EN中文

Journal of Geo-information Science >

2024 , Vol. 26 >Issue 4: 779 - 789

DOI: https://doi.org/10.12082/dqxxkx.2024.240065

Progress and Prospects of New Smart City Construction: AI-based Big Data, Big Models and Big Computing Power

  • ZHANG Xinchang , 1, 2, 3 ,
  • HUA Shuzhen 1 ,
  • QI Ji , 1 ,
  • RUAN Yongjian 1
Expand
  • 1. School of Geography and Remote Sensing, Guangzhou University, Guangzhou 510006, China
  • 2. College of Geography and Remote Sensing Sciences, Xinjiang University, Urumqi 830017, China
  • 3. Guangdong Urban and Rural Planning and Construction Intelligent Service Engineering Technology Research Center, Guangzhou 511300, China
* QI Ji，E-mail:

Received date: 2024-01-29

  Revised date: 2024-03-07

  Online published: 2024-05-11

Supported by

National Natural Science Foundation of China(42071441)

National Natural Science Foundation of China(42371406)

Fold

Abstract

The new smart city is an inevitable requirement for the development of urban digitalization to intelligence and further to wisdom, and is an important part of achieving high-quality development. This paper first introduces the background and basic concept of smart city, and analyzes the relationship and difference between the three stages of digital city, smart city and new smart city. Digital cities use computer networks, spatial information and virtual reality to digitize urban information, and focus on building information infrastructure. Smart cities, on the other hand, use spatio-temporal big data, cloud computing, and the Internet of Things to integrate systems across urban life, emphasizing intelligent management through a unified digital platform. New smart cities combine technologies such as digital twins, blockchain, and the meta-universe for citywide integration, and employ AI-based intelligent lifeforms for decision-making, blending real and virtual elements for advanced city management. This paper then explores the construction of new smart cities, focusing on high-quality urban development driven by technology and societal needs. It highlights the transition from digital to smart cities, emphasizing the role of information infrastructure and intelligent technology in this evolution. The paper discusses key technologies such as 3D urban modeling, digital twins, and the metaverse, and details their impact on urban planning and governance. It also examines how smart cities contribute to economic growth, meet national needs, and ensure public health and safety. The integration of technologies such as AI, IoT, and blockchain is shown to be critical to creating connected, efficient, and sustainable urban environments. The paper concludes by assessing the role of smart cities in measuring economic development, demonstrating their potential as a benchmark for national progress. Finally, based on the latest advances in AI technology, this paper analyzes and systematically looks forward to the key role AI can play in building new smart cities. AI's ability to analyze massive amounts of data, improve decision-making, and integrate various urban systems all provide important support for realizing the vision of a truly smart city ecosystem. With the synergy of "AI + IoT", "AI + Big Data", "AI + Big Models", and "AI + High Computing Power", the new smart cities are expected to achieve an unparalleled level of urban intelligence and ultimately a high quality of sustainable, efficient, and people-centered urban development.

Key words： digital cities; digital twin city; new smart cities; high quality development; urban planning and governance; artificial intelligence; foundation model; internet of things

Cite this article

ZHANG Xinchang , HUA Shuzhen , QI Ji , RUAN Yongjian . Progress and Prospects of New Smart City Construction: AI-based Big Data, Big Models and Big Computing Power[J]. Journal of Geo-information Science, 2024 , 26(4) : 779 -789 . DOI: 10.12082/dqxxkx.2024.240065

1 引言

1998年，美国前副总统阿尔·戈尔提出“数字地球”（Digital Earth）概念，即建立一个公共开放的系统，将人类各项活动与信息技术紧密结合，实现数据共享互通[1]。自此，数字城市作为其中的重要基本组成，逐步受到关注和广泛探索。数字城市的主要内涵是通过实现城市管理、服务、经济等各个方面的数字化，来提升城市管理效能、改善居民生活品质、提高资源利用效率以及培育创新经济[2]。
2008年，为推动新兴产业发展以应对全球金融危机，国际商业机器公司IBM（International Business Machines Corporation）提出了智慧地球理念。智慧城市作为其中的核心内容也迅速成为各国应对经济危机、抢占科技制高点的重要发展战略[3]。智慧城市在数字城市的基础上，引入云计算、物联网等新一代信息技术，以实现对城市规划、建设、管理和服务的智能化。自2013年我国推进智慧城市标准化建设，目前已有700多个城市（含县级市）提出或在建智慧城市，覆盖了所有副省级以上城市、89%地级以上城市、47%县级城市[4]。
随着数字孪生、区块链、云计算、人工智能等前沿技术的发展和应用，以宜居、韧性、创新、智慧、绿色、人文为特征的新型智慧城市成为城市新的发展方向。早在2015年，中央网信办、国家互联网信息办就提出了“新型智慧城市”概念。国家“十三五”规划纲要则首次将“建设一批新型示范性智慧城市”纳入政策性文件。2022年11月2日，国家信息中心发布《新型智慧城市评价指标》[5]（GB/T 33356-2022），更进一步明确了新型智慧城市建设的目标与方向。在计算层面，三维建模、数字孪生、元宇宙等技术的发展为新型智慧城市建设提供了重要支撑[6-7]。
综上，智慧城市和新型智慧城市实质上是数字城市的更高级阶段（图1），其发展过程是城市发展从信息化向智能化，最后走向智慧化的集中体现[8]。这3个城市发展阶段所依赖的核心技术和主要目标分别为：① 数字城市主要依赖计算机网络、空间信息、数据库、虚拟现实等技术，旨在实现城市信息数字化，重在信息基础设施建设； ② 智慧城市则依赖时空大数据、云计算和物联网等技术，旨在实现城市生活、交通、医疗、服务、治理等方方面面各个系统的联通，重在搭建统一的数字化平台以便于智能化管理； ③ 新型智慧城市一方面利用数字孪生、区块链、元宇宙等技术，来实现城市各要素的全面融合；另一方面还应基于人工智能打造智能生命体，并以虚实互通的方式参与决策，最终实现城市的智慧化管理。总体来看，新型智慧城市应以提升人民群众的幸福感和满意度为核心，重在以“人”为 本[9]。新型智慧城市作为适应我国国情发展的重要概念表述，反映了我国城市经济、社会发展的现实需求，开启了我国智慧城市高质量发展的新阶段。
图1 智慧城市发展历程

