京东郑宇：智慧城市管理将如游戏般便捷
12月12日，第八届GAIR全球人工智能与机器人大会在深圳盛大开幕。作为洞察AI技术趋势与产业变革的核心风向标，本届大会聚焦于大模型技术从“概念破壁”到“产业深耕”的关键转型，深入探讨如何将前沿技术转化为真实、可量化的商业与社会价值。
京东集团副总裁、首席数据科学家郑宇教授在大会上发表了深度演讲。他深刻指出，人工智能过去的成功多局限于数字空间，而真正的革命性价值，必然源于对物理世界的深刻理解与改造。为此，他系统阐释了“时空人工智能”作为连接数字与实体世界核心桥梁的战略意义，并以雄安新区的“城市智能体”实践为例，前瞻性描绘了未来城市的全新形态。
01 什么是时空人工智能？
“时空人工智能”这一理念，凝聚了我们团队近二十年的研究积淀。为何在当前阶段将其作为明确议题提出？主要基于两大动因。
首先，AI要真正赋能物理世界，必须突破“时空”认知这一基础框架，而现有算法在此存在天然短板。其次，产业界已形成共识，例如李飞飞院士提出的“空间智能”概念引发广泛关注。这标志着，时空维度正成为AI攻克现实世界难题的核心前沿。
那么，究竟如何定义时空AI？我们可以先审视AI的现状。当前，无论是大语言模型的对话生成，还是AIGC的文生图应用，其处理对象和问题场景大多存在于虚拟域。这固然重要，但远非终点。
即便部分技术涉及物理世界感知，如VR体感交互、数字人动作捕捉，其终极目标仍是优化虚拟体验。问题的起点与闭环，仍未脱离数字空间。
因此，一个清晰的产业趋势是：人工智能要实现其巨大潜能，必须完成从“虚拟”到“实体”的跨越。这意味着，问题的发现、数据的采集、模型的训练以及决策的执行，都必须在物理世界中形成完整闭环。自动驾驶、智慧应急、具身智能，均是这一路径上的关键探索。
02 时空AI面临哪三大核心挑战？
愿景宏大，但挑战严峻。AI深入物理世界，至少需跨越三座大山：
第一，数据获取难且成本高昂。物理世界浩瀚复杂，难以实现传感器的全域全天候覆盖。更为现实的是，大规模传感网络的部署与长期运维，需要巨大的资金与时间投入。
第二，领域知识壁垒与多源数据融合难题。解决现实问题往往依赖深厚的行业知识。更复杂的是，单一来源数据通常不足，需要融合交通流、气象、能源消耗等多源异构数据，这对模型的跨域认知与推理能力提出了极限考验。
第三，模型缺乏时空建模与推理能力。当前主流的AI模型，其设计初衷并非为处理具有强时空关联的数据。如何让模型学会理解事件发生的“时间”、“地点”及其动态“演化规律”，是一个根本性的技术瓶颈。
本文将重点剖析第三项挑战。无论是“空间智能”还是“时空AI”，其内核一致。差异主要在于感知手段（视觉、遥感或物联网传感）与观测尺度，但核心对象都是这个充满时空规律的物理世界。
为此，我们尝试给出一个定义以供探讨：时空人工智能，是指基于时空维度的观测，以带有时空印记的数据为核心描述，通过与物理世界的动态交互与持续反馈，来感知、认知、预测并最终优化物理世界中物体行为与自然现象的一系列人工智能理论、方法与技术体系。
这一定义揭示了物理世界与虚拟世界的本质区别，主要体现在四大约束：不可逾越的空间约束（如地形与路网）、不可违背的物理定律（如流体力学）、复杂多变的生物与社会行为，以及人为制定的运行规则（如政策法规）。这些差异，正是AI模型必须学习和内化的核心知识。
在物理世界中，我们以“时间+空间”为坐标定位万物。交互模式也更为复杂：从观测世界获取信号，到建模分析，再将结果反馈给人进行研判与调整，最终执行决策作用于实体，形成一个包含“人类智能”的混合增强闭环。人的参与及其不确定性，使得整个系统异常复杂。
应对数据不完备的挑战，我们的核心思路是：深度挖掘并利用观测数据中蕴含的时空特性。
时间特性包括邻近性（如相邻时间点的关联）、周期性（如工作日通勤高峰）和趋势性（如长期变化规律）。
空间特性则更为多元，包括地理距离、空间层次结构（如省-市-区-街道），以及地理学第一定律所揭示的空间相关性（即距离越近，关联越强）。
