的传感器网络,物联网技术的发展也将助推这个体系的尽快实现。

5G 技术相对 2/3/4G 技术的特点就是基站密度非常高,智慧城市要收集城市维度的数据也需要大量密集部署的传感器。像微软、亚马逊还有阿里等企业已经基本占领了云端的资源和市场,滴滴、摩拜等公司都在通过不同的切入点,横向拓展,未来很关键的一点是谁能先抢占线下物联网这个数据采集入口。

城市中的传感器也许现在还很不成熟,但是只要部署了就存在了各种可能性,这跟智能家居是一致的,各种电器也是一个物联网入口。在城市当中,钢筋水泥等城市基础设施可能未来都是入口。

现在有很多集成创新,比如智能窗,里面集成了各种传感器,开窗关窗,语音控制,二氧化碳、PM2.5 等物质监测、根据室内外传感器数据智能调整等等。如果给窗装上一个操作系统,未来是不是就可以跟窗而不是手机交互了?

近年来智能路灯成为风口,也是因为 5G 基站大带宽高功耗高密度跟未来的路灯的供电设施是相洽的,未来 5G 基站和路灯一定是在一起的。

智慧城市最大的商业价值在于数据运营,不是信息化系统建设。城市是未来最大的流量入口。

总的来说,雄安规划可以说是一个城市新区智慧城市规划的优秀范本。智慧雄安的最大亮点就是用数字化方式完整地重新定义城市。数据驱动的整个城市的规划、设计、建设、运营、管理,本身就已经成为一个巨大的产业。通过构建全域智能化环境,让智慧城市从一个虚无缥缈的目标,变成了城市发展的战略和手段,真正地融入了城市的基因和血脉。

后记:智慧城市新时代下的百家争鸣

最后,在您的抱娃说——Google 得其神,阿里得其意,华夏幸福得其形,腾讯得其血脉,万科得其骨,华为得其筋,中提及的几家企业,都是从不同业务主体、技术基因进军智慧城市产业的知名企业,切入智慧城市产业链不同的业务场景,提供不同功能的解决方案。您对他们的业务策略以及其对智慧城市的认识有怎样的看法?

王鹏:Google 的智慧城市理想是通过 Sidewalk labs 实现的。北美主要城市都向其发起项目邀约,但这背后,一方面是其在智慧城市产业领域庞大的投资布局,靠一个故事和一个示范,带动的是旗下投资企业全球庞大的订单;另一方面,多伦多滨水区规划也的确展现了其对城市系统和规划建设运营管理全流程的完美理解,从规划的空间结构、到建造体系、到可运营的基础设施体系,到数据驱动的精细化管理手段,真正可以实现依托数据运营实现持续的收益。产业投资和城市运营并举,包括对市民参与、对生态、对公平等的兼顾,堪称经典之作,得智慧城市全部精神内涵,故曰得其「神」。

阿里,从淘宝到阿里云的转型,虽有 AWS 垂范在先,也仍然是一轮蛮厉害的操作。线上,尤其是电商流量的必然枯竭,线下入口的争夺几乎就是互联网未来的全部。阿里云靠城市大脑一个信号灯配时的故事,成了国家战略不说,甚至在省会城市智能交通项目中免投标成为单一来源采购,让传统信息化集成商措手不及。近几个月,新基础设施,物联网平台等新的定位关键词也看出其冷静和克制。相信其讲好顶层故事,再聚焦中下层业务,在 G 端和 B 端都会有很好的商业表现,是适合我国现实的模式,也算是已经发现了智慧城市的商业意义,故曰得其「意」。不过阿里还是有着传统信息化集成商的致命缺陷,就是解决城市问题的能力不足,能讲故事的场景过于贫乏,很容易沉浸在传统政务信息化的舒适区里。

腾讯,作为国内互联网两大巨头之一,不可能不关注这个巨大市场,只是一直没有找到切入点高调介入而已。事实上,在物联网、智能家居、无人驾驶、共享出行、地图、人工智能等智慧城市的核心技术领域,腾讯仅防御性布局就已经是很大一盘棋了。依托微信入口,腾讯在城市服务方面优势明显,也在由此渗透社区市场;通过自家滨海科技大厦智慧建筑平台的建设,也拥有了「微瓴」建筑智能化平台,已经具备了未来智慧城市操作系统的原型能力。但最重要的一点,还是其对「人」的连接能力。从人与人,到人与物,到物与物,最终连接一切。市民及其需求是智慧城市的核心,离「人」最近的入口价值越大。当然,随着越来越多的城市场景和线下入口陆续打开,社交端的优势是不是能延续是个不小的挑战。对腾讯来说,以微瓴产品化为突破口,全面布局城市物联网平台,还是可能继续成为阿里头号对手的。「连接」二字的价值,不亚于人的「血脉」。