Fig. 1 History of smart city development

2 新型智慧城市建设的背景与意义

2.1 高质量发展需求牵引

党的二十大报告指出，要加强数字中国建设整体布局，建设数字新型基础设施，推进5G规模化应用，促进产业数字化转型，发展智慧城市。2020年3月，习近平总书记赴浙江考察时指出，通过大数据、云计算、人工智能等手段推进城市治理现代化，大城市也可以变得更“聪明”。2022年7月，《“十四五”全国城市基础设施建设规划》[10]提出要加快新型城市基础设施建设，推进城市智慧化转型发展。可见，城市从智能化向智慧化转型成为智慧城市建设的新目标。
当前，我国已经进入经济高质量发展阶段，发展新型智慧城市是提升城市管理水平和改善人民生活品质的应有之义，事关科技竞争、经济发展、国家重大需求以及人民的生命健康。具体而言，新型智慧城市的建设有以下4个方面的重要意义。
（1） 面向世界科技前沿
科技创新是引领发展的第一动力，也是经济高质量发展的“最大增量”。智慧城市建设需要大量的信息技术支持，涉及到物联网、云计算、人工智能等领域的创新应用。这些技术的研发和运用又可以促进各个行业的数字化转型和智能化升级，提高生产效率、降低成本，并推动新产品、新服务的创新和产业结构的优化升级，进而推动国家的经济增长和创新能力提升。智慧城市建设是一个国家信息技术发展的具象化呈现，也是一场残酷的世界范围内的信息技术竞赛。
（2） 面向经济主战场
智慧城市的建设不仅可以提升城市的生活质量和居民的福利，还可以成为经济发展的主战场和增长点。城市经济的发展已成为国家经济发展的主要驱动力，智慧城市的建设可以推动经济结构优化和产业升级，增强国家的经济竞争力。智慧城市建设需要大量的投资和技术支持，从而可以带动相关产业的发展。智慧城市通过提供更好的创新环境和城市服务，能够吸引更多的企业来投资和落户，吸引创新型企业和人才的汇聚，推动经济的创新和增长。
（3） 面向国家重大需求
实现更高质量、更有效率、更加公平、更可持续、更为安全的发展是全面建设社会主义现代化国家的首要任务。智慧城市的发展关乎国家的战略布局和长远发展，是国家现代化建设的重要组成部分。它涉及到能源管理、交通物流、公共环境保护等多个关键领域，对于优化国家治理体系和治理能力具有深远的意义。随着人口增长和城市化进程，城市面临着日益复杂的社会问题和管理挑战，智慧城市的建设可以提高社会治理的效率和质量，提升城市治理的科学性和精细化，实现对城市能源、交通、水资源等的实时监控和管理，提高资源利用效率，减少浪费，实现资源的可持续利用。
（4） 面向人民生命健康
智慧城市的建设紧密围绕人民的基本需求，在提高生命健康质量方面发挥着重要作用。通过集成医疗资源、优化健康服务流程、应用远程医疗和人工智能诊断等技术，构建一个更加智能化的健康生态系统，无缝对接医疗资源与服务，让居民享有更加便捷、高效和个性化的医疗服务，大幅提升公共卫生应急管理和疾病预防能力。其中，人工智能、大数据分析和云技术等成为了支持居民健康的坚强后盾，为公共卫生领域的决策提供科学依据。通过技术赋能，构建一个可持续、健康、有韧性的公共卫生环境。智慧城市在围绕人民生命健康的建设中扮演的角色，体现了科技发展带给社会的深远影响和对高质量生活追求的不懈努力。

