AI将是未来生产力革命的关键所在

编者按：3月19日，在赛文交通网主办的“2024 年智能交通市场经济管理论坛(暨智能交通产业领袖论坛)”，阿里云交通物流行业副总经理高翔作了《“大模型+智能算力” 助力交通服务品质提升》主题报告。

交通行业正在拥抱大模型，在此过程中也面临诸多挑战，阿里云在大模型领域坚持长期投入，持续演进。该报告分享了阿里云在不确定的时代当中对于行业确定性的相关思考，并介绍了如何基于阿里云智能算力及大模型能力提升交通行业服务品质的探索和实践。

阿里云成立于2009年，坚持在云计算和人工智能领域推进科技创新，连续多年在云计算市场份额中处于亚太第一，全球第三的排名。2023年阿里云发布了“通义千问”大模型。

技术在不断变革，行业由过去的数字交通，发展到智能交通，再到如今的智慧交通，概念也在不断发生变化。阿里云认为，在当前充满不确定性的时代当中，交通运输基础设施数字化转型升级的核心在于出行者获得感的增强和可持续运营的商业模式。

以往行业很多建设类的项目，虽然投入了大量资金，但这些试点示范工程对于出行者而言并未感受到显著的获得感，这是在发展过程中我们必须要面对的问题。同时我们认为，任何一项技术和创新必须在某一场景或技术领域内有可持续的商业模式，这样才能盘活交通数据资产价值。

2024年，阿里云对公路交通行业的解决方案进行了全面升级。基于云+大数据+AI 支撑，从“ ，阿里可以提供灵活适配的“路网云服务”。

首先，即使不做新增基础设施投入，阿里云联合高德仅利用车辆网数据，也可以实现出行体感的增强。如提供C2C盲区预警、弯道预警服务，无需建设大量设备，只要使用了高德导航的用户就可以互相看到对方的位置，在视野盲区、转弯会车等场景中可以实现安全预警。

进一步的，将“互联网出行”LBS数据进行整合，可为出行者、管理者提供更多的增值服务。例如在大规模路网层面，能够帮助管理者进行路网分流，提供高速服务区管控措施建议等。

再进一步，基于现有的开放云平台，将城市和公路中现有的传感器、信息发布等设备接入进来，可以提供主动管控服务及路网级仿真推演等能力。

最后在“高配”的道路上，例如全国很多省份正在结合交通基础设施转型升级，规划的路网级、千公里规模的智慧高速上，基于新增的各类路侧设备采集的车辆轨迹信息，可以提供更优的体验。如此前发布的车路协同高精导航服务，阿里云和高可以接入高配路段上的雷视融合、雷射融合等各类传感器，将路侧信息通过高德推送至C端用户，实现周车环绕、超视距信息服务、碰撞预警等功能。

AGI（通用人工智能）是人工智能的下一站，这是大家的共识。从2022年年底到现在，从ChatGPT这样的现象级应用横空出世，到现在不过一年多的时间， AI领域已经发生了翻天覆地的变化。

AI将是未来生产力革命的关键所在，AI将和包括交通行业在内的千行百业进行深度融合，这是我们认为的确定性。

阿里云在AI领域坚持长期投入，从2017年开始进行基础的研究，2019年发布了万亿参数多模态大模型M6，2023年发布了通义家族系列产品。以通义听悟为例，可以记录下会议中每位用户的发言，自动生成会议纪要、To-do list，大大提升会议办公的效率。

如下图所示，通义基础模型现在已发布了若干规格。规格主要的区别在于参数量级，模型参数的大小会直接影响推理的性能，参数量级越大，推理效果越好。通义千问72B在全球绝大部分主流测试集上进行评测，已超越GPT-3.5，接近GPT-4，在开源模型中领先。

此外，我们具备多模态理解、多模态生成的能力。过去交通领域的一些应用，如车牌识别、事件监测等，仅限于在一些很窄的领域，无法对事件进行解读和分析。现在，基于大模型的泛化能力，可以理解图片、视频等背后的底层逻辑，像人一样可以理解交通事件的发生、发展的全过程，并且可以进行多模态的生成。

