交通大模型商业化的真正较量才刚刚开始

赛文交通网 智能交通 交通大模型 百度ACE智能交通

大模型时代大幕拉起，科技大厂、科研院校们纷纷狂奔突袭，技术创新大潮一浪高过一浪，但在经历一众热捧之后，有关大模型的思考正在回归该有的冷静。

前不久，百度智能云举办2023百度云智大会，以交通大模型为核心正式发布ACE智能交通引擎3.0，其主要特征就是基于大模型技术对智能交通解决方案进行了重构；上周，2023腾讯全球数字生态大会召开，腾讯虽然没有直接发布交通行业大模型，但仍有一系列关于交通大模型的探索与思考信息传出。

阿里云、商汤等科技企业也在交通大模型方面持续探索。科技巨头之外，佳都科技、海信网络科技等不少的传统智能交通企业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。

探索交通大模型应用的还有高校和行业规划咨询等智库，北京交通大学、北京航空航天大学、东南大学等高校，深圳市城市交通规划设计研究中心股份有限公司（以下简称“深城交”）都已经发布了相关研究进展。

喧嚣过后，有关大模型的思考也在逐渐回归现实，特别是在行业市场投资趋缓的背景下，大模型的落地时效很快成为大家思考的问题。

什么是交通大模型？有哪些特征？给行业发展真正能带来什么？有哪些应用场景？交通大模型究竟会有质的改变还是概念的套娃？

01、行业动态

阿里云：4月11日，2023年阿里云峰会在北京召开，峰会上发布了AI大模型“通义千问”。阿里巴巴集团董事会主席兼CEO、阿里云智能集团CEO张勇在会上表示，阿里巴巴所有产品未来将接入“通义千问”大模型，进行全面升级改造。

阿里云智能交通物流行业总经理张磊在赛文年会上表示：“阿里云具备研发生成大模型的关键要素，愿携手客户与伙伴共同探索大模型在交通物流行业的智能化应用。”

商汤：4月，商汤科技SenseTime发布“日日新SenseNova”大模型体系，该体系可提供自然语言、内容生成、自动化数据标注、自定义模型训练等多种大模型及能力，同时结合决策智能大模型，为AGI实现提供重要起点。

5月，商汤在赛文年会上首次全面介绍了对交通+大模型应用场景的理解，基于商汤日日新SenseNova大模型体系对交通产品体系进行探索和落地应用，认为“入口”、“AI助手”、“知识库”是大模型在交通管理领域应用的三大表现形式。

百度：9月6日，百度智能云举办2023百度云智大会，以交通大模型为核心正式发布ACE智能交通引擎3.0，重点基于大模型技术对智能交通解决方案进行了重构，提出了交通大脑大模型、全域信控大模型、智慧高速大模型等智能交通细分应用场景，意欲打造超过百亿参数的交通大模型，力求在交通感知、交通认知、交通预知、交通知识、交通交互等方面能力进行提升。

同月，百度智能交通事业部总经理石清华接受赛文独家视频专访，详细阐述百度关于交通大模型的最新思考、研发进展以及实践落地情况，这也是交通科技届首位接受媒体关于大模型应用的采访。

腾讯：腾讯在交通大模型的竞逐中保持了一贯的佛系心态风格，公开进展比较慢，至今还没有发布交通大模型产品和解决方案。

9月7日，在2023腾讯全球数字生态大会上，腾讯混元大模型正式亮相，并宣布通过腾讯云对外开放。此次生态大会，腾讯虽然没有直接发布交通行业大模型，但是仍然有高层首次谈到对交通大模型的思考。

腾讯集团副总裁、腾讯智慧交通与出行总裁钟翔平表示，在智慧交通方向可以通过大模型寻找交通规划、缓解拥堵、安全防护的更多优化解法，或者在智慧城市交通的项目中进行路网设计，基于输入更多数据、经验后的 AI大模型，很有可能设计出比人工设计更合理的路网规划。

钟翔平表示，腾讯正在和国内高校共同探索交通大模型算法，通过分析环境和交通流数据去预判和推演，提升交通的效率和安全性。

鹏城实验室、海信网络科技：海信从2018年与鹏城实验室展开合作，持续探索视觉模型在交通行业中的深度应用。

鹏程-大圣系列大模型是鹏城实验室视觉智能研究所基于鹏城云脑Ⅱ训练打造，其中3亿、10亿参数的视觉大模型性能已达到国际领先水平，3亿参数视觉大模型相关代码已在全球最大的代码托管平台Github上开源开放。在此基础上，海信将丰富的交通场景数据与大模型融合，持续提升视觉感知的场景泛化能力。