2.2 智慧城市服务高质量发展

高质量发展是我国新时代经济发展重要理论创新和实践创新，强调在经济增长的过程中，注重结构的优化与升级，以及效率的提升。这种发展模式转变了以往依靠物质资源消耗和数量扩张为主导的粗放型高速增长，而是更加重视创新驱动、技术进步、劳动者素质提升，以及管理和制度创新。此外，高质量发展倡导绿色发展理念，认为经济活动应与生态环境保护协调发展，实现社会、文化和环境的全面可持续性。在推动经济发展的同时，也强调社会公平和正义，努力解决发展的不平衡和不充分问题，确保发展成果公正分配，让全体人民共享发展的福祉。简而言之，高质量发展旨在实现更加均衡、全面、可持续的社会进步。
新型智慧城市建设与高质量发展目标不期而遇，是实现高质量发展的重要抓手。具体来说，智慧城市主要通过以下4个方面服务于高质量发展目标：① 打造创新驱动的集约型经济：智慧城市通过整合高端生产要素如信息技术和人才，促进产业升级和商业模式创新。这不仅推动了经济总量增长，更关注结构优化和效益提升，有利于实现经济增长方式的转变； ② 推动绿色可持续生态发展：通过节能减排、绿色交通等措施，提升城市绿化和空气质量，利用大数据和物联网技术监测环境，深入支持可持续发展； ③ 促进协同化城市治理与服务：智慧城市利用技术赋能，实现跨领域、跨部门的智能 管理和决策支持，提高城市治理的精细化和效率； ④ 服务人民健康福祉为导向：智慧城市以提升居民生活质量为目标，通过智慧医疗等技术，提供便捷、高效的医疗服务，增强公共卫生应急管理，保障居民健康。

3 新型智慧城市建设的主要技术支撑

从数字城市到智慧城市的演变过程中，强大的信息基础设施建设是实现智能城市管理的关键性前提[11]。因而，智慧城市从“智能化”向“智慧化”升级，会愈加依赖于能够更高效、全面且系统地获取并管理城市信息的技术作为支撑，从而实现关于人与城市各种要素的互联共通（图2）。
图2 新型智慧城市建设的主要技术支撑

Fig. 2 The main technical support for the construction of new smart cities

3.1 三维建模技术

为满足城市空间规划和系统化管理等智慧城市的关键信息需求，传统数字城市建设通过组织和管理二维GIS数据和瓦片式地形景观数据，实现对城市的基本描述和可视化。但传统二维建模方式在支撑城市智慧化管理中面临诸多局限，如信息量不足、不同维度之间信息分散、直观性不足等等，难以满足城市管理和服务的多维度、多层次、多场景的需求。对此，能实现城市三维信息获取、可视化以及管理的城市三维建模技术愈发重要，并成为支撑城市建设和智慧化管理的关键基础[12]。在城市三维信息高效获取与可视化方面，实景三维技术通过有效联合无人机航测、全景相机、激光雷达、高精度GPS等先进测绘技术手段，对城市三维地理信息进行高精度、高分辨率的实时采集、处理和展示[13-14]。而该技术以及三维计算机辅助建模（Computer-Aided Design，CAD）等技术与三维地理信息系统（Geographic Information System，GIS）技术[15]的集成与融合,能得到描述城市各类地理要素具体结构和材质特征的三维数据和可视化结果[16]。得益于这些技术的发展，更加直观且丰富的城市实景信息得以充分参与到城市规划、设计和运营的全过程中，这很大程度上为城市管理者“看得多、看得懂”提供了基本保障。
在城市三维信息管理方面，三维建筑信息模型（Building Information Modeling，BIM）作为存储建筑信息的数据库，能够高效组织和管理城市建设项目整个生命周期内的所有信息[17]。通过以面向对象的方法来描述每个建筑的特征（语义和几何形状）、行为及其关系，BIM技术能在交通、水利、市政、电力等各个方面发挥重要价值，并凭借着直观性、协调性、模拟性、优化性、可出图性等优点，在智慧城市建设中承担重要角色[18]。但除了建筑以外，城市还包含了大量的基础设施和地理信息，为实现这些信息的全面和系统的管理，城市信息模型（City Information Modeling，CIM）应运而生[19]。以城市建筑信息为基础，CIM能有效建立起三维城市空间模型和城市信息的有机综合体。从狭义上的数据类型上讲，CIM是由BIM和GIS共同组成，并为智慧城市建设提供更全面的基础数据。基于CIM技术，城市三维信息能够被精准到城市建筑物内部的单独模块，将静态的传统式数字城市模型提升为可感知的、实时动态的、虚实交互的智慧城市模型（图3），为城市综合管理和精细化治理提供关键的数据支撑[20]。
图3 三维建模技术体系

Fig. 3 3D modeling technology system

3.2 数字孪生技术

数字孪生（Digital Twin）是指构建与物理实体完全对应的数字化对象的技术、过程和方法[21]。城市作为最复杂的人造系统，在技术上实现真实状态的实时跟踪几乎不可能，而数字孪生技术为智慧城市提供了技术支持，即构建与城市物理世界一一对应、相互映射、协同交互的复杂的数字孪生城市。数字孪生城市关注城市整体的建模和仿真，涉及城市的各个方面，包括基础设施、建筑物、交通、能源等，依赖物联网、大数据、人工智能等智能技术（图4）。
图4 数字孪生城市建设的关键技术

