自ChatGPT問世以來，大模型這一新興人工智能技術(shù)引起了社會的廣泛關(guān)注。大模型不僅可以模擬人類進行自然語言交流，還具備多模態(tài)能力，能夠完成語言交互、代碼生成、圖像生成等多種任務(wù)。與傳統(tǒng)的決策式人工智能相比，大模型或?qū)⒊蔀槿祟悘姶蟮暮献骰锇?，提高生產(chǎn)效率并創(chuàng)造更多價值。過去數(shù)年，我國城市智慧化建設(shè)取得了長足發(fā)展，各地城市基本完成基礎(chǔ)信息化系統(tǒng)建設(shè)，并儲備豐富的城市數(shù)據(jù)。因此，智慧城市成為大模型理想的應(yīng)用場景之一。但如何因地制宜的構(gòu)建城市治理大模型，并將之用好、用透，切實服務(wù)城市治理場景，提升城市治理范式的現(xiàn)代化、科學化、智能化，是一個值得深思的課題。
大模型落地智慧城市的挑戰(zhàn)
順應(yīng)著城市治理到城市“智”理的發(fā)展浪潮，人工智能已從萬千碎片化的小模型時代走向“百模千態(tài)”的大模型時代。伴隨著ChatGPT（美國OpenAI公司開發(fā)的人工智能聊天機器人程序）的面世，各類大模型智能涌現(xiàn)，逐漸成為人工智能技術(shù)的最新體現(xiàn)。
在智慧城市建設(shè)中，大模型更多是起到基礎(chǔ)設(shè)施的作用，大模型的能力要依靠場景去表達，同時大模型的價值要以輔助智慧城市各類參與者為核心。如何基于大模型這樣一種最新的人工智能手段為基底，打造智慧城市各項業(yè)務(wù)場景，賦能智慧城市各類參與者，已經(jīng)成為新形勢下智慧城市建設(shè)亟待破題的關(guān)鍵。
（一）如何構(gòu)建行業(yè)大模型，以智慧城市應(yīng)用場景為驅(qū)動，推進行業(yè)精細化治理
通用大模型存在意圖理解能力弱、知識割裂離散、泛化適配能力差等特點。如何從“通用”走向“專業(yè)”，大模型需要在智慧城市應(yīng)用場景上發(fā)揮出更大的價值。
通用大模型具有出色的泛化性能和通用知識，而針對特定行業(yè)或領(lǐng)域的需求，要結(jié)合特定的行業(yè)數(shù)據(jù)對通用大模型進行優(yōu)化，以適應(yīng)行業(yè)的特定需求和挑戰(zhàn)。大模型的特點是創(chuàng)造性的智能涌現(xiàn)，存在“不確定性”，而智慧城市需要的是“確定性”，如何揚長避短，充分利用大模型的優(yōu)勢，控制大模型的“不確定性”帶來的負面價值是關(guān)鍵。
而恰恰是行業(yè)大模型充當著“行業(yè)專家”的角色，更專注于某個特定領(lǐng)域的知識和技能，具備更高的領(lǐng)域?qū)I(yè)性和實用性，能夠解決智慧城市的“確定性”問題。
在智慧城市領(lǐng)域，如何結(jié)合智慧城市各細分領(lǐng)域的行業(yè)經(jīng)驗和專業(yè)知識，在通用大模型的基礎(chǔ)上探索與打造各類智慧城市行業(yè)大模型，使其具備專業(yè)的知識問答、語言理解、文本生成、邏輯推理等能力，提升專業(yè)領(lǐng)域的場景應(yīng)用效果，解決城市管理、基層治理、城市安全、民生訴求、法治政府等細分行業(yè)場景的痛點問題，賦能智慧城市新變革，已經(jīng)成為大模型技術(shù)產(chǎn)品落地智慧城市應(yīng)用不得不面對的一大挑戰(zhàn)。
（二）如何體現(xiàn)以人為本，基于大模型輔助智慧城市各類參與者
大模型的應(yīng)用不是錦上添花，而是切切實實能夠落地并產(chǎn)生顯著價值。大模型賦能智慧城市的應(yīng)用場景探索，要以精準識別行業(yè)痛點為原則，以提升城市治理效率為出發(fā)點，更要以輔助智慧城市的各類參與者為核心。