将上述特性嵌入AI模型，能有效提升效率、降低复杂度。然而，即便融入了时空先验，挑战依然存在：大量物理机理尚未被完全揭示；观测手段局限导致数据缺失；以及难以预测的人为因素干扰。三者叠加，使得时空AI的建模之路道阻且长。
因此，对于AI在物理世界的应用，需保持理性预期。这绝非短期可成之功，无法如某些宣传所言“日新月异”。底层理论的突破需要长期积淀，可能需要数代人的持续努力。前景广阔，但征程漫长。
面对困难是否就应放弃？绝非如此。我们完全可以在现有认知边界内，优先解决可解的部分问题。
核心方法论是：在观测到的时空数据与需要执行的时空动作（如交通信号控制、资源调度）之间，建立稳健的映射模型。即便无法知晓全部规律，但充分利用已知的物理约束与时空数据特性，依然能够构建出更精准、更高效的模型，让AI更好地理解并作用于现实世界。
遵循“从数据到决策”的映射思路，结合时空属性与物理规律约束，我们团队在过去二十年中，逐步构建了一套完整的方法论：首先是洞察时空数据的内在规律；其次是设计两类核心建模方法——时空特征工程结合经典机器学习，以及时空表征学习结合深度学习；最后，提供一套完整的时空AI机器学习框架，以降低模型复杂度、提升精度与研发效率。实践证明，该体系能将模型复杂度降低90%，算法精度提升20%，研发效率提高一倍。
03 时空AI发展的五个历史阶段
回顾时空AI的演进历程，可大致划分为五个标志性阶段：
第一阶段（1960-1995）：经典时空模型。依赖人工采样与简单统计假设（如距离反比加权），方法经典但精度受限。
第二阶段（1995-2008）：时空模式挖掘。开始利用空间数据库技术，挖掘物体移动模式或商业选址的关联规则（如品牌门店的集聚效应）。我们团队于2017年提出了首个面向时空数据的专用机器学习算法框架。
第三阶段（2009-2016）：时空经典机器学习。典型案例如城市空气质量预测。2016年，面对严峻雾霾，传统物理模型预测精度仅约60%。我们通过融合多源大数据与AI技术，引入本地排放、区域传输及二次化学转化等领域知识，将预测精度提升至80%以上。该技术后续应用于全国300多个城市，累计节约污染治理费用超百亿元，并于2024年获得SIGKDD时间检验奖。这一突破的背后，除了深厚的行业知识，还有一份“念念不忘，必有回响”的坚持——关键算法灵感竟源于梦境。
第四阶段（2016-2030）：时空预测大模型。深度学习并非万能，但在处理大范围、多因素、海量数据的复杂时空预测问题上优势显著。以上海外滩踩踏事件反思为例，传统图模型难以刻画全市范围动态、长距离的人流相互影响。我们为此提出了首个面向时空数据的深度学习模型，并进一步发展出时空图卷积网络，能够精准预测区域间人流的转入与转出，为源头治理提供了决策依据。这项工作，我们又持续攻坚了六年。
第五阶段（2023-2035）：城市级大模型。单一模型无法应对复杂的城市系统挑战。此阶段的核心是跨领域、多源、多模态数据融合。真正的城市大模型，需要融合文本、语音、视频、时空轨迹等多种异构数据。这与常见的“单设备多模态”（如机器人融合自身传感器）有本质区别。城市治理需要主动思考：所需数据在何处？为何能与现有数据融合？如何实现有效融合？这极其复杂，却是真实世界的常态。
在此基础上，需构建“城市知识体系”，将数据转化为可操作的知识。最终形态将是“城市智能体”。其理念与“具身智能”高度契合：具备多模态感知能力、感知与行动紧密耦合、并能与环境持续交互、自主演进。可以说，城市计算是实现具身智能的方法论框架，而具身智能则是城市智能体的核心组件。未来，整个城市将成为一个“巨型的具身智能体”。需要澄清的是，具身智能不限于人形机器人，任何能与物理实体结合、具备感知-决策-行动闭环能力的AI系统，均属此范畴。
