“城市大脑”落地 阿里人工智能向纵深迈进

测试一年之后，阿里“城市大脑”接管了杭州128个信号灯路口，这项阿里人工智能技术的落地，直接效用是减少了道路通行时间、调度更加高效。

但“城市大脑”落地，更加反映阿里过去一段时间在人工智能领域的基本策略：从具体问题延伸至具体场景，通过技术来“倒推”解决某项具体问题。在此基础上的阿里人工智能，强调的是不同能力之间的协同。但如今阿里希望将这种倒推思路再往纵深推去。

10月11日，致力技术研究的阿里“达摩院”应运而生。当天阿里巴巴首席技术官张建锋告诉21世纪经济报道记者阿里正在发力自研芯片。另一侧，则是阿里未来将逐渐改变目前在AI领域各类行业部署“大脑”的做法，将构建一个通用架构，通过灌入不同数据来满足垂直行业应用要求。

“城市大脑”落地

10月11日，基于过去一年的测试，阿里巴巴正式发布“城市大脑1.0系统”。目前“城市大脑”已覆盖主城区莫干山路区域等路面主干道、南北城区部分快速路以及萧山城区。这直接减少了试点区域通行时间、高架道路出行时间，此外“城市大脑”在主城区日均事件报警500次以上，准确率达92%。

在过去一年中，阿里陆续推出了“工业大脑”、“医疗大脑”等涉及不同领域的人工智能解决方案，但在战略位置上首当其冲仍是“城市大脑”。

“城市大脑”背后是通过一个普通的摄像头，来读懂车辆运行状态和轨迹，但与此同时实时分析来自交通局、气象、公交、高德等13家机构的海量交通数据。因此视觉识别是城市大脑核心技术能力之一，城市大脑技术中甚至用到了阿里原先积累的电商图像搜索技术。

2016年，阿里从杭州萧山地区开始试点“城市大脑”，尝试让红绿灯每隔十五分钟，根据摄像头看到的内容更新策略。苏州是阿里“城市大脑”落地的城市之一，其在苏州测试的则是公交系统，目的是基于数据调整公交路线，最终增加10%左右的客流量。

“城市大脑”落地得到了大量杭州当地相关部门的配合，其中包括了杭州市“城市大脑”领导小组、杭州市数据资源局、杭州市公安局及杭州市公安局萧山分局等。有一种观点认为，“城市大脑”的推广将呈颇为缓慢的态势。

但在阿里云人工智能首席科学家闵万里看来，尽管“城市大脑”前期布局缓慢，但最困难的地方仍是跑通目前的系统架构，在系统成型后，进行复制推广的难度反而比较小。

阿里云总裁胡晓明则在10月11日告诉21世纪经济报道记者，构建城市大脑复杂性在于，一方面如何将数据汇聚到一起，其次是如何对数据进行处理，并且最终和现有的城市指挥系统进行配合调度。

在阿里巴巴技术委员会主席王坚看来，随着城市数据的爆炸式增长，未来城市将拥有高达目前百万倍的数据。这也意味着“城市大脑”这类智慧调度将发挥远超现在的价值。

“城市需要一个新的基础设施，我们把它称为 城市大脑 ，这就是我们在杭州所做的。”王坚说。城市大脑还帮助杭州计算出了每天在道路上跑的汽车数辆，“杭州汽车保有量是120万量，但在路上跑的汽车数量也达到了120万辆。”实际数据并不符合保有量一半的汽车在路上行驶的定则，但却给了政府机构参照。

提炼AI架构

“城市大脑”若是阿里目前在人工智能领域值得一提的举措之一，那么未来的“城市大脑”将会是什么样子？

10月11日，闵万里在采访中告诉21世纪经济报道记者，阿里接下来将可能消灭目前的所谓的“城市大脑”、“工业大脑”等基于不同场景的人工智能系统。“行业的边界接下来将被打破，着重在共有的属性上。”闵万里说，原因在于上述不同系统当中，阿里提炼出了一些共同的属性。

这是阿里在初步落地城市大脑这类产品后未来要做的事情：提炼系统架构，通过输入不同的数据来泛化到不同的垂直领域。闵万里坦承，如果没有例如城市大脑这样的基于交通智能化调度的具体场景，事实上未来也很难提炼出最终“ET大脑”的架构。

目前在人工智能方面，阿里更加强调不同能力的协同性，而非单纯的强调某一方面的能力。这种不同能力之间的协同性，也被视为阿里在AI领域的特点之一，目前很多公司在应用人工智能技术时，大多集中在语音识别、图像识别、自动驾驶等某一个具体的方面，通过深度学习来不断提升智能化程度。

“阿里城市大脑和深度学习的关系是零。”闵万里告诉21世纪经济报道记者，人工智能行业曾一度狂热追寻深度学习，但目前来看这股热潮呈降温趋势。反之，阿里的做法是通过将分析平台“嫁接”到数据库上去。

一直以来，阿里在人工智能领域的主要策略是，先找到业务场景，基于业务场景、待解决的问题、人工智能算法倒推至芯片。因此当达摩院成为阿里在人工智能上的一个落子后，马云乐于强调达摩院作为研究机构需要自盈利能力，即找到自身的商业模式。

张建锋告诉21世纪经济报道记者，阿里成立达摩院的重要原因之一，即在诸如AI这样的领域向纵深推进。“不是简单做一个软件或者系统，而是涉及自己的芯片、服务器、操作系统等，而这些都需要定制化的研究。”张建锋说。

张建锋认为目前的芯片市场仍未满足人工智能需求。“在解决深度学习、计算方面GPU一定不是最合适的，尤其当其还要面对未来的问题。”张建锋说，在其看来，人工智能芯片道路将从GPU过渡到FPGA，但最终将采用自家专用芯片，目前正在进行芯片研发。

闵万里告诉21世纪经济报道记者，眼下阿里自研芯片还停留在架构设计阶段，例如对芯片卷积进行特殊的设计，距离实际制作阶段仍有距离。但自研芯片势在必行：人工智能若采用传统存储结构，则需要极大但利用率低的存储空间，这意味着成本的流失和浪费。