智慧城市的建設(shè)是一項復(fù)雜的工作，智慧城市的參與者包括城市管理、基層治理、城市安全、民生訴求、法治政府等領(lǐng)域相關(guān)的社會公眾、話務(wù)人員、城管人員、執(zhí)法人員、網(wǎng)格員、基層參與者、各級領(lǐng)導(dǎo)等人員。每類應(yīng)用場景普遍存在“范圍廣、事情多、人員少、效率低”等問題。
如何面向不同的智慧城市細分領(lǐng)域場景，運用大模型技術(shù)精準識別痛點難點，輔助多元參與主體高效開展工作？成為了構(gòu)建新型智慧城市新格局的破題關(guān)鍵點。
在民生訴求方面，市民撥打熱線電話的趨勢逐年遞增。以2022年的數(shù)據(jù)為例，北京全年工單量7500萬件、上海2000萬件、廣州3206萬件、深圳1200萬件，針對民生訴求“電話占線”的痛點，通過大模型可賦能客服人員，讓熱線接的更快、分的更準、辦的更實，讓百姓訴求不占線，從而提升民生訴求工作成效、優(yōu)化市民服務(wù)水平。
在法治政府方面，目前全國的法律、行政法規(guī)、地方性法規(guī)、部門規(guī)章加起來超過10萬部。不僅如此，執(zhí)法機構(gòu)和執(zhí)法人員規(guī)模龐大，以天津市為例，全市執(zhí)法機構(gòu)2458個，執(zhí)法人員達2.5萬。針對法治政府“精準執(zhí)法”的痛點，通過大模型技術(shù)可服務(wù)執(zhí)法人員，解決法律繁多記不住、用不準、法不好“依”的問題，讓執(zhí)法更精準。
在基層治理方面，上面千條線，下面一根針，基層工作人員面臨著巨大的工作壓力。全國據(jù)不完全統(tǒng)計共有450萬名基層網(wǎng)格員?；鶎庸ぷ髡呙刻於夹枰_展基礎(chǔ)信息采集、為民服務(wù)、重點巡查、特殊人群走訪、社會治安輔助、生態(tài)環(huán)境巡查、矛盾糾紛調(diào)解、社區(qū)管理、隱患排查等工作，面臨著多種考核任務(wù)的壓力。針對基層治理“即可能用”的痛點，通過大模型可賦能基層工作者，切實為基層減負提質(zhì)增效，讓基層工作者隨時隨地享受信息化帶來的便利，讓基層的線上化更加簡單。
在城市管理方面，全國目前有200多個地級市，接近400個縣級市，絕大多數(shù)城市無法有效借鑒先進城市的管理經(jīng)驗，無法找到符合自身特點的管理方法。針對城市管理“優(yōu)秀經(jīng)驗復(fù)制難”的痛點，通過大模型可賦能城市管理人員，合理有序沉淀管理經(jīng)驗，同時有效制定城市管理綜合評價方案，提升城市綜合測評水平，最終因地制宜地給出城市管理方向指引。
在城市停車方面，據(jù)公安部統(tǒng)計，截至2023年9月，全國機動車保有量達4.3億輛，機動車駕駛?cè)?.2億人，然而停車場相關(guān)的基礎(chǔ)設(shè)施缺口卻達8000萬個。針對城市停車“停車貴、停車難”的痛點，通過大模型可賦能停車運營人員，切實緩解城市交通擁堵、解決城市停車難的問題，讓停車更便捷。
以上舉例只是智慧城市當中的幾個核心業(yè)務(wù)領(lǐng)域，總而言之，大模型在智慧城市當中的應(yīng)用要能切切實實賦能智慧城市的各類參與者，而不只是個“花架子”。
大模型賦能智慧城市業(yè)務(wù)場景分析
面對不同智慧城市場景當中各類參與者的痛點及核心訴求，大模型的應(yīng)用應(yīng)結(jié)合行業(yè)經(jīng)驗和專業(yè)知識，打造符合行業(yè)實際需求的場景應(yīng)用新范式，賦能智慧城市高質(zhì)量發(fā)展。
