智慧城市麾下，AI跟哪些產業打得最火熱？
一個行業鮮少讓所有的從業者都能達成共識，AI行業是個例外，幾乎所有的從業者都認為：智能安防、智慧交通會是最先爆發的 AI 產業。
眼下，安防領域，AI技術與場景的融合日漸嫺熟。
與之齊名的智慧交通，其潛力被公認如沃野千里，誕生近8年，似乎還未抵定釋放口。
中國智能交通協會數據，預計2020年中國智能交通市場規模將達1000億元。體量、市場均不及交通的智慧安防，2019年中國市場規模為2590.5億元（中商產業研究數據）。
安防行業還向世界輸送了海大宇等不少嬌子，幾乎主導了全球安防市場話語權，在安防起家並逐漸走向全域的AI獨角獸更不在少數。
而交通市場中，既少見可睥睨羣雄的絕對巨頭，也鮮少有AI企業叱吒四方。
智慧交通，為何與平常認知差異如此之大？
天生異骨智慧交通的能量遲遲未爆發，或因基因使然。
縱觀To G市場，業務體量相對較大，但市值突破千億的公司寥寥。
交通，正是典型的To G市場。
其市場性格如何？
市場空間難增長。
入局企業得以搭建起行業圍牆，同時，業務也會侷限於某幾個政府部門。
相對單一的客户羣體，意味着年度內的預算投入體量不會太大，使得企業的真實市場空間偏小。
企業難握話語權。
To G業務，政府主導性強，話語權較重。
一來，政府對業務要求、數據等的要求把控極為嚴格，加重業務複雜程度。
二來，項目大多需要前期墊資，收益在運營服務期才能回收，企業資金回籠較慢，總體現金流情況較差。
交通，也是典型的項目型市場，定製化程度高。
因各地交通條件差異，信息化、智能化基礎不同，地方政府的關注點和需求也不盡相同，業務大多為項目型。
項目具備唯一性、一次性和不可逆轉性，這種1+1的加法掙錢模式，使得每一個項目都要重新投入人力、財力開發。
高度的定製化，讓他們“形成標準化的方案向全國推廣”的路途格外艱辛。
“讓賺錢別那麼累”是大多數項目型公司轉型的動力。在整個行業定製化性格下，企業努力在底層環節上儘可能提升標準化佔比。
此舉可在千方立志做交通行業的Salesforce中窺探一二，它正努力從項目制模式轉向License和訂閲費模式。
有人不以為然，安防也 To G，定製化也不低 ，為何能生出海康、大華？
海康、大華並非完全的項目型，近20年時間裏，他們建立了毛細血管般遍佈全國的渠道銷售網絡，其產品收入幾乎佔據總營收半壁江山。
而且，海大宇早早謀篇新出口，調整事業羣，蓄勢To B，意在走出安防“小池塘”，進入更廣闊的天地。
左邊是G端市場的共性，右邊是交通領域的特性：
市場集中度低、技術門檻低、強地域性，行業中沒有處於絕對領先地位的企業。
根據智慧交通網ITS114，2019年，中國智能交通千萬項目中標企業排名第一的海信網絡科技的中標金額佔行業總額的5%，前十企業總佔比僅有26%，同時，同行業企業資金實力與規模普遍偏小。
現行行政體制下，以各地政府分散採購模式為主，業務向區域內具備客户關係的企業傾斜。
以高速公路機電市場為例，在本省份佔據市場份額30-60%的企業中，背後都有當地省交投集團直接持股或間接持股，憑藉和省交投以及政府的關係，這類企業在區域市場形成絕對優勢。
當然，中國廣闊的交通地域，迥異的地域基礎，也讓任何企業都不可能在短時間內吞下全國多數城市的市場。
新華三集團副總裁李立曾表示，在短時間內要想把所有的東西都建起來是不可能的，因為每個城市的發展都有它的特點，每個城市都有重點要解決的問題和次要解決的問題。
再者，傳統交通技術門檻低，市場同質化競爭局面。
智慧交通的疆土上，一眼望去滿是AI、大數據、5G神仙級混戰，在區域內製霸一方的企業，因低技術門檻，短期內難以修得可傍身的利器。
極強的區域性壁壘讓當地交通市場難有外省企業踏足；
參差不齊的行業基礎讓企業的全國性市場路徑難以成型；
不高的技術壁壘讓市場彼此割據，一家難獨大。
由是，智慧交通市場浩如煙海，卻少有企業走出攻城拔寨的步伐。
技術不完全至上技術既當頭，為何也不見AI公司揮筆立就？
其一，智慧交通，技術不完全至上：AI的魔法棒，暫時還不能完全釋放出古娜拉黑暗之神。
交通的強基建屬性，讓不少還是基建門外漢的AI企業望而卻步。