Fig. 4 The key technologies for building digital twin cities

我国政府将数字孪生城市作为实现新型智慧城市的必要途径和有效手段。2021年我国“十四五”规划纲要明确“探索建设数字孪生城市”，2023年《数字中国建设整体布局规划》[22]再次提出“全面提升数字中国建设的整体性、系统性、协同性”以及“探索建设数字孪生城市”等要求。经过6年探索与城市实践，我国发达地区陆续开展了数字孪生平台的整体性建设。如苏州工业园区的数字孪生公共服务平台，雄安新区初步形成“云上一座城”，上海临港新片区“数字孪生城”等等。
在技术层面，数字孪生城市需要人工智能、机器学习、大数据、区块链以及云计算等技术支撑，将数据、算法和决策统筹在一起。当前，数字孪生一体化平台能够通过时空大数据平台进行深度挖掘、模拟与推算，结合现实城市运行状态，推演城市的运行机制，提前主动发掘问题，并给出相应解决方案。但它仅仅依靠物理实体的实际数据预测未来可能的变化，无法评估未来复杂环境下多场景的变化情况，且其多数建模仿真方法还存在灵活性差、配置复杂、易出错等缺陷，也无法实现高置信度的数字孪生模型。
数字孪生城市是新型智慧城市的基础。未来，通过更先进的传感器和数据采集技术来实时获取物理系统的数据，提高数据获取的效率和准确性。借助人工智能和机器学习等技术，优化数字模型的建立过程，减少人力成本和时间消耗。通过改进模型算法和增加模型参数，提高模拟结果的精度和可靠性。同时，加强数据的质量管理和数据验证，减少数据不确定性对模拟结果的影响。数字孪生一体化平台已不再仅仅是一个可视化工具，而是一个分析、模拟、决策、管理平台。

3.3 元宇宙技术

元宇宙的出现，为新型智慧城市治理开启了新的大门。元宇宙是人类运用数字技术构建的、由现实世界映射或超越现实世界的、可与现实世界交互的虚拟世界，人们通过终端连接以“数字化身”在虚拟城市中开启真实的感官沉浸体验和交互，包括社交、娱乐和创造等内容。具体到技术层面，元宇宙集合了互联网、人工智能、大数据、云计算、区块链、机器视觉、可穿戴设备、非同质化权益、非同质化代币、虚拟现实、增强现实、脑机接口等一系列革新性技术[23]。
其中，区块链（Blockchain）技术、交互（Interaction）技术、游戏引擎和空间计算（Game Engine and Spatial Computing）、人工智能（Artificial Intelligence）、网络（Network）技术和物联网（Internet of Things）技术，简称BIGANT（大蚂蚁）[24]被认为是元宇宙的六大底层技术（图5）。
图5 元宇宙技术体系

Fig. 5 Metaverse technology system

元宇宙下的新型智慧城市的实现依赖于其核心技术的迭代更新与多重配合。目前，区块链技术的突破引领了数字货币、非同质化代币（Non-Fungible Token，NFT）的构建，交互技术的开展引领虚拟现实、增强现实等技术的发展，网络及运算技术的发展引领了5 G技术的变革。此外，生成式人工智能（Artificial Intelligence Generated Content，AIGC）技术的迅猛发展已极大提升了内容生产的效率，但如何利用其进行元宇宙内容搭建仍有待进一步实践。
随着元宇宙热度降温、元宇宙技术升级，拓展现实（Extended Reality，XR）等硬件设备作为元宇宙重要“入口”未能取得预期成效，互联网巨头重新调整方向，减少甚至放弃元宇宙相关硬件设备投入，转而加大对人工智能的投入。2023年3月15日，OpenAI推出了大型语言模型GPT-4，推动人工智能在技术上迎来新的里程碑，仿佛让人们看到元宇宙的另一重要“入口”。生成式人工智能将完成在文本、音频、图片、视频等方面的内容产出，实现在游戏、代码编码、生命科学等多元场景中带来的颠覆式生产升级。AIGC在多元应用场景的内容生产有助于元宇宙内容生成与元宇宙建设的落实[25]。

4 新型智慧城市建设的展望

人工智能是通往未来新型智慧城市建设的桥梁。随着智能感知技术的发展，已经进入了一个一切皆可能“量化”的时代，因为有数据就能进行计算，未来的社会将是一个“计算型社会”。城市是一个多元、复合、动态的生命体，更是经济、商业和生活的载体。人工智能和城市大模型的使命就是学习、理解和研判我们的城市体（图6）。
图6 基于AI的新型智慧城市建设展望

Fig. 6 Prospect of new AI-based smart city construction

4.1 AI+物联网，构筑泛在互联的智慧化城市生态系统

物联网是智慧城市建设必不可少的新一代信息技术[26]。物联网通过连接各种传感器和设备，实现了大量数据的采集和传输，通过普遍连接，实现人与人、人与物、物与物之间的互联互通[27]。然而，物联网采集的数据要想实现高精准、高可靠、高效率和智能化处理效果，还需要人工智能的介入。
人工智能与物联网的融合发展，主要体现在 4个方面的价值。① 数据分析和预测。人工智能可以通过深度学习、机器学习等技术对数据进行分析和挖掘，提取出有价值的信息和模式。基于历史数据和算法模型，人工智能可以进行数据预测，帮助物联网系统预测未来的趋势和变化。② 智能决策和优化。物联网连接了各种设备和系统，形成了复杂的网络。通过人工智能的技术，可以实现对这些设备和系统的智能化管理和优化。人工智能可以根据不同的目标和约束条件，通过分析和学习，做出智能决策，优化系统的运行效率和资源利用效率。③ 自主学习和适应能力。在物联网中，设备和系统的状态和环境会持续发生变化，而人工智能可以通过学习和适应，不断优化自身的性能和适应能力，提高整个物联网系统的稳定性和可靠性。④ 智能交互和个性化服务。物联网连接了人与设备的网络，人工智能可以通过语音识别、图像识别、自然语言处理等技术，实现人与物联网设备的智能交互。同时，基于对用户行为和偏好的学习，人工智能可以提供个性化的服务和推荐，满足用户的特定需求。
总之，人工智能与物联网的融合应用，有利于推动智慧服务高效便民、以人为本、持续创新，从而智慧城市从智能化走向智慧化。