（一）大模型賦能民生訴求“優(yōu)服務(wù)”
開展民生訴求工作是政府傾聽民眾聲音、打造“服務(wù)型”政府的重要手段。然而，如何有效解決“市民訴求雜、人力資源缺、運營成本高、數(shù)據(jù)分析弱、領(lǐng)導(dǎo)關(guān)注頻”等問題，成為了提升民生訴求工作成效、優(yōu)化市民服務(wù)水平的關(guān)鍵。上述問題主要體現(xiàn)為各類熱線都歸并到12345，受理事項覆蓋廣，對話務(wù)員專業(yè)素養(yǎng)有著越來越高的要求；訴求工單量大，電話經(jīng)常占線，話務(wù)員的情緒化容易影響市民的滿意度；需要大量的客服人員保障全天候接聽來電，但相關(guān)人員技能水平參差不齊；報告報表制作耗時耗力、分析決策建議不足；一把手領(lǐng)導(dǎo)每天關(guān)注的群體熱點事件但是無法精準識別等方面。
通過構(gòu)建基于大模型的智能對話引擎，賦能政務(wù)熱線，由“數(shù)字人”自動、快速處理各類投訴和咨詢問題，解析政務(wù)熱線中的關(guān)鍵信息后生成問題工單，服務(wù)群眾供水供電、游商占道、住房公積金等方面的需求。相比于傳統(tǒng)人工客服和機器客服，大模型“數(shù)字人”的語義理解更為精準、意圖識別更為到位、應(yīng)答話術(shù)更為靈活、市民服務(wù)更加人性。同時基于大模型能力，對民生訴求數(shù)據(jù)進行要素級提取、分析，引導(dǎo)式生成不同應(yīng)用維度分析報告，有望整體革新民生訴求工作方式，更好服務(wù)市民。
（二）大模型賦能法治政府“強規(guī)范”
強化執(zhí)法人員能力建設(shè)、素質(zhì)提升，規(guī)范執(zhí)法方式、執(zhí)法流程，規(guī)范訊問筆錄流程、提高訊問筆錄效率是行政執(zhí)法的關(guān)鍵。針對法治政府建設(shè)當中執(zhí)法人員行政處罰工作存在：法律條文方面的執(zhí)法依據(jù)記不住、筆錄問詢方面的筆錄制作不規(guī)范、自由裁量權(quán)方面的自由裁量運用不當、法制審核方面的法制審核人員力量薄弱等痛點難點堵點，通過城市治理行業(yè)大模型賦能，可幫助執(zhí)法人員根據(jù)線索詳情智能識別違法行為，推薦相關(guān)案由及違則罰則，完成執(zhí)法立案登記；智能推薦筆錄模板，一鍵填充執(zhí)法文書內(nèi)容，完成執(zhí)法調(diào)查詢問筆錄；智能完成案件審核，實現(xiàn)自查自糾；智能推薦相關(guān)的自由裁量建議，輔助執(zhí)法決定。
同時，可以嘗試探索基于大模型的數(shù)字人遠程訊問，基于大模型的能力支撐，可以有效規(guī)范訊問流程、提高訊問效率、避免直接與違法人員產(chǎn)生正面沖突，探索非現(xiàn)場執(zhí)法的新方式。
（三）大模型賦能城市管理“優(yōu)考評”
綜合評價工作的有效開展是城市管理業(yè)務(wù)的重要環(huán)節(jié)，涉及到是否能夠客觀、合理評估城市管理成效，是否能夠面向城市管理做出精準決策。然而，當前在城市綜合評價中依然存在著“評價方案制定難、評價指標設(shè)計難、決策建議形成難、優(yōu)秀案例復(fù)制難”等痛點，阻礙了高質(zhì)量、高格局地推進城市管理工作。具體體現(xiàn)為城市管理事項多、綜合評價標準復(fù)雜，各地城市因行政管理權(quán)責差異，個性化評價方案制定難；綜合評價指標依賴系統(tǒng)上報和現(xiàn)場考察，指標獲取主觀性影響大，評價標準難以落實，方案落地難；各地評價方案各自按需制訂，缺少經(jīng)驗總結(jié)和沉淀，優(yōu)秀案例復(fù)制難。
