做好持久战准备

“大模型太超前了。”

这是来自一位交警用户的反馈，“大模型确实是热点，但基本是悬在交通管理上的空中楼阁，真正用起来还有很长路要走。”

去年4月，百度发布“基于交通大模型的全域信控缓堵解决方案”，首个定义大模型与交通结合的应用场景，引起了行业的高度关注。此外，阿里云、商汤等科技企业也在交通大模型方面持续探索。佳都科技、海信网络科技、卓视智通等不少的传统智能交通企业也都公开了交通大模型方向的成果，另外也有不少未公开发布成果的传统企业也都在探索不同场景下应用的可能性。

喧嚣过后，行业更关注它的实际落地效果，尤其在市场投资趋缓的背景下，解决刚需才是关键。

一、大模型对交通行业有哪些价值

随着AI大模型的出现，给智能交通带来新的落地空间。在一些公开场合，也有交警用户表示希望借助大模型的力量开展交通治理工作。

当前，大模型对交通行业到底有哪些价值呢？

首先，可以辅助交管内勤工作，成为业务办公的AI助手。例如，借助大模型做一些交通相关的知识问答、交通文本分析，以及辅助文档撰写等工作。以往需要在一堆文件中不断翻阅才能找到所需材料，现在将文件导入到大模型，通过知识问答的方式即可快速简易地获取所需内容。

其次，商汤科技智能交通业务总经理郭海锋在公开演讲中表示，AI大模型的应用将改变软件形态，以往层层菜单式的专业交管软件，具有一定的使用门槛，大模型支持文字、语音、甚至图片多模态交互，能够使交管人员快速上手，节省培训学习的成本。

智能交通是一门交叉学科，对管理人员的综合能力要求高，而专业交通人才一直存在缺口，AI大模型将起到交通专家的作用，随时解答业务难题。总体来看，大模型能够覆盖交通行业的大量长尾需求，减少开发成本，从而拓宽交管业务的广度和深度，实现全流程智能化闭环能力。

第三是大模型在感知层面有了很大的改进。北京卓视智通科技有限责任公司CEO吴柯维认为，以往交通行业的事故识别做的并不好，但大模型能够很好地理解道路上发生的事故并进行识别，感知能力有了较大的提升。

大模型的价值是不可否认的，正如苏州工业园区交通警察大队智能交通与智能网联项目负责人束云峰所说“从交警业务需求角度的来看，交通大模型是非常有必要的。

在实践过程中，交警业务工作中PPT讲解等工作，通过数字人即可解决。要实现交通行业的多模态大模型，最基础的在于如何生成调研报告。我们的很多工作需要去整理相关的数据，即使通过现有的信息化手段，也需要通过跨系统拉表获取数据。如今通过建模的形式，我们可以把知识图谱全部上链，将所需数据进行整合或即时生成图表，目前已有一定的应用。”

回归到交通管理领域，他认为更多要依托于行业基础大模型来研究交通模型怎么做，这需要行业专家、应用单位和厂商将交通的逻辑、元素等进行整合。但这项工作能做到什么程度，是大模型还是交通小模型的组合，目前还处于探索阶段。

二、大模型在交通行业内实际落地情况怎么样？

从部分地方交警用户反馈的态度来看，大模型在交管行业的应用并不多，超前、理解不深，是多数一线交警用户对大模型的认知。

据悉，西安交警数字人“永安君”公开测试，是目前公开的城市级交管部门进行大模型落地的唯一案例，基于通用大语言模型引入交管行业知识库，实现咨询内容包括车驾管业务办理流程、交通违法处理方法、线下业务办理网点、办公时间等。

交警部门更关注大模型对业务提升的具体效果，大模型本身成本很高，他们需要看到具体对业务能够有哪些提升作用才会决定是否采购应用。目前多数是试点应用，行业还未找到更好的落地场景。

相对来看，大模型在高速公路领域应用更多。河北高速集团行业专家和百度研发团队携手，基于文心交通大模型能力共同孵化智慧公路AI数字人“简璐璐”，依托兼容报表、预案、识别、决策、互动、仿真、路径和协同等行业大模型，服务路网监测、应急指挥、养护管理、公众出行全环节。

赛文交通网获悉，目前“简璐璐”在其他城市的推广和应用并不是很多，重要的一点是单卖数字人价值并不是特别高，需要搭配其他业务一起，例如与视频巡检、异常事件分析等具体应用场景结合才可以更好发挥其商业应用价值。

除“简璐璐”之外，还有更多的大模型在高速公路领域应用。

今年4月，卓视智通在高速公路信息化大会上发布了自主研发的“智通卓识AI多模态大模型”。该大模型基于新一代通用人工智能技术，具备文本对话、知识问答、图像理解、万物识别、文搜万物、图搜万物、视频理解等强大的AI能力。据卓视智通透露，在参展期间，已经成交了多笔订单。

此外，商汤睿途交通大模型也多应用于高速公路多模态视图分析检测。

三、大模型与交通行业场景的融合，难点主要在哪里

从企业的角度来看，大家都在积极投入资源进行研发，力求不在这场技术竞赛中落后。但从市场的角度来看，用户目前可能还未能深刻感受到大型模型的实际价值和应用效果。

大模型想在交通领域实现变现，到底难在哪里？

首先，数据太少，模型训练成本太高。行业内交通大数据共享难，厂家缺乏有效数据训练大模型。交警侧的公安网数据涉及保密隐私“只进不出”，AI厂商缺乏优质数据无法有效构建大模型。此外，大模型训练通常需要大量的GPU或TPU等高性能计算单元，随着模型规模的增加，所需的计算资源成倍增长，这不仅包括处理器的数量，还包括内存容量和高速互连技术以支撑模型训练过程中的大规模并行计算。当下做大模型需要有核心的算力训练服务器及很多标注的数据，标注成本相较以前要高出很多，生产高质量数据的成本非常高。

其次，道路交通场景复杂多变，数据源、数据格式不同，需要进行大量的数据清洗和标准化工作。应用大模型需要高度定制化适应特定场景，需持续优化保证预测和决策的准确性，避免误报和漏报。以交管12123平台为例，应用大模型解答群众问题一定是确定性的，而非参考性回答。

第三是技术与资源投入，大模型的研发与部署通常需要大量的计算资源和专业的技术团队支持。在当前环境下，许多企业更侧重于生存和追求短期收益，因此在方向尚不十分明确的情况下，很难做出长期的战略性投资。这导致可用于交通管理大模型的资金和人才相对有限，从而影响了其快速发展的步伐。

种种因素导致大模型在交通领域的应用效果目前并不显著，很难直接用于纵深业务实战。

四、结语

大模型，究竟是空中楼阁还是技术革新？这个问题的答案或许就在我们眼前。

大模型无疑是一次技术上的飞跃，但它是否能真正落地，关键在于能否解决实际问题、创造真正的价值。尽管目前还面临着一些挑战，比如高昂的研发成本、应用场景的探索等，但随着技术的进步和社会需求的增长，大模型正逐步从理论走向实践。当前，需要做好持久战准备，也应该需要几年的时间去消化。