　　1956年8月，約翰.麥卡錫、馬文.閔斯基、克勞德.香農、艾倫.紐厄爾、赫伯特.西蒙等人聚在達特茅斯學院召開了一場長達兩個月的學術會議，...

　　1956年8月，約翰.麥卡錫、馬文.閔斯基、克勞德.香農、艾倫.紐厄爾、赫伯特.西蒙等人聚在達特茅斯學院召開了一場長達兩個月的學術會議，主題是“用機器來模仿人類學習及其他方面的智能”，雖然沒能達成共識，但為會議討論的內容取了一個名字:“人工智能”。

　　這一年也因此被稱為“人工智能元年”。

　　時隔63年的今天，地圖學與地理信息工程專家、中國工程院院士王家耀以“人工智能：地理信息產業(yè)高質量發(fā)展的核心驅動力”為題做了一場報告。在2019山東省地理信息產業(yè)大會間隙，王家耀院士向泰伯網談起他對人工智能、地理信息以及智慧城市的看法。

　　轉變思維方式

　　“地理信息產業(yè)一定要走出去，不能完全依賴政府部門，要充分走向市場，適應市場需求，必須要用新理念、新思維、新方法，一切為了服務，要有大數(shù)據(jù)、互聯(lián)網、人工智能思維。”

　　講這段話的時候，王家耀院士目光帶著殷切的期望。

　　據(jù)中國地理信息產業(yè)協(xié)會副會長湯海介紹，目前大量地信單位集中在傳統(tǒng)的測繪數(shù)據(jù)采集和處理方面，企業(yè)規(guī)模小而散，集中度不高。同時，產業(yè)收入80%以上來源于政府項目或政府投資拉動。

　　近幾年的地信產業(yè)，越發(fā)感受到來自外部的壓力。尤其是今年，沖擊來的太過猛烈：阿里買了千方、建了時空數(shù)據(jù)云平臺，華為拿到甲級測繪資質、“鴻蒙”系統(tǒng)兼顧自動駕駛，滴滴“順手”就把車站、機場的三維建模給做了……甚至有從業(yè)者對泰伯網表示，其所在的老牌地信公司遭遇了“20年來最差的形勢”。

　　地理信息仍然以智慧城市、數(shù)字政府等To G為主，但To G業(yè)務的智慧化要求正不斷提高，競爭前所未有的激烈。

　　智慧城市建設中，有互聯(lián)網企業(yè)BAT，原智能廠商華為，也有金融行業(yè)起家的平安，服務器存儲出身的浪潮，甚至制造業(yè)起家的海信、海爾等也已入局。而人工智能，也是他們智慧城市解決方案中必不可少的元素。

　　AI企業(yè)也將智慧城市作為落地的最佳場景，政府訂單是“AI四小龍”等初代人工智能企業(yè)的主要收入來源。無論商湯的深度學習超算平臺“商湯超算中心”，曠視的城市級物聯(lián)網操作系統(tǒng)，云的人臉感知智能公共服務，還是依圖的AI視覺中樞，都是服務于智慧城市的AI解決方案。

　　然而，被地信企業(yè)“羨慕著”的人工智能企業(yè)，日子也并不輕松。

　　根據(jù)北京清華大學發(fā)布的《中國人工智能發(fā)展報告2018》顯示， 2017年全球人工智能投融資總規(guī)模達395億美元，融資事件1208筆，其中中國的投融資總額達到277.1億美元，融資事件369筆，分別占全球的70%和31%。

　　僅僅兩年后的今天，被稱為 “天之驕子”的人工智能企業(yè)就已被拉下神壇。

　　數(shù)據(jù)的對比是驚人的。根據(jù)北京市經濟和信息化委員會發(fā)布的《北京人工智能產業(yè)發(fā)展白皮書(2018)》，截至2018年年底，全國人工智能企業(yè)4040家，拿到風險投資的公司僅有30%。剩下的70%，倒閉清算大概率只是時間問題。

　　CB Insights數(shù)據(jù)顯示，2018年全年,近90%的人工智能公司處于虧損狀態(tài)，10%賺錢的企業(yè)基本是技術提供商。而據(jù)IT桔子等數(shù)據(jù)源顯示，2014年至2018年，中國人工智能領域共發(fā)生126起退出事件，數(shù)量僅為同時期的投資事件的1/20。其中，IPO退出占四成，回報僅為1.83倍。