通過構(gòu)建基于大模型的城市評價方案，可根據(jù)城市規(guī)模、評價目標、工作辦法，關(guān)注重點及相關(guān)配套機制，構(gòu)建個性化評價方案；應(yīng)用大模型賦能，進行智能化采集、智能化分析城市管理高發(fā)問題、高發(fā)區(qū)域，同時根據(jù)評價周期內(nèi)采集數(shù)據(jù)，客觀評價城市管理情況，找出問題短板，生成決策建議。大模型的應(yīng)用，可提升城市綜合測評水平，因地制宜給出城市管理方向指引，讓經(jīng)驗被更好沉淀。
（四）大模型賦能基層治理“減負擔”
通過充分應(yīng)用城市治理行業(yè)大模型賦能基層治理，實現(xiàn)OCR+大模型式的語義理解：將圖片直接生成文字，自動完成語義信息提取，抗干擾能力更強，信息填報精度更高；可基于引導(dǎo)詞進行低代碼表單構(gòu)建，快速構(gòu)建采集填報表單和數(shù)據(jù)管理系統(tǒng)，無需定制開發(fā)，更為敏捷地響應(yīng)基層需求；可基于引導(dǎo)詞進行低代碼數(shù)據(jù)分析，快速構(gòu)建可視化數(shù)據(jù)大屏，動態(tài)展示數(shù)據(jù)采集結(jié)果，更為高效地支撐領(lǐng)導(dǎo)決策。跨越模版的鍵值對（表單）提取、低代碼體系的組件化結(jié)合，將基于大模型賦能，更好為基層減負、為服務(wù)增效。
（五）大模型賦能城市停車“提效率”
通過構(gòu)建基于大模型的智能停車對話引擎和管理引擎，對歷史停車數(shù)據(jù)進行動態(tài)分析，識別停車高峰時段和高峰區(qū)域；對人員停車需求進行精準研判，智能推薦最優(yōu)停車方案。最終以“數(shù)字人”的形象，面向不同用戶進行交互式、引導(dǎo)式地提供精準停車指引服務(wù)?；诖竽Ｐ偷脑浦蛋嗍?，可以有效提升停車場管理效能、優(yōu)化停車資源分配、明顯提高車位利用率，并避免車輛亂停放造成交通擁堵和安全隱患的情況出現(xiàn)。
大模型時代智慧城市發(fā)展路徑展望
智慧城市的核心在于各類實戰(zhàn)管用的應(yīng)用場景打造，大模型時代下智慧城市的發(fā)展路徑，我們認為從場景構(gòu)建方法論、場景分類以及場景落地三個方面上進行演進。
（一）大模型推進智慧城市發(fā)展的四大關(guān)鍵原則
在場景構(gòu)建方法論上，要緊扣數(shù)據(jù)定義行業(yè)、業(yè)務(wù)驅(qū)動應(yīng)用、技術(shù)提升產(chǎn)品、應(yīng)用服務(wù)場景四大核心關(guān)鍵點為支撐，推進各類應(yīng)用場景的打造。
數(shù)據(jù)定義行業(yè)。沉淀智慧城市行業(yè)數(shù)據(jù)要素資產(chǎn)，構(gòu)建更專業(yè)的行業(yè)知識庫，為大模型提供更強大的數(shù)據(jù)支持。
業(yè)務(wù)驅(qū)動應(yīng)用。順應(yīng)技術(shù)發(fā)展趨勢，緊密結(jié)合業(yè)務(wù)需求，驅(qū)動各細分行業(yè)產(chǎn)品和服務(wù)的重構(gòu)，推進智慧城市各行業(yè)流程創(chuàng)新和模式優(yōu)化。
技術(shù)提升產(chǎn)品。保持技術(shù)敏感，跟進算力、算法、模型迭代趨勢、強化產(chǎn)品安全性和用戶隱私保護，持續(xù)投入大模型應(yīng)用研究。
應(yīng)用服務(wù)場景。加強與政府部門、大模型廠商等各方合作，共同推進大模型場景的落地和應(yīng)用，實現(xiàn)智慧城市的高質(zhì)量發(fā)展。