4.2 AI+大数据，打造数据驱动的创新型城市发展模式

建设新型智慧城市，其中目标之一就是打破信息孤岛和数据分割，实现数据共享和融合。数据作为新型生产要素，是数字化、网络化、智能化的基础。当前，数据已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着人们的生产方式、生活方式和社会治理方式[28]。
数据具有可共享、易复制、无实体损耗、规模递增效应等特性，从而扩散快、迭代快、渗透性强。大数据被认为是“未来社会的石油”[29]。传统意义上的劳动力、土地等生产要素已经面临增长天花板，而数据要素可以更轻松打破这个边界，让传统经济换发新动能。未来，数据要素将与传统的生产要素，如劳动力、资本和土地相提并论，成为新的生产要素、新的资产。然而，缺少人工智能技术的数据只是一堆无用的数字。因而，建设新型智慧城市，需充分利用人工智能强大的计算能力和算法模型，实现对大数据的智能化、高效化和协同化运用。比如，在政府层面，人工智能和大数据的融合，将全面提升政府在经济调节、市场监管、社会治理公共服务、生态环境等领域的履职能力，形成“用数据对话、用数据决策、用数据服务、用数据创新”的现代化治理模式。在企业层面，可以更精准、更高效促进企业从数据收集至数据分析，再以信息反馈驱动企业决策和行动的数据闭环过程。

4.3 AI+大模型，驱动城市建设的全面智慧化升级

海量数据的激增为智慧城市建设带来了双重效果：一方面，这些数据为城市的智能化提供了丰富的资源；另一方面，它们也带来了前所未有的信息处理挑战。为了从这些庞大的数据集中提取有价值的洞察并应用于智慧城市的建设、管理和服务层面，我们迫切需要通过大模型进行高效的分析和智能的决策支持。大模型以其对大规模数据的高效处理能力和自我学习[30]的潜力，成为支撑智慧城市发展的关键技术解决方案。随着人工智能技术的快速发展和大数据时代的来临，AI大模型能够挖掘有价值的信息，服务于智慧城市建设的方方面面，已经成为推动基础设施智能化、城市管理现代化和服务个性化的关键力量[31]。
（1） 基础设施层面：AI大模型能够汇集和分析多源数据，包括实时监测数据、历史维护记录、环境条件、用户行为模式以及经济活动数据[32]。这些信息可以用于洞察基础设施的使用效率、预测维护和升级需求、识别故障和脆弱点、优化资源分配，并增强对未来需求和潜在风险的预测能力。例如，生成型AI大模型Sora已然可作为真实世界的模拟器[33]，能够通过人类语言模拟现实场景，再通过与真实物理世界的精准比对测量，绘制物理世界的二三维地图以及实景三维地图，为未来新型智慧城市的建设快速而精准地构筑更加智能的坚实底座。
（2） 管理层面：AI大模型可以帮助政策制定者和城市管理者理解和预测城市人口变化规律、土地利用需求变化、能源消耗趋势等复杂的城市动态。这些信息可以辅助政策制定，优化城市资源配置，提高应对紧急情况的能力，并且在城市扩张、环 境监测、交通流量管理等诸多方面实现更高效的 管理。
（3） 服务层面：AI大模型能够为人们提供更加智能化和个性化的服务，进一步改善人们生产和生活方式[34]。AI模型可以通过处理和分析社交媒体数据、移动设备数据和城市传感器收集的数据来创建更加个性化和智能化的服务，如智慧医疗、个性化教育、定制化休闲活动等。例如，智慧医疗平台可以通过分析患者的历史健康数据提供个性化的健康建议，智慧交通系统能够根据用户的出行习惯提供最优出行路线，而智能教育系统可以根据学生的学习习惯和进度提供定制的学习计划。

4.4 AI+大算力，提高数字经济时代的城市生产力水平

算力是人工智能的核心驱动力之一。随着数据规模和模型复杂度的快速增加，以及对信息实时性、精度的要求日益严苛，人工智能、大数据、大模型迫切需要“大算力”支持[35-36]。回顾人工智能发展历程，从先验知识驱动到数据驱动，再到如今知识与数据的双驱动，大算力在其中扮演了至关重要的关键角色。作为数字经济时代的核心生产力，大算力是全社会数字化、智能化转型的重要 基石。
在当前数据爆炸的背景下，大算力能自动化地处理和分析数据，提高数据价值和利用率，提高工作效率和质量。在强大算力的支撑下，人工智能技术得以成为真正的数字生产力，这主要体现为以下4个方面：① 计算机视觉技术处理图像或视频任务更快速、更高质量；② 自然语言处理技术支持更大规模文本数据处理和更复杂算法；③ 机器学习技术通过大规模数据训练模型，自主挖掘数据内在规律和模式，提高效率和准确率；④ 深度学习技术支持更复杂神经网络和更大规模训练数据，满足更复杂的应用需求。
目前，大规模算力硬件基础建设进展不断加速，涵盖数据中心、超算中心到专用硬件加速器等多个方面。科技巨头、新兴企业和国家机构都在积极布局算力建设，提高竞争力。各国算力规模甚至一定程度上反映了其生产力水平，从而与经济发展水平密切相关。