　　即使是互聯(lián)網老牌大廠百度，在選擇All in 人工智能之后，也是壓力重重。面對“燒錢”且變現(xiàn)路徑超長的AI領域，百度不得不“以投入換增長”。2019年，百度研發(fā)投入突然加速，一季度研發(fā)支出為人民幣42億元（約合6.21億美元），同比增長26%，二季度研發(fā)支出為47億元，同比增長17%。

　　難以突破的“網”

　　目前,全國所有的副省級以上城市、90%的地級以上城市,共700多個城市提出或在建智慧城市。

　　但王家耀院士也表示，目前智慧城市缺乏一個核心，各家有各家的平臺，甚至一個城市有好幾個“大腦”，各地、各部門不同的建設標準不僅造成重復建設、資源浪費，也使后期應用落地面臨各種難題。

　　時空大數(shù)據(jù)，可以成為智慧城市的核心。

　　時空大數(shù)據(jù)，即基于統(tǒng)一的時空基準（空間參照系統(tǒng)、時間參照系統(tǒng)），活動（運動變化）于時間和空間中與位置直接（定位）或間接（空間分布）相關聯(lián)的大數(shù)據(jù)。由時空框架數(shù)據(jù)（基礎地理時空數(shù)據(jù)）和時空變化數(shù)據(jù)（通常說的“大數(shù)據(jù)”）融合而成。

　　建立統(tǒng)一的共用（通用）時空大數(shù)據(jù)平臺，在平臺上融合水利、旅游、多規(guī)合一等各類專業(yè)數(shù)據(jù)，可以解決智慧城市缺乏統(tǒng)一時空大數(shù)據(jù)平臺的問題。因此，必須建立國家大數(shù)據(jù)中心體系，一個地方（?。┲荒苡幸粋€大數(shù)據(jù)中心，一個城市只能有一個時空大數(shù)據(jù)中心，縱向貫通、橫向互聯(lián)。

　　但現(xiàn)在，這一工作還處于起步階段。目前大型智慧城市項目基本被HATP等信息企業(yè)或互聯(lián)網企業(yè)拿到，他們對時空大數(shù)據(jù)的了解還不夠深入，因此在一些方案中，時空大數(shù)據(jù)仍未能發(fā)揮出應有的效果。

　　事實上，從政府部門到企業(yè)，多數(shù)項目主導者已經意識到時空大數(shù)據(jù)在智慧城市建設中的重要作用。正因如此，在智慧城市相關的業(yè)務領域中，人工智能產業(yè)與地理信息產業(yè)正在相互“糾纏”，有很多項目覆蓋范圍幾乎是重疊的。所以人工智能和信息技術見長的信息、軟件、互聯(lián)網公司正在努力了解GIS（這也是地信產業(yè)感覺被“入侵”的原因），而地理信息企業(yè)也在業(yè)務中不斷融入人工智能。

　　但有趣的是，盡管吃的是“同一塊”蛋糕，雙方對對方的領域理解似乎仍不夠深入。仿佛隔著一道鐵絲網，看得見、摸得到，但是深入交融卻很難。

　　地信企業(yè)的不少業(yè)務中都融入了AI元素，努力打破地理信息的行業(yè)壁障。但對于部分智慧城市項目的甲方而言，這種智能的程度似乎還不夠。有從業(yè)者對泰伯網表示：“我們對智慧城市的理解，能做到的事情，比起互聯(lián)網企業(yè)還有很大差距。地理信息的確是智慧城市的構建基礎，但最終還是要解決老百姓的生活問題，我們之前做的東西和大眾沒有直接關系，但巨頭們早已深入民眾生活的方方面面，出發(fā)點就不一樣。” 目前市場上多數(shù)“GIS+AI”開發(fā)的產品，與需求方所期待的“完美”還有很大距離。