下面介绍一下大模型在交通行业的应用。阿里云在交通领域和业主、伙伴等正在探索相关应用场景。

一是视频多模态检索。以往的 “小模型”已经可以识别一些交通事件，但往往会出现大量的误判，并且难以将类似事件进行准确区分。

通过为大模型导入足够多的视频案例进行学习，在大模型泛化能力的加持下，我们可以利用大模型的能力读懂事件发生到结束的全过程，并给出比较精确的判断结果。通过对事件进行快速解读，帮助管理者进行初步筛选，提升事件管理的效率和准确性。

二是管理决策智能体。这一场景主要面向企业、政府进行智能辅助决策。以往我们在指挥中心进行调度时，需要查看收费站排队情况、周边路网拥堵态势的发展过程等支撑进行决策，往往需要对系统操作非常熟练的工作人员进行若干操作后才能将一些关键信息进行呈现。

现在我们和业主方正在探索利用大模型的能力进行语义理解，学习交通数据库的定义和语义结构，读懂系统背后的数据后，仅通过简单的语言交互，就可以自动生成图表、图像来支撑进行科学决策。

三是交通感知能力提升。过去在智慧高速进行轨迹还原的痛点问题在于，在一些大流量路段，由于车辆遮挡问题比较严重，在进行轨迹还原时会有大量数据丢失，出现还原不准确的情况。

现在我们利用视频大模型的能力，能够实现遮挡车辆轨迹的精准还原，通过轨迹预测实现重点桥隧、高速路段上车辆轨迹的准确还原。

四是交通静态资产数据快速构建。以往大家大多通过专用的车辆进行高精地图的数据采集，再通过半自动甚至人工手段进行拼接。现在阿里云和高德提供的“云镜”，基于无人机采集到的图像和视频，利用大模型能力自动拼接，快速准确、低成本的生成交通静态资产。

AGI是工程训练突破，打通AGI发展需要经历“模型创新、工程落地、产业商用”三个环节。

在AI高速发展，且充满不确定性的时代下，阿里云认为行业在拥抱AGI发展中可以确定的三个路径。

一是应用的智能化。基于大模型的基模能力对现有的应用进行智能化升级。

二是模型行业化。现在很多企业都在开发自己的专属大模型，阿里云愿意将我们的基模能力和大模型训练平台贡献出来，支持企业开发专属大模型。

三是智能通用化。未来将有更多的业务形态、商业形态出现，AGI作为开放式平台，可助力新业态创新，开创业务新领域。

阿里云在大模型方面和行业伙伴合作时主要可以提供两种合作模式。模式一是公共云Token调用，由阿里云提供基础大模型及底层算力，在一些具体场景中由客户进行模型微调、应用开发。模式二是公共云独占实例，阿里云也支持各类开源大模型的部署，可支撑行业伙伴进行Agent搭建和应用集成开发。

最后介绍一下阿里云的大模型服务平台——百炼，该平台可为大模型开发者和企业客户提供更完整的解决方案。

大模型的应用在不同场景中有两个方向的事情要做。一是要学习行业知识，由于基础模型仅具备基础的理解能力和推理能力，在具体行业中，还需要学习专业行业知识，例如交通领域的信号控制、交通组织优化等。

二是在大模型和具体应用场景结合时，还需要相关工具能够支撑其更好地服务C端用户，如上文提到的自动生成图表、视频等。

百炼平台可提供从模型部署到模型开发工具、应用工具链、智能体API等一系列能力，基于大模型进行垂直行业、细分领域的应用场景开发。

在当今充满不确定性的时代下，阿里云对自己在交通行业的定位是确定性的，我们会坚定做好云、大数据和AI，做好云计算企业自己该做的事情，为行业提供支撑。

同时，在AI驱动新一轮生产力革命的过程中，我们非常愿意和行业伙伴共同针对大交通场景进行垂直化的创新和合作，丰富大模型在交通行业的场景和应用。