5 结语

新型智慧城市作为经济高质量发展阶段新的实践取向，其目标是推动城市发展方式从智能化走向智慧化，进一步提升人民群众的幸福感和满意度。新型智慧城市的构建是多维度、跨学科的综合型问题，它不仅仅涵盖了技术的进步与应用，更关乎于如何高效、可持续地提升城市居民的生活质量，同时实现经济发展、社会进步和环境保护的和谐统一。面向未来，新型智慧城市的构建将更加注重以下4个关键方面。
（1） 技术融合与创新应用深化
新型智慧城市的发展，将不再依赖于单一技术的应用，而是需要多种技术如人工智能、物联网、大数据、区块链和数字孪生等的深度融合与创新应用。其中，人工智能作为实现城市智慧化的关键钥匙，不仅有利于实现城市管理和服务的智能化、精准化，还能显著提高城市运行效率，促进城市治理体系和治理能力现代化，推动城市从“有形的建设”向“智能的运营”转变。
（2） 智慧互动与人文关怀
新型智慧城市的构建，将更加强调技术与人的和谐互动，以人为本，提升居民的幸福感和满意度。通过构建人性化的智慧服务系统，利用大数据分析精准预测居民需求，提供个性化、定制化的服务。智慧城市将成为居民参与城市管理、享受城市服务、提升生活质量的重要平台。
（3） 可持续发展与绿色生态
在新型智慧城市的建设过程中，将更加注重环境保护、资源节约和生态可持续发展。利用智慧技术进行精细化的城市规划和管理，优化能源结构，提高资源利用效率，减少污染排放，促进绿色生态城市建设，实现经济、社会和环境的协调发展。
（4） 数据安全与隐私保护
随着智慧城市对大数据的依赖日益增加，如何在提升城市运营效率和居民生活便捷的同时，确保数据安全和个人隐私不被侵犯，将成为智慧城市发展中必须面对和解决的重大挑战。新型智慧城市的建设将采用先进的数据加密技术、严格的数据管理制度，确保数据的安全和隐私保护。
新型智慧城市的构建与展望是一个长期、复杂而又充满挑战的过程。它需要政府、企业、科研 机构和公众等社会各方面的共同参与和协作，通过不断的技术创新、管理创新和模式创新，实现城市的智能化、人性化和可持续化发展。未来的智慧城市将不仅仅是一个高效、便捷的“城市大脑”，更是一个充满人文关怀、生态友好、适宜居住的“智慧家园”。
本文图文责任编辑： 蒋树芳 黄光玉

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李德仁. 信息高速公路、空间数据基础设施与数字地球[J]. 测绘学报, 1999, 28(1):1-5.

[ Li D R. NII, NSDI and digital earth[J]. Acta Geodaetica et Cartographica Sinica, S 1999, 28(1):1-5. ] DOI:10.3321/j.issn:1001-1595.1999.01.001

[2]
段学军, 顾朝林, 甄峰, 等. “数字城市”的概念、框架与应用[J]. 现代城市研究, 2001, 16(3):61-64.

[ Duan X J, Gu C L, Zhen F, et al. Digital city: Concept, frame and application[J]. Modern Urban Research, 2001, 16(3):61-64. ] DOI:10.3969/j.issn.1009-6000.2001.03.017

[3]
巫细波, 杨再高. 智慧城市理念与未来城市发展[J]. 城市发展研究, 2010, 17(11):56-60,40.

[ Wu X B, Yang Z G. The concept of smart city and future city development[J]. Urban Development Studies, 2010, 17(11):56-60,40. ] DOI:10.3969/j.issn.1006-3862.2010.11.009

[4]
于文轩, 许成委. 中国智慧城市建设的技术理性与政治理性——基于147个城市的实证分析[J]. 公共管理学报, 2016, 13(4):127-138,159-160.

[ Yu W X, Xu C W. Technological and political rationalities of smart city initiatives in China——An empirical analysis based on 147 cities[J]. Journal of Public Management, 2016, 13(4):127-138,159-160. ] DOI:10.16149/j.cnki.23-1523.2016.04.011

[5]
赵建海, 屈小爽. 我国新型智慧城市评价指标体系构建与发展建议[J]. 未来城市设计与运营, 2022(8):16-19.

[ Zhao J H, Qu X S. Construction and development suggestions of evaluation index system for new smart cities in China[J]. Future City Studies, 2022(8):16-19. ]

[6]
李德仁. 数字孪生城市智慧城市建设的新高度[J]. 中国勘察设计, 2020(10):13-14.

[ Li D R. Digital twin cities: A new height of smart city construction[J]. China Engineering Consulting, 2020(10):13-14. ] DOI:10.3969/j.issn.1006-9607.2020.10.006

[7]
向玉琼, 谢新水. 数字孪生城市治理:变革、困境与对策[J]. 电子政务, 2021(10):69-80.

[ Xiang Y Q, Xie X S. Governance of digital twin cities: Reform, dilemma and countermeasures[J]. E-Government, 2021(10):69-80. ] DOI:10.16582/j.cnki.dzzw.2021.10.006

[8]
张新长, 廖曦, 阮永俭. 智慧城市建设中的数字孪生与元宇宙探讨[J]. 测绘通报, 2023(1):1-7,13.