　　而跨行做GIS對其他企業(yè)來說也不是那么容易，即使通過人才引入等方式最終可以解決，但也需要很長一段時間。

　　華為在智慧城市建設中遇到了幾個關于GIS的問題，就讓他們相當頭疼。比如在構建智慧城市整體方案時，華為發(fā)現(xiàn)各個部門給出的GIS底圖，由于關注重點的不同，使用的數(shù)據(jù)體系各不相同，數(shù)據(jù)很難統(tǒng)一。此外，由于各個企業(yè)的技術引擎和數(shù)據(jù)標準不同，華為和GIS企業(yè)的合作也有一定困難。

　　類似的問題不僅出現(xiàn)在華為身上。合作共贏，是雙方都在努力推進的方向，但許多問題似乎并不是單純企業(yè)層面能夠解決的。

　　王家耀院士表示，目前在行業(yè)與行業(yè)之間、部門與部門之間仍存在壁壘，形成了很多數(shù)據(jù)孤島，這個問題必須要解決。

　　這并不是單純的技術問題，更多需要扭轉理念，思想理念問題如果解決不了就很難推進。此外，有些企業(yè)在投標智慧城市項目時拿出來的方案非常沒有個性，城市與城市之間的設計都很相似，甚至直接把另一個城市的方案拿來套用，缺乏地方特色，不利于城市良性發(fā)展。

　　王家耀院士認為，智慧城市是個非常復雜的系統(tǒng)，要從頂層設計和分項目設計理清脈絡，這需要比較長時間的調查研究過程，但必須要有決心和魄力去做，要有執(zhí)行力貫徹上層政策。同時，業(yè)內也希望能有相關政策出臺，牽頭政產學研一體化，基于時空大數(shù)據(jù)平臺做出最頂層設計，發(fā)布智慧城市的統(tǒng)一標準規(guī)范。

　　可以確定的是，人工智能與地理信息，合則兩利。

　　合則兩利

　　人工智能的發(fā)展歷程幾經起落，業(yè)界將其大致劃分為三個發(fā)展階段。

　　以1956年達特茅斯會議為起點，人工智能領域有過十幾年的繁榮階段，被稱為“推理期”。這一時期出現(xiàn)了機器定理證明、四色定理、機器學習、模式識別四大成果，但定理證明不具普遍性加上自然語言理解的難關導致人工智能進入了第一次寒冬。

　　此后，人工智能進入“知識期”，大批利用計算機化的知識進行自動推理的專家系統(tǒng)涌現(xiàn)。1977年的第五屆人工智能大會上“知識工程”這個全新領域出現(xiàn)，在其刺激下，日本、英國、西歐、美國和中國(863)計劃陸續(xù)推出。大量的知識輸入工作成為“知識期”繼續(xù)發(fā)展的限制因素，直至機器學習概念的推出解決了這一問題，人工智能也轉入“學習期”，機器學習成為人工智能的主流。

　　在王家耀院士看來，地理信息產業(yè)和人工智能產業(yè)的發(fā)展歷程頗為類似，同樣經歷了三個階段，只是稍微滯后一些。

　　我國自20世紀70年代開始計算機數(shù)字地圖制圖的試驗，當時的難題是如何將已出版的紙質地圖數(shù)字化和怎樣用計算機控制的繪圖機將數(shù)字地圖繪在紙質載體上。20世紀80年代初到90年代中期的十余年間，出現(xiàn)了國內外地圖制圖專家系統(tǒng)研究熱潮，一批國內外專家的研究成果涌現(xiàn)，處于“知識期”。

　　此后的十多年間，地圖制圖專家系統(tǒng)熱潮已不存在，之前研究的制圖專家在地圖制圖生產中基本未得到應用，原因在于“地圖制圖知識工程瓶頸”問題沒有解決。好在進入21世紀以來，結合人工智能等新一代信息技術后出現(xiàn)了好的轉機，學者取得了有代表性成果，企業(yè)也在嘗試相關應用的研發(fā)，地理信息產業(yè)進入智能化發(fā)展階段。

　　王家耀院士表示，人工智能將是地理信息產業(yè)智能化發(fā)展的“引擎。

　　地理信息產業(yè)智能化的核心是“智能”，智能的核心是知識，而知識的核心是如何獲得知識，知識就是地理信息產業(yè)智能化的力量源泉。從GIS工作流、服務鏈的角度看，知識涉及數(shù)據(jù)獲取、存儲管理、數(shù)據(jù)融合、數(shù)據(jù)分析、數(shù)據(jù)挖掘、可視化、知識決策支持等各個環(huán)節(jié)。