如果説老基建是鐵路、橋樑、公路、水利工程等領域，其中交通就佔據大頭。
前者若是一條泥巴路，後者就是一車好瀝青，鋪上壓實後，來往車輛走得更穩、更快、更安全。
翻譯下成大白話：新基建再新，也得基於傳統產業做技術升級，要不然就是茫然瞎談耍流氓。
交通行業需求複雜、覆蓋面廣、定製化，長期深耕的原住民企業，更能理解客户需求、更懂行業。
交通大而重、難消化，在AI圈遊刃有餘的科技企業，在它面前難以施展筋骨。
換句話説，傳統交通企業雖未有一家獨大，除客户與資源壁壘外，業務上依然擁有話語權。
除此之外，交通管理體系非常複雜。
以“人-車-路”為核心的交通，猶如一個巨大的動態軸承，連接着多個部門（交管部門、公安部門、公交系統、城市規劃部門）、眾多領域（各類傳感器數據、地圖數據、人車數據），這也導致：
牽涉部門多，沒有主導角色。
交管、公安、公交、城市規劃等等部門，硬件製造商、集成商、AI公司軟件平台等等相關企業，構成一個巨大的生態，其中每個角色都有各自上下游，沒有絕對主導。
這也意味着，每個參與者，都是這個龐然大物中的一環，一己之力難撼產業大樹。
涉及面廣、產業鏈長。
智慧交通不是單純的AI、雲計算和大數據，是與上中下游每一環節的緊密結合。
在智慧交通這個未來式面前，沒有意見可以聽從，沒有路徑可以依賴，每個參與者都是學步嬰孩。一整條產業鏈，需要各環節齊心協力的參與、不斷地試錯、千百次的優化才能走完。
信息孤島。
這個説爛了的病灶仍是各行業轉型之痛，交通行業更甚，涉及如此多部門、系統、企業設備，各環節難聯動，各數據分離難共享。
例如，在交通信號控制方面，很多城市依然以路口單點控制為主。海量數據“石油”束之高閣淪為“廢油”。
多樣化數據融合難。
交通數據形式涵蓋文本、圖片、視頻等非結構化數據格式，不同軟件廠商數據庫的視圖各有不同，數據管理混亂。
結果是，數字化轉型項目淺嘗輒止，看似酷炫的“試點”，但卻不能實現產業真正的轉型成功。
其二，雖純靠技術難撫行業溝壑，不代表技術壁壘不高。
弄懂智慧交通，需要明白其中的AI技術邏輯。
目前應用最廣泛的AI，如圖像識別、語言識別和計算機視覺識別等屬於感知型，核心邏輯是輸入輸出函數，邏輯較為單一，尚且有諸多未解之題。
而以智慧交通、AI遊戲競技為例的應用則屬於決策型，核心是基於大量知識，不斷地重新判斷和推理，並作出決策，更加動態和靈活，也更加複雜。
根據阿里巴巴達摩院報告，在需要外部知識、邏輯推理或者領域遷移等認知智能領域還處於初級階段。某業內人士表示，大量實驗表明，目前AI的智力水平不足12個月的嬰兒。
中國關於決策型AI的理論研究也較為薄弱。
“在國際決策型AI的頂尖會議和雜誌中，論文作者很少有華人，比如谷歌DeepMind一個相關團隊中有50-60人，其中可能僅有2-3個華人。”商湯科技副總裁閆俊傑説道。
交通科學是一門基於統計學的工程科學，交通系統是一個複雜巨型系統，要控制數以千計的交叉口，並且兼顧城市規劃、土地利用、區域發展，宏觀管控策略。
同時，交通原生條件並不優渥：
1. 城市規劃不合理
2. 路網結構不合理，支路網不發達。
3. 公共交通分擔率低。
4. 法制觀念淡薄，交通違法現象嚴重。
5. 交通設計不合理、路口交通組織混亂。
6. 信號燈配時不合理，缺乏優化。
在此基礎上，要實現交通系統閉環，AI可能需要考慮組合爆炸帶來的無窮無盡的問題：
如何協調一個路口的信號燈？
如何確定協同範圍，是一個街區、片區抑或整個城市（不同維度的系統需求截然不同）？
交通突發狀況，如何及時找到原因、及時疏散並事後預防？
長期擁堵路面根源在哪裏，如何解決？
某個城市舉辦大型活動，如何在短時間內的制定城市交通方案？
以上問題，需要更加精細的地圖、物理感知，但引入新數據的價值如何體現在信控效率提升上？
這些問題，都需要強任務智能的決策型AI解決。但眼下，它還未能一一回答。
AI公司的試探越是長在懸崖之巔的花，越是讓人着迷。
智慧交通強大的基本盤、目光所不能及的潛力，正吸引着越來越多睿智的勇者奔赴。
AI公司落地邏輯如何？雷鋒網AI 掘金志就此話題與商湯科技副總裁閆俊傑進行了一次對話。
在閆俊傑看來，智能交通領域門檻很高。
