2020年年初國家提出的“新基建”，為技術變遷和行業發展，帶來了新的時代機遇，而智慧城市也成為全國城市發展變革的重要一環。

城市大腦是現有智慧城市中的一個核心系統，它將算力及數據匯聚到一起，加上算法，就能發揮巨大的作用。

比如，將網絡數據、政務數據、社會數據等等，匯集到一起，然后提供一個云計算服務，就可以提升政府效率、加速企業創新、促進生活便捷。

在智慧城市系統之中，匯集了各類各樣的數據，其中有90%左右的數據都與圖像、視頻相關聯，如何處理好圖像和視頻數據，在城市大腦系統中是非常關鍵的要素。

那么，現在城市大腦系統的發展到了哪個階段？從系統1.0到2.0，哪些痛點被解決了？技術又有哪些創新呢？

在8月7日第五屆全球人工智能與機器人峰會（CCF-GAIR 2020）上，中國工程院院士、鵬城實驗室主任高文，分享了主題為《城市大腦2.0-邊端云處理分工的人工智能賦能系統》的報告。

高文院士在報告中，從城市大腦1.0的現狀、問題，談到城市大腦2.0的創新、優勢，以及智慧城市發展的關鍵技術和能力。

城市大腦是智慧城市的核心系統，是算力和數據的匯聚地，是生產力和生產資料的集中展現。

它也是超大規模的人工視覺系統應用，通過數據的匯聚、治理、計算、分析、挖掘和調度，完成數據的全流程加工，面向行業提供不同層次的產品和服務。

所以，視覺認知計算（VCC）是城市大腦的核心。目前，視頻存儲、分析與識別都在云上完成，分析識別的視頻路數與云服務器的算力成正比。

在現有的系統中，數據基本以圖像與視頻兩種形式進入:

第一種模式：攝像頭就是一個簡單的傳感器，捕捉到圖像或者視頻以后，進行一個編碼壓縮，傳送給云端，云端將它存儲起來。

也可能將它解碼之后進行分析，識別出人臉、車輛，或者進行交通數據的分析等等，這是一種信息或者數據感知的模式。

另一種模式叫做智能終端，在攝像頭這一端就把人臉或者車牌等信息識別出來，識別出來的信息被傳送到云端，直接可以進行分析使用。

這兩種模式是目前城市大腦中數據使用的主要模式，當然這兩種模式都多多少少存在一些問題。

如果僅僅作為一個感知終端，后面如果需要調用，除了解碼以外，還要進行特征提取等工作，需要大量的計算程序，這些計算非常耗費云計算的算力資源。另外，智能終端還無法識別出未被指定的人或物。

所以，城市大腦需要一個更好的系統，這個系統不僅云上算力資源需求不多，而且可以完成一些未經規定的動作。

換句話說，以云計算為核心的城市大腦1.0目前存在的一些問題是，系統各個部分分工協調不太好，系統成本比較高，響應速度慢，數據的可利用度比較低。

如果要從1.0演進到2.0，首先要面臨一些挑戰：

第一，海量數據≠大數據

現在的城市大腦1.0，它是一個具有海量數據的系統，但是這個海量數據并不等于大數據，因為90%的海量數據都是沒有結構化的，只是進行了一個簡單的編碼壓縮。

第二，數據海量 vs 低價值

另外，這些數據的價值也比較低，它不是結構化的，你無法在上面進行分析，這也是為什么很多智慧城市的視頻數據，一段時間之后就被覆蓋了。

高文院士表示，問題的實質是現有城市大腦里的數據表達是不到位的。

如果只是在感知數據后，將編碼壓縮送到云端，它還是一個非結構化的數據；如果能把它識別出來是張三、李四，或者車牌號多少，雖然它已經結構化了，但是它是過度結構化的，對于沒有規定的任務就無法執行了。

所以需要一種泛化能力更強的數據表達，這個數據的表達是一個機緣表達，用這些機緣既可以完成現有的任務，也可以完成現在還沒有定義的一些任務。

這些數據表達想要得到一個比較好的結果，整個系統就必須做得好，包括系統的智力、性能（響應時間、并發、吞吐）、效率（耗電多大）等等。

如果某套系統可以通過評測，那就代表這套系統比較智能化了。

城市大腦1.0系統的弊端在于：它的智能代價比較高，要么是造價高、要么就是耗電高。

如果要將城市大腦1.0升級到2.0，高文院士表示，可以借鑒人的視覺系統，比如人的視網膜、視覺通道、大腦分工是非常協調和高效的。

從視網膜傳到大腦之間，是一個特征壓縮，被稱為：特征編碼，但這個編碼和現在傳統的圖像編碼并不一樣，它是一個特征壓縮編碼的東西送到大腦中去。

城市大腦2.0就是借鑒這樣一個系統提出的一個體系架構，不僅能傳特征，還能傳壓縮圖像。這個體系架構需要數字視網膜的技術及其標準化，現在這些思路、技術、標準化都逐步到位。

高文院士認為，城市大腦2.0 上一篇: 物聯網在智能交通領域的應用與發展 下一篇: 國家推進全國小區改造！智慧社區千億市場爆發？