DOI

[ Zhang X C, Liao X, Ruan Y J. Discussion on digital twin and metaverse in smart city construction[J]. Bulletin of Surveying and Mapping, 2023(1):1-7,13. ] DOI:10.13474/j.cnki.11-2246.2023.0001

[9]
唐斯斯, 张延强, 单志广, 等. 我国新型智慧城市发展现状、形势与政策建议[J]. 电子政务, 2020(4):70-80.

[ Tang S S, Zhang Y Q, Shan Z G, et al. Development status, situation and policy suggestions of new smart cities in China[J]. E-Government, 2020(4):70-80. ] DOI:10.16582/j.cnki.dzzw.2020.04.007

[10]
谭梦琪. “十四五”全国城市基础设施建设规划出炉[J]. 中国勘察设计, 2022(8):5.

[ Tan M Q. "The 14th Five-Year" Plan for national urban infrastructure construction released[J]. China Engineering Consulting, 2022(8): 5. ] DOI:10.3969/j.issn.1006-9607.2022.08.003

[11]
王家耀. 大数据时代的智慧城市[J]. 测绘科学, 2014, 39(5):3-7.

[ Wang J Y. Smart cities in the era of big data[J]. Science of Surveying and Mapping, 2014, 39(5):3-7. ] DOI:10.16251/j.cnki.1009-2307.2014.05.001

[12]
张新长, 李少英, 周启鸣, 等. 建设数字孪生城市的逻辑与创新思考[J]. 测绘科学, 2021, 46(3):147-152,168.

[ Zhang X C, Li S Y, Zhou Q M, et al. The rationale and innovative thinking of building Digital Twin City[J]. Science of Surveying and Mapping, 2021, 46(3):147-152,168. ] DOI:10.16251/j.cnki.1009-2307.2021.03.022

[13]
张茜, 任超, 霍文虎. 全景真三维技术在城市规划建设中的研究与应用[J]. 测绘与空间地理信息, 2018, 41(4):135-137.

[ Zhang Q, Ren C, Huo W H. Research and applications of panoramic real 3D technology in urban planning and construction[J]. Geomatics & Spatial Information Technology, 2018, 41(4):135-137. ] DOI:10.3969/j.issn.1672-5867.2018.04.037

[14]
贺异欣, 张新长, 吴福成, 等. 实景三维下的AIGC变形监测算法分析[J]. 测绘科学, 2023, 48(11):211-217.

[ He Y X, Zhang X C, Wu F C, et al. Analysis of AIGC deformation monitoring algorithm in real 3D[J]. Science of Surveying and Mapping, 2023, 48(11):211-217. ]

[15]
朱庆. 三维GIS及其在智慧城市中的应用[J]. 地球信息科学学报, 2014, 16(2):151-157.

DOI

[ Zhu Q. Full three-dimensional GIS and its key roles in smart city[J]. Journal of Geo-Information Science, 2014, 16(2):151-157. ] DOI:10.3724/SP.J.1047.2014.00151

[16]
龚俊, 朱庆, 眭海刚, 等. 从CAD模型到数码城市GIS模型的若干问题[J]. 武汉大学学报(工学版), 2003, 36(3):64-68.

[ Gong J, Zhu Q, Sui H G, et al. Key issues for data transformation from CAD to GIS[J]. Engineering Journal of Wuhan University, 2003, 36(3):64-68. ] DOI:10.3969/j.issn.1671-8844.2003.03.015

[17]
纪博雅, 戚振强. 国内BIM技术研究现状[J]. 科技管理研究, 2015, 35(6):184-190.

[ Ji B Y, Qi Z Q. BIM technology research status in China[J]. Science and Technology Management Research, 2015, 35(6):184-190. ] DOI:10.3969/j.issn.1000-7695.2015.06.035

[18]
卫校飞. 智慧城市的支撑技术——建筑信息模型(BIM)[J]. 智能建筑与城市信息, 2013(1):96-100.

[ Wei X F. Supporting technology of smart city—Building information model (BIM)[J]. Intelligent Building & City Information, 2013(1):96-100. ] DOI:10.13655/j.cnki.ibci.2013.01.017

[19]
包胜, 杨淏钦, 欧阳笛帆. 基于城市信息模型的新型智慧城市管理平台[J]. 城市发展研究, 2018, 25(11):50-57,72.

[ Bao S, Yang H Q, Ouyang D F. City information modeling-based new-type smart city management platform[J]. Urban Development Studies, 2018, 25(11):50-57,72. ] DOI:10.3969/j.issn.1006-3862.2018.11.008

[20]
吴志强, 甘惟, 臧伟, 等. 城市智能模型(CIM)的概念及发展[J]. 城市规划, 2021, 45(4):106-113,118

[ Wu Z Q, Gan W, Zang W, et al. Concept and development of the city intelligent model(cim)[J]. City Planning Review, 2021, 45(4):106-113,118. ] DOI:10.11819/cpr20210406a

[21]
周瑜, 刘春成. 雄安新区建设数字孪生城市的逻辑与创新[J]. 城市发展研究, 2018, 25(10):60-67.