　　機器學習，是解決地信產業(yè)智能化中“知識工程瓶頸”問題的有效途徑，二者結合將加速時空大數(shù)據(jù)產業(yè)化進程。

　　算法、數(shù)據(jù)和算力是人工智能發(fā)展的三大要素，隨著智能感知技術的快速發(fā)展，時空大數(shù)據(jù)已出現(xiàn)爆炸式增長態(tài)勢，為時空大數(shù)據(jù)產業(yè)化提供充足的數(shù)據(jù)支撐；隨著計算機技術的快速發(fā)展，適應時空大數(shù)據(jù)產業(yè)化需求的計算能力已經完全具備；需要人們更加關注的是算法研究，特別需要加強多源異構時空大數(shù)據(jù)融合、分析、挖掘與知識發(fā)現(xiàn)、可視化等方面的算法研究。

　　而地理信息產業(yè)，也將是人工智能落地的最佳場景之一。

　　從傳統(tǒng)地理信息產業(yè)、數(shù)字地理信息產業(yè)到智慧地理信息產業(yè)，地信產業(yè)的發(fā)展?jié)摿薮?。中國地理信息產業(yè)發(fā)展報告（2019）顯示，我國地理信息產業(yè)2018年產值為5957億元，同比增長率約為15%，潛力巨大。圖像識別、語音識別、文字識別這些人工智能中已經相對成熟的技術，可以在地理信息產業(yè)的各個環(huán)節(jié)發(fā)揮巨大作用，也將為人工智能提供更豐富的商業(yè)場景。

　　王家耀院士表示，地信產業(yè)現(xiàn)在的服務場景是碎片化的，時空大數(shù)據(jù)還有極大潛力有待挖掘，與監(jiān)管領域以及工業(yè)、農業(yè)等傳統(tǒng)產業(yè)都可深度結合。目前許多應用仍然比較表面，模式也相對單調，隨著地信與人工智能結合的不斷深入，基于時空大數(shù)據(jù)平臺，應用場景將更加具體。

　　產業(yè)若要長期高質量發(fā)展，必須主動“跨界融合”，運用人工智能的方法，智能感知、融合海量信息，才能實現(xiàn)從“狹義的地理信息產業(yè)”向“時空大數(shù)據(jù)產業(yè)”或“廣義地理信息產業(yè)”的轉型升級，優(yōu)化整合產業(yè)鏈上游中游下游，形成規(guī)模效應。同時，地信產業(yè)必須擺脫對政府部門的依賴，要充分走向市場，適應市場需求，必須要做大手術，運用新理念、新思維、新方法，以服務為先。

　　但王家耀院士也強調，必須堅持基礎研究。

　　錢學森先生早在1984年9月1日給戴汝為的信中就有精僻的分析，指出“外國人工智能工作，似乎急于求成，而基礎理論工作不扎實。” 20世紀80年代，AI開始探索商業(yè)化，之后的30年里基礎研究一度停滯不前，沒有任何重大的概念進步。而以往積累的紅利，正在逐步消耗殆盡。以機器視覺為例，神經網絡算法在這一領域的潛力基本已經被開發(fā)殆盡，雷同的技術也讓其漸成紅海，企業(yè)競爭更加激烈且同質化。

　　就地圖制圖而論，它本是一種極具創(chuàng)造性的工作，是一個十分復雜的思維過程，邏輯思維（抽象思維）、形象思維、靈感思維并存，其中的基礎理論、方法和技術問題，只有通過持久的、扎扎實實的研究工作才能逐步解決，不能完全交給人工智能。

　　人工智能將為解決地理信息的核心技術問題開啟“加速度”，而地理信息產業(yè)也將成為人工智能最大的落地場景之一，或者至少可以一定程度上延緩泡沫的破裂，給基礎研究留出更多的時間。

　　但前提是，要吸取以往產業(yè)發(fā)展的經驗和教訓，不可用短期的商業(yè)變革替代長期基礎研究，否則人工智能和地理信息的“停滯”，仍可能再次“出現(xiàn)”。