（二）大模型賦能智慧城市的四大場景分類
在應(yīng)用場景選擇上，大模型正在成為智慧城市高質(zhì)量發(fā)展新的推動力，大模型時代下智慧城市的發(fā)展應(yīng)當積極探索基于行業(yè)大模型的服務(wù)優(yōu)化類場景、風險預(yù)警類場景、經(jīng)驗學習類場景以及決策支持類場景的打造與應(yīng)用。
服務(wù)優(yōu)化類場景。通過大模型與業(yè)務(wù)流程結(jié)合，優(yōu)化原有業(yè)務(wù)流程，提升服務(wù)的效率和質(zhì)量。如工單派遣處置流程、行政執(zhí)法流程、基層信息采集服務(wù)等。
風險預(yù)警類場景。通過對智慧城市各領(lǐng)域數(shù)據(jù)的實時監(jiān)測和分析，生成各類業(yè)務(wù)預(yù)警模型，提高風險預(yù)警能力和應(yīng)對建議。如輿情數(shù)據(jù)分析預(yù)警、燃氣安全預(yù)警、生命線缺陷研判等。
經(jīng)驗學習類場景。通過對智慧城市各業(yè)務(wù)領(lǐng)域案例學習，構(gòu)建大模型知識庫，形成知識沉淀，將經(jīng)驗進行復(fù)制推廣。如城市綜合評價、共享單車治理、矛調(diào)糾紛、執(zhí)法辦案等。
決策支持類場景。通過大模型數(shù)據(jù)挖掘和分析、結(jié)合低代碼，構(gòu)建決策建議快速響應(yīng)和及時更新模式。如應(yīng)急指揮調(diào)度、城市秩序管理建議等。
（三）大模型應(yīng)用場景務(wù)實落地的三大核心抓手
在核心技術(shù)支撐上，針對大模型賦能城市治理現(xiàn)代化的應(yīng)用場景探索實踐，智慧城市的行業(yè)大模型要緊密結(jié)合專業(yè)的知識庫、微調(diào)的模型參數(shù)以及海量的引導(dǎo)詞為支撐開展應(yīng)用場景的構(gòu)建。
行業(yè)知識庫。行業(yè)數(shù)據(jù)是體現(xiàn)行業(yè)和通用區(qū)別的源頭。大模型在智慧城市當中的應(yīng)用，應(yīng)當以細分行業(yè)為出發(fā)點，以行業(yè)領(lǐng)域數(shù)據(jù)為基礎(chǔ)構(gòu)件行業(yè)知識庫，通過海量行業(yè)知識樣本的梳理，為大模型訓練夯實基礎(chǔ)。
大模型微調(diào)。靈活選擇大模型底座，專注行業(yè)模型微調(diào)，通過監(jiān)督微調(diào)（SFT）、獎勵模型（RW）、強化學習（PPO）等方式進行強反饋學習。提升大模型微調(diào)效率，降低訓練成本，可以基于Lora微調(diào)技術(shù)，實現(xiàn)行業(yè)大模型低成本、高效率迭代。
引導(dǎo)詞服務(wù)?；跇I(yè)務(wù)理解提供規(guī)范的引導(dǎo)詞服務(wù)。引導(dǎo)詞（Prompt）是一段用于激活人工智能模型的文本，用來引導(dǎo)模型生成相關(guān)的自然語言文本。基于prompt來引導(dǎo)模型生成我們想要的自然語言文本，這樣能夠更加精準和高效地獲取我們所需的信息。通過制定引導(dǎo)詞模板，提供引導(dǎo)詞管理與優(yōu)化服務(wù)，讓“智能涌現(xiàn)”產(chǎn)生社會價值。
大模型的有效利用，給智慧城市發(fā)展帶來了新的治理范式和機會。充分利用智慧城市的行業(yè)大模型人工智能新優(yōu)勢，打造務(wù)實、可落地、高成效的智慧城市各類應(yīng)用場景，推動智慧城市的管理手段、管理模式、管理理念創(chuàng)新，讓城市治理更聰明、更智慧、更簡單！