华夏幸福,号称产业新城运营商,两个核心的技能,做产业,建城市。能同时把这两件事搞明白,能独立完成城市的规划、建设、运营、管理的企业屈指可数。华夏幸福有包括住宅商业在内,涵盖基础设施和公共服务的几乎全部城市场景。产业方面,替政府招商引资,还自己做孵化器投早期。更重要的是,跟 Google 一样,也投了很多智慧城市相关产业,比如无人驾驶、共享出行、新能源汽车、基础设施、生态修复,其实就是把产业和城市领域的能力合二为一,同时实现城市和产业的升级。

万科,作为各种意义上的最大房地产开发商,在这个去杠杆的风口浪尖上,也在引领着地产行业改名和改行的潮流。深圳市万科房地产有限公司刚刚更名为深圳市万科发展有限公司,将自身定位进一步迭代升级为「城乡建设与生活服务商」,在巩固住宅开发和物业服务固有优势的基础上,业务已延伸至商业开发和运营、物流仓储服务、租赁住宅、产业城镇、冰雪度假、养老、教育等领域。这些重资产运营的活干起来很累赚钱又慢,所以转型更高端的科技企业形象,往城市运营的高级阶段也就是数据运营上发展,应该是其真正意图。虽然运营这事万科做得怎么样暂时还不好评价,但是在建造方面,万科的技术储备应该毫无争议的行业老大。过去的很多年里,万科孤独前行,在以装配式住宅为核心的住宅产业化道路上一骑绝尘。未来城市中,弹性建造体系支持的柔性空间系统,是实现空间共享化、功能混合化、结构轻型化等特征的前提,只有这样,才能实现建造过程的数据驱动,也为空间的可运营提供了保证,Sidewalk 也就是因为 Google 投资了模块化建造公司 Factory OS,才有了这份底气进军建筑业,类似的还有拿到软银巨额投资的 Katerra。因此,万科掌握着未来建造科技的先机,也就是城市的物质空间骨架,故曰得其「骨」。整体上对信息技术的不敏感,是万科也是所有地产企业转型的硬伤,在与 IT 企业的合作中,话语体系无法沟通可能会是其最大障碍。

华为,作为以技术实力著称的传统电信设备商和系统集成商,一直是智慧城市市场上低调但又不可忽略的力量。从云到端,整个 IoT 数据链路的每个环节都离不开华为的设备产品。终端、芯片、5G、LoRa、NB-IoT……都有着决定市场技术走向的能力,其 2012 实验室聚焦颠覆性黑科技,比阿里达摩院更早深耕基础研究。在互联网时代,华为完全凭借技术实力保持存在感。但互联网和运营基因的缺失,已经严重影响了其未来的市场地位。华为应该已经看到了这个问题,因此成立了场景实验室,深耕现实场景需求。智慧城市建设中,数据链路是数字孪生的基础,如果说现实的建筑结构是「骨」,那虚拟的网络架构就是「筋」,如果华为能联合合适的线上线下伙伴,「筋骨合一」,更多聚焦城市运营所需求的应用技术创新,则也可以借助智慧城市完成企业形态的跃迁。

除了以上几家,最近还有一个新的巨头高调进入智慧城市领域。中国平安,作为一个主业为金融保险的公司,拥有 22000 个工程师及研发人员,远超于多数科技巨头;在智能认知、人工智能区块链和云科技等科技领域已经建立了全球领先优势,正在一些特定的技术领域依托技术和渠道优势渗透智慧城市 PAAS 和 SAAS 业务。中国平安是华夏幸福、旭辉、碧桂园等地产公司的第二大股东,也与几乎与所有一线开发商建立了股权合作,由此掌握了丰富的城市场景。资金、技术、场景俱全,不可小觑。

如果说未来有一个企业会在这个领域称霸,至少要同时具备上述其中两家的基因,而城市运营基因可能比 IT 技术基因更难获得。苦练内功固然可以提升实现一定程度的转型,但基因的改变则容易伤筋动骨。所以下一个阶段,合纵连横的水平基本决定了这些企业能到达的高度。虽然这些企业(国内)中除了个别直接竞争对手外,几乎两两之间都有战略合作协议,但真正能发挥彼此优势的深度合作尚未出现。未来最基本的模式是「技术+场景」式的联合,因此我们已经看到了非常多的「互联网+房地产」的战略合作产生。但因为地产公司的视野大都局限在住宅和社区,而且对 IT 技术缺乏想象力,所以暂时还没有标杆性的创新实践。

产业数据智慧城市
1
相关数据
区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

暂无评论
暂无评论~