[ Zhou Y, Liu C C. The logic and innovation of building digital twin city in Xiongan new area[J]. Urban Development Studies, 2018, 25(10):60-67. ] DOI:10.3969/j.issn.1006-3862.2018.10.008

[22]
翟云, 程主, 何哲, 等. 统筹推进数字中国建设全面引领数智新时代——《数字中国建设整体布局规划》笔谈[J]. 电子政务, 2023(6):2-22.

[ Zhai Y, Cheng Z, He Z. Promoting the construction of digital China in a comprehensive way to lead the new era of digital intelligence--"overall layout planning for the construction of digital China" commentary[J]. E-Government, 2023(6):2-22. ] DOI:10.16582/j.cnki.dzzw.2023.06.001

[23]
彭国超, 吴思远. 元宇宙:城市智慧治理场景探索的新途径[J]. 图书馆论坛, 2023, 43(3):86-92.

[ Peng G C, Wu S Y. Metaverse: A new approach to explore urban smart governance scenarios[J]. Library Tribune, 2023, 43(3):86-92. ] DOI:10.3969/j.issn.1002-1167.2023.03.010

[24]
蒋明, 李琪, 龚才春, 等. 元宇宙技术及应用研究进展[J]. 广西科学, 2023, 30(1):14-26.

[ Jiang M, Li Q, Gong C C, et al. Research progress on the technology and application of metaverse[J]. Guangxi Sciences, 2023, 30(1):14-26. ] DOI:10.13656/j.cnki.gxkx.20230308.002

[25]
郭全中, 杨元昭. 回调、 蓄力:元宇宙发展现状、困境与趋势分析[J]. 新闻爱好者, 2023(6):9-15.

[ Guo Q Z, Yang Y Z. Callback and power accumulation: Analysis of the development status, predicament and trend of metauniverse[J]. Journalism Lover, 2023(6):9-15. ] DOI:10.16017/j.cnki.xwahz.2023.06.005

[26]
姚俊华. 基于物联网和生态系统的智慧城市可持续设计研究[J]. 科技资讯, 2023, 21(21):253-256.

[ Yao J H. Research on sustainable design of smart cities based on the Internet of Things and ecosystems[J]. Science & Technology Information, 2023, 21(21):253-256. ] DOI:10.16661/j.cnki.1672-3791.2306-5042-1463

[27]
李德仁, 姚远, 邵振峰. 智慧城市中的大数据[J]. 武汉大学学报(信息科学版), 2014, 39(6):631-640.

[ Li D R, Yao Y, Shao Z F. Big data in smart city[J]. Geomatics and Information Science of Wuhan University, 2014, 39(6):631-640. ] DOI:10.13203/j.whugis20140135.

[28]
王静远, 李超, 熊璋, 等. 以数据为中心的智慧城市研究综述[J]. 计算机研究与发展, 2014, 51(2):237-259.

[ Wang J Y, Li C, Xiong Z, et al. Survey of data-centric smart city[J]. Journal of Computer Research and Development, 2014, 51(2):237-259. ] DOI:10.7544/issn1000-1239.2014.20131586.

[29]
李辉. 大数据推动我国经济高质量发展的理论机理、实践基础与政策选择[J]. 经济学家, 2019(3):52-59.

[ Li H. The theoretical mechanism, practical basis and policy choice of big data to promote the high quality development of China’s economy[J]. Economist, 2019(3):52-59. ] DOI:10.16158/j.cnki.51-1312/f.2019.03.007.

[30]
Tao C, Qi J, Guo M N, et al. Self-supervised remote sensing feature learning: Learning paradigms, challenges, and future works[J]. IEEE Transactions on Geoscience and Remote Sensing, 2023, 61:5610426. DOI:10.1109/TGRS.2023.3276853

[31]
董正浩. AI大模型在智慧城市领域的应用与前景[J]. 通信世界, 2023(17):39-40.

[ Dong Z H. Application and prospect of AI big model in smart city field[J]. Communications World, 2023(17):39-40. ] DOI:10.13571/j.cnki.cww.2023.17.010

[32]
王霞, 张海剑. 人工智能技术赋能城建档案高质量发展[J]. 未来城市设计与运营, 2023(12):77-80.

[ Wang X, Zhang H J. Artificial intelligence technology empowers high-quality development of urban construction archives[J]. Future City Studies, 2023(12):77-80. ]

[33]
OpenAI. Video generation models as world simulators[EB/OL]. [2024-2-15].

[34]
林焕富, 覃江荣, 陈帮泰. 打造基层治理重器,让城市更聪明更智慧——深圳龙岗城市大脑实践[J]. 中国建设信息化, 2021(6):28-33.

[ Lin H F, Qin J R, Chen B T. Building a grass-roots governance device to make the city smarter and smarter—Shenzhen Longgang city brain practice[J]. Informatization of China Construction, 2021(6):28-33. ]

[35]
Sun C, Shrivastava A, Singh S, et al. Revisiting unreasonable effectiveness of data in deep learning era[C]// 2017 IEEE International Conference on Computer Vision (ICCV). IEEE, 2017:843-852. DOI:10.1109/ICCV.2017.97

[36]
Hu X W, Gan Z, Wang J F, et al. Scaling up vision-language pretraining for image captioning[C]// 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2022:17959-17968. DOI:10.1109/CVPR52688.2022.01745

Options
Outlines

/

〈 〉