2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在下午场的演讲环节上，灼识咨询合伙人赵晓马为峰会带来了精彩演讲

赵晓马指出，从中国、美国、日本城市化发展历程和特点看，改革开放40年以来，中国城市化进程速度世界领先。

各类智慧城市建设方案凭借其技术先进性、强感知能力、数据资源高效应用等特点可以解决大量城市现存问题。

与此同时，智慧城市以其数字化、绿色化的特点为“碳中和”目标实现助力。

但同样不可忽视的是，在智慧社区、智慧商业等场景中，仍存在系统割裂、数据孤岛、信息综合利用程度低等问题。比如，割裂的单点解决方案，数据不打通，形成数据孤岛。

这就要求智慧城市割裂的单点解决方案要逐步转变为全场景，一站式的完整解决方案。

未来的城市将遵循以下规律：

从信息城市（以信息化为中心，互联网驱动，强调各业务、各部门内部的数字化、信息化）到智慧城市（ 以应用场景为中心，AI、物联网等技术驱动，强调各系统、各场景内部的智能化）到人本城市（以人为中心 ，城市新型需求驱动，强调全系统、全场景的融合协同）。

以下是赵晓马演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

中国智慧城市突破四万亿规模

谈到城市一定对中国和美国进行对比，在城市层面中美最大的区别，是美国的城市化脚步已经持续近一百年，而中国只是在最近二三十年进入快速城市化，这个差别非常重要。

最近二三十年中国人口增长，技术大爆发，同时处于城市化快速推进阶段，三个现象叠加后，对于整个城市的管理、如何成为服务型的城市以及城市如何变得更加智能，都是巨大的挑战，也是巨大的机遇。

从投资或公司发展、融资的角度，挑战和机遇并存。

中国的城市存在几个特点。第一，集多功能在一身，比如中国特大的城市既是经济中心，又是教育中心，又是科技中心，又是文化中心。在美国，有些城市是政治中心，有些城市是科技中心，有些城市是经济金融中心，中国的城市是综合性城市，人口远多于美国任何单个超大型城市。

综合性、超大型城市，在城市发展管理中面临着流动人口管理、城市交通拥堵、消防安全隐患、居民健康挑战、城市污染严重等问题。

其中最近热门话题ESG，其概念是指，用数字赋能让城市变得更加绿色和低碳，人类节能减排是势在必行，ESG方向上有很多机遇。

其实梳理政策你们会发现，政策的顶层设计只讲了一件事：如何把城市看成一个人。顶层设计中的城市大脑，相当于人的大脑。

数字化让城市的数据得到沉淀。在过去10-20年沉淀的海量数据如何数字化，是城市智慧化的第一要素。应对场景是数字化之后的第二步，场景会带来实际的需求。

第三是加强网络的建设，需要建设一个人的神经或者血管般的网络，进行数据、信息的传达。

经过估算，智慧城市生态有4-5万亿市场规模。ESG的核心是低碳化、节能减排、数字化。ESG存在于各个赛道。

智能汽车、机器人等智能终端，智慧城市迎来更大风口

物联网的时代到来已经是必然趋势，智能汽车、机器人是两个非常重要的物联网节点，智能汽车是交通工具，也是人类新的工作、生活场景，是城市物联网场景。机器人相较于汽车，更多具备服务功能或作业功能，它在收集场景数据、地理信息数据或者自学习能力上是不断进化的。