佳都科技：6月底，佳都科技集团发布自主研发的“佳都知行交通大模型”，是典型的面向轨道交通领域的行业大模型。不久，佳都科技携手云从科技、重庆城市交通开发投资集团正式发布全球首个知行城市交通行业大模型。

知行城市交通大模型聚焦城市交通治理，基于从容大模型平台对城市交通行业知识进行持续训练和自学习，形成行业思维，在交管工作效率提升和业务问题解决上更加智能，能够对城市交通系统进行全面、深入的分析和预测，实时监测道路、公共交通、车道等各类交通设施的使用情况，精确评估交通流量、拥堵程度和出行需求，为城市规划者、政策制定者和市民提供科学、准确的决策依据。

北京交通大学：7月，北京交通大学联合中国计算机学会智慧交通分会与足智多模公司等正式发布、开源了自主研发的国内首款综合交通大模型 ——TransGPT・致远。

TransGPT 主要致力于在真实交通场景中发挥实际价值，包括交通情况预测、智能咨询助手、公共交通服务、交通规划设计、交通安全教育、协助管理、交通事故报告和分析、自动驾驶辅助系统等能力。

TransGPT 交通大模型已经具备面向 BIM 模型审核员、智能运维、智能咨询等场景的应用落地能力，将大幅度促进铁路工程等数字化转型和智能化提升。

据研发团队介绍，交通大模型采用了基于 Transformer 架构的文本大模型、多模态大模型与实时场景数据调用能力，整体上形成综合交通大模型为基础设施、辅以交通细分行业应用的架构。支持实时类应用，包括驾车规划、公共交通规划、（逆）地理编码查询等落地场景应用能力，能够促进铁路交通等领域的数字化转型和智能化提升。

北京航空航天大学：北京航空航天大学大学智能交通技术与系统教育部重点实验室正式发布了大语言模型（LLM）与交通行业智慧深度结合的最新产品 --- TrafficGPT。

TrafficGPT的目标是通过强大的自然语言理解和复杂的交通系统开展交互，通过一系列可拓展的工具赋能 LLM，使其真正具备了大规模交通数据的处理分析能力，交通仿真、交通优化、交通评估能力，从而完成一些复杂的操作，为人类用户提供有洞见的建议和决策。

由实验室向赛文提供的材料中显示，相比于其他大模型产品，TrafficGPT具有4大优势：

◼ 一是通过赋予LLM分析和处理交通数据、与交通系统交互的能力，并为城市交通系统的管理提供具有洞察力的决策支持；

◼ 二是可对抽象且复杂的任务进行智能解构，并按顺序利用交通基础模型逐步完成这些任务；

◼ 三是可通过自然语言对话帮助人类在交通管理与控制中做出辅助决策；

◼ 四是可实现交互式反馈并征询修正结果。

东南大学：为解决交通数据获取与融合等难题，东南大学构思了 MT-GPT（Multimodal Transportation Generative Pre-trained Transformer）的多模式交通大模型概念框架，旨在为多模式交通系统任务中的多方位、多颗粒度的决策问题提供数据驱动的大模型工具。

MT-GPT 可以在数字化、信息化和智能化等方面为多时空尺度的城市交通规划、网络设计、交通基础设施建设和交通管理提供感知与决策支持。

深城交：深城交将大语言模型的核心能力引入城市交通规划和运营管理效能提升，主要致力于从交通综合知识问答服务和集成调度服务两方面入手，依托原有TransPaaS平台，拓展交通大模型能力。

首先，交通大模型在多源交通大数据的基础上融合交通规划方案、交通治理方案智库，使其在原有能力之上支持交通文档理解、交通知识检索、交通业务专业方案生成。

其次，交通大模型通过集成调度服务实现跨多个平台信息聚合查询，支持对交通拥堵指数系统、TransPaaS数据中台等进行不同时间、空间和计算颗粒度的交叉组合查询，并根据查询结果智能生成可视化图形和交通运行报告，以便交通分析人员快速定位交通运行的核心痛点问题，为交通决策提供支持。