人工智能技術儲備、交通行業儲備、公司品牌（現階段智慧交通項目體量大）、看好交通並重倉投入，同時滿足四點的公司並不多。
商湯2019年年底正式進入智慧交通領域。對於一眾搶灘的垂直AI企業，商湯的入場似乎有些遲。
在商湯看來，一道美食的落盤，除了食材本身的高要求，還需恰當的火候、到位的調料。
5年前的AI技術還支撐不起交通智慧化巨輪，自2018年開始，AI歷經大坑終得突破性進展，技術成熟度、可用性皆達到了一個恰當節點。
而在這期間，AI技術儲備上，商湯也已攢下不少經驗。
接下來這場仗，商湯怎麼打？
產業的智慧化往往需要三個過程，交通也不例外。
數據的採集，大數據作為智能化的原材料，是智慧交通中的核心一環。
數字化運營，在大數據基礎上優化運營，逐步形成數字化運營和管理體系。
智能化改造，通過與人工智能技術的融合，讓城市交通運營智慧化。
一般而言，傳統企業認為交通的核心在前端，以攝像頭為載體實現交通違章檢測等，商湯和BAT等公司則認為核心在後端和中心，系統可承載更復雜的算法，進行更精密的運營。
“我們認為後端會贏得紛爭，前端攝像頭和傳感器當然非常重要，但核心計算應該在邊緣或者中心，這是我們的認知。”
據此，商湯重心放在數字化運營和智能化改造。
前端，商湯兩個動作，一是利舊，盤活存量視頻（攝像頭），二是解放人力，中心端做算法適配。
後端，基於海量視頻數據和其他結構化數據做更加精準的視頻分析，真正提升城市運行效率。
以城市交通為例，商湯從中梳理出交通安全與交通暢通兩大場景，推出“智慧交通視覺分析”。
此係統圍繞交通事故、交通擁堵、交通違章易發點三個維度，基於全區視頻進行智能分析，形成智能感知、預測、研判、輔助決策的業務閉環能力。系統目前已實現行人闖入、交通擁堵、異常停車檢測功能。
談話中，雷鋒網AI掘金志發現商湯將「信號控制」上升到了基本功的高度。
為什麼信控如此重要？
“某種程度可以認為信控是交通的核心。在路面基礎條件不變、交規不變的情況下，唯一能干預，就是信控了，這是能提高的上限的唯一變量。”
閆俊傑提到，如果不考慮外在邏輯，根據路口人流和車流情況自由調控紅綠燈，理論上通信效率可以大幅提升。但顯然，人的體驗感很差。
“信控要符合人類認知和習慣，要有約束的優化。在限制條件下，優化空間依然較大。”
商湯內部模擬和部分城市實測，信號控制系統性能可以提升10%-20%。10%的提升，理論上可以將1小時的通勤時間降到54分鐘，這將影響一個城市幾百萬到幾千萬人口所產生的勞動價值和經濟價值。
商湯認為，AI真正落地階段有三：可走通、可落地的、可複製。
眼下的商湯，已經在多個一線城市試點，成果不俗。智慧交通大軍中，又多了一員猛將。
兩步之遙智慧交通難點雖多，卻並不影響其被寄予厚望，因本身體量驚人。
中商產業研究數據顯示，2019年完成公路建設投資21895億元，比上年增長2.6%。
根據《國家公路網規劃(2013—2030)》，到2030年，我國規劃高速公路通車裏程達到11.80萬公里，外加遠期展望線路1.80萬公里，普通國道達到26.50萬公里。
據前瞻產業研究院預測，未來5年，中國智慧交通市場將繼續保持高速增長態勢。
2010智慧交通行業市場規模僅209.2億元，2017年達到515.9億元，預計2023年市場規模將達到1450億元。
2019年，中共中央、國務院發佈《交通強國建設綱要》，大力推進智慧交通。今年，中國的新基建更是將交通建設作為首要建設任務之一。
千古百業興，先行在交通。交通成為未來之星已經是不爭之事。
雖然在那之前，要把一個龐大的理論變成真實運轉的體系，還需要解決現實中看不見的細碎難纏的千百個具體問題。
沒有路徑可以依賴，沒有意見可以聽從，在這條嶄新的賽道上，參賽者們既有探索未知領域的迷茫和惶恐，也有開拓新世界的奮進與喜悦。
縱有萬難，交通行業頭部奮力轉型，互聯網巨頭紛紛佈局，跨界企業爭相吃食，AI公司發揮專長。他們無不推動了AI、雲計算、大數據等新一代信息技術與交通的融合。
無數入局者日拱一卒，功不唐捐，總會在某個時刻，找到智慧交通那條引線，然後，點火，爆破。
我們與智慧交通的爆發，或許僅僅兩步之遙。
可得見的是，一場酣戰即將上演。雷鋒網雷鋒網雷鋒網