智能汽车方向，自动驾驶是必然的趋势。不管是要十年或者二十年实现，最终驾驶员不再有。

前期从L1到L3阶段需要人不断关注和干预，这个阶段要投入大量技术研发、保证驾驶员在位，L4的时间节点到来的时间各说纷纭。

这个趋势下面有两个细分赛道，一个是新能源汽车，一个是Robotaxi，后者需要强大的运营能力和服务能力，到来的时间肯定晚于智能化或者有自动驾驶功能的新能源汽车。

眼下前装趋势非常明确，不管是做激光雷达还是做摄像头，前装市场是必然选择。

昨天有一位嘉宾说到他和车厂的合作不断被车厂、主机厂按在地上摩擦，后装慢慢会被替代掉，走得更前，和主流主机厂合作是未来的趋势。

智能单车对于自动驾驶远远不够，要做到人、车、路协同，就是需要一张网，最终实现自主驾驶，人成为相对自由的人，不能时时刻刻关注车和路上的状态。

不只是通信网络，自动驾驶现在还需要一张计算网络，计算网络能实现对智能汽车毫秒级的智能驾驶的支撑。

聪明的单车远远不够，需要有智慧的路，未来在路端、在边缘端会布置大量的激光雷达或者节点，用来存储行驶过的车或者路况的信息。

要确保L4级别的自动驾驶毫秒级的运算操作，对芯片的算力要求非常高。

商用车行业的自动驾驶更加追求经济回报。典型的物流场景，我们寻找优秀公司的方法论在于，是不是解决了行业中的痛点，或者能够大的趋势下坚持做好一件事情。

商用车的自动驾驶司机的成本在不断提升，司机在驾驶过程中会产生失误、疲劳等，物流行业竞争严重，司机超载或超时驾驶是常态，存在很多安全隐患。其次物流行业的内卷严重，运营成本一直居高不下，在长途的干线运输场景，电动化、自动驾驶的卡车存在很大的潜力，市区内的快递、物流配送，也会产生大量低速场景下的需求。

再谈谈机器人，今年很多机器人成长、融资步伐都非常快，很重要的原因是人工智能技术成熟之后，算法、感知到决策都有了诸多结果。

对于服务型城市，最终要实现执行和服务的闭环，机器人作为能够让AI能力具体化的物联网设备，是被AI、人工智能、云端的人工智能的技术赋能的。

机器人赛道，有些企业分三个阶段走，第一阶段是自己做机器人，把设备做好，交付给甲方或者工程商，这是必经阶段，企业需要考虑机器人类型和赛道，比如是服务型机器人、工业型机器人、协作机器人、医疗机器人等。

第二阶段机器人在场景中收集到大量数据（用户数据、地图或者场景的数据、运算操作的数据），这些数据沉淀后，成为AI更加智能化的重要数据来源和依据。第二阶段是有一段很长的路，企业优秀与否也可以在第二阶段见分晓。

第三阶段与特斯拉发展的逻辑相似，在大众认知里，特斯拉不仅仅是新能源车企业，更多是大数据企业，机器人企业也有这个现象，机器人最终将成长为具备自学习、自优化的物联网的终端。

其实机器人企业可以帮助新生的物联网设备公司变得更加聪明，以特斯拉提供的自动驾驶服务为例，某种意义上它可以开源赋能其他的企业。

打通城市底座，实现“人本城市”

城市的需求中，有大量设备、企业、物联网终端，对于一个城市管理者来说，一个极大的挑战是，面对海量应用、海量企业、海量服务、海量数据，到底要建多少网、多少中台、多少平台才能做好？这是目前很多智慧城市会面临的问题。

将来在某些城市会逐步出现数据底座或者操作系统。

长期看，上一个时代是移动互联网时代，现在正处于移动互联网时代红利顶峰的时期，手机的所有应用都生长在iOS平台或者安卓平台上。

下一个时代如果是物联网时代，会不会出行类似iOS或者安卓的操作系统，能够赋能基于开发IoT设备的企业，或者基于开发环境、应用环境、迭代升级环境以及沉淀的数据，提高企业的效率。

过去的智慧城市建设大多以信息为中心，或者以场景为中心，我们认为下一阶段是以人为中心，以人为中心要考虑到作为服务型城市，需要有强大的中枢和底座。

未来的城市将遵循以下规律：

从信息城市（以信息化为中心，互联网驱动，强调各业务、各部门内部的数字化、信息化）到智慧城市（ 以应用场景为中心，AI、物联网等技术驱动，强调各系统、各场景内部的智能化）到人本城市（以人为中心 ，城市新型需求驱动，强调全系统、全场景的融合协同）。