02、质的改变还是概念的套娃？

在前不久百度智能云在北京举办的2023百度云智大会上，百度创始人、董事长兼首席执行官李彦宏表示：“目前中国10亿参数规模以上的大模型已经发布了70多个，但是模型本身并不直接产生价值，基于基础大模型开发出来的应用才是模型存在的意义。所以对于创业者来说，卷大模型没意义，卷应用机会更大。”

但是，交通大模型究竟能够为行业带来哪些改变呢？综合目前掌握的信息，赛文认为主要会有以下三个方面的改变：

首先，互动更加便捷。目前在交通指挥中心等管理场景下，人机互动主要还是通过键盘和屏幕进行，大模型技术将改变这一模式，管理者只需通过自然语言直接询问，就能获得当前的拥堵路口、拥堵时长、拥堵原因等交通信息。

以数字人为例，数字人以全新的自然语言完成交互，通过联动系统和数字化的监控大屏，可实现全新的业务交互。

早高峰时，交管数字人能够根据拥堵情况做出问题诊断和缓堵策略推荐，已经具备解答复杂业务问题的专家能力，一定程度上提高了工作效率；高速数字人在遇到突发事故时，可以迅速联动一路三方，快速处理事故，并能够基于大模型实现对事故现场更全面精准的还原与推理，生成事故分析报告，运营效率大幅提升。

数字人类的应用将会是最常用的交通大模型应用场景。

其次，可提升业务效率。在用海量的、真实的数据对大模型进行训练后，其生成能力也有了更好的呈现，可生成图文并茂的运营管理类日常报告、事故预防的方案、全域信控的方案、交通综合治理的方案等，快速赋能业务应用决策，解决交通规划方案和治理经验复用高度依赖人力的痛点。

第三，结果更加准确。通过众多业务系统的打通、数据的共享，更多的参数和更复杂的数据可提高大模型结果输出的准确性和稳定性。

在各家已经公布的交通大模型诸多业务场景中，城市交通信号控制与城市缓堵的场景被高频提出。

以商汤AI大模型为例，商汤通过大模型已成功打通城市感知单元与红绿灯之间的智能控制链路，不仅可精准定位拥堵点进行交通状态预测与跟踪，还可对诊断分析结果进行汇总，帮助管理部门分析拥堵原因、提供治理建议等辅助。

该业务场景的闭环基础是建立在实时交通流量数据、历史流量数据、交通管控的知识图谱、交通缓堵的专家业务系统、跨部门信息共享和调度等众多数据库和相关业务系统基础上。以往，人工处理同样的问题，基于同样的数据环境，不单是工作效率较低，其结果准确性也会出现误差。

质的改变还是概念的套娃？

期待、憧憬、实践、挑战、挫折。过去多轮的IT科技技术落地行业大都在短期内就经历了跌宕起伏。在又一项被寄予厚望的IT技术到来时，无论是科技企业还是行业上下，都整体化一的保持了冷静的态度。即便有人仍旧心中澎湃，但表露出来的却是难得的低调。

对于创新，过去几年整个行业都过于急功近利，对于技术商业化的急功近利，对于技术应用取得的效果也是急功近利。理解、融合、发展，回头看事物发展的客观规律大家其实都懂，但就是整体浮躁了起来。

大模型在交通行业中的应用，很多应用场景的理论逻辑是正确的、是通畅的，可以预见的价值也是存在的。但即便是市场进程比较快的企业，也都还缺乏有说服力的案例实践。一项很好的技术，在工程实践后往往也会出现新的问题。是否是“质的改变”还需要经过市场和用户的检验与认可。

大模型在交通领域的应用，要做好持久战准备，也应该需要几年的时间去消化。

03、结语

8月31日，百度、字节、商汤、中科院旗下紫东太初等国内首批8家企业和机构的大模型产品已通过《生成式人工智能服务管理暂行办法》备案，正式获得了面向公众提供服务的资格，《办法》鼓励生成式人工智能技术在各行业、各领域的创新应用，这也意味着国内的大模型之战从堆叠参数开始逐渐走向产业落地。

展望未来，交通大模型的安全性、通用性、易用性等综合指标将成为竞争的关键。要实现大模型与行业应用的有效对接，还需企业、产学各界以及政府部门的共同努力。

如今，“多模大战”转向应用之争，交通大模型的商业应用之路才刚刚开始。

*欢迎大家将交通大模型最新研究成果与赛文分享，如有需要，请联系下方微信。