这个超级智能体如何运作？底层是城市感知神经网络，实现即时决策与广域协同。中层是自动化数据治理平台，处理结构化、非结构化及时空数据。上层则是针对三类数据专门优化的分析模型与大模型（而非直接套用通用大语言模型）。顶层是友好的人机交互界面与各类智能体（Agent），调用下层能力服务城市运行。决策执行后，效果反馈至物理世界，形成持续优化的增强闭环。
04 雄安新区：打造智能城市“未来样板”
这套理论体系在何处落地？答案是雄安新区。
雄安新区智慧城市的建设，正是以城市计算理论为基石，以“城市操作系统”为核心平台展开的。从蓝图构想到初见成效，我们走过了十六年。这恰恰印证，成就一件大事，三五年远远不够，可能需要十年奠基，十五年方能见到显著成效，需要长期的战略耐心与持续投入。
如今的雄安，基于城市操作系统构建的数字孪生平台，已接入消费、地铁、公交、政务、水电气热等全域实时数据。系统能够进行实时分析处理，提供精准服务。例如，当某路段发生交通事故，系统可瞬间模拟影响范围，并为周边车辆规划最优绕行路线。
在城市生命线管理方面，系统通过分析各区域用电负荷曲线，能智能制定分时电价策略以引导错峰用电，并预测负载变化趋势，实现配电设施的自动化扩容规划，防患于未然。在燃气管网监测中，AI算法能提前预警压力异常，自动调取周边摄像头视频进行复核，并派单给最近巡检人员处置，结果实时反馈回数字孪生系统，形成“监测-预警-处置-反馈”的管理闭环——实现“像管理游戏一样管理城市”。
从全域实时人流量监测与人口结构分析，到白洋淀景区每艘游船的实时状态监控与安全救援调度，雄安正在通过跨域多元融合技术，将城市打造成为一个能够实现“快速反应”与“深度思考”相结合的、真正的“具身智能”生命体。
时空人工智能，正为AI深度融入并改造物理世界提供至关重要的基础理论与技术支撑。这条路，前景光明但征途漫漫，任务艰巨。尤其在当前全球科技竞争格局下，前沿领域的角逐已然展开。未来十年，这场“科技竞赛”的结果将影响深远。最后，以一首诗词与诸位共勉：“多少事，从来急；天地转，光阴迫。一万年太久，只争朝夕！”
相关攻略
人工智能技术正为中国市场开启新的发展窗口。业界观点指出，AI在产业应用层面带来了切实机遇，其与制造业、医疗、金融等领域的融合不断深化。技术迭代与算力发展正推动传统行业数字化转型，而构建健康的技术生态与人才培养体系，将是把握这一机遇、实现可持续发展的关键。未来，人工智能有望在更广泛的场景中创造价值。
数字孪生技术作为驱动数字经济高质量发展的核心引擎，其应用版图正从智慧城市、智慧水利加速拓展至能源电力、交通运维、智慧仓储等关键领域。产业落地进程持续提速，市场规模年复合增长率超过30%——在这蓬勃发展的浪潮之下，一个严峻的现实挑战也浮出水面：行业专业人才缺口已超过百万大关。 特别是那些既精通三维可视
在刚刚结束的一季报业绩说明会上，中芯国际联合CEO赵海军向市场传递了明确的乐观信号。基于当前清晰的客户需求与在手订单状况，公司对今年整体运营情况的展望，较上一季度显得更为积极。 这份乐观并非空xue来风，其背后是多重动能的强劲支撑。首要驱动力，无疑是人工智能浪潮对配套芯片的强劲需求，直接导致了公司电
机器人连续运行超过30小时无需停机——这并非科幻情节，而是正在直播中真实呈现的工业自动化突破。 据《科创板日报》15日报道，Figure公司创始人布雷特·阿德科克正式宣布，其最新一代F 03机器人已在公开直播环境下，实现了超过30小时的不间断作业。尤为关键的是，在整个运行周期内，系统未发生任何计划外
据《科创板日报》独家披露，百度近期对其人工智能业务的组织架构进行了一次重要升级，核心举措是成立了全新的“百度模型委员会”（Baidu Model Committee，简称BMC）。 据悉，该委员会成员以对AI大模型技术有深刻理解和前瞻视野的年轻研究员为主。在组织架构上，百度的基础模型研发部（BMU）
热门专题
热门推荐
Mac自带的“预览”应用可便捷调整图片尺寸。通过“调整大小”工具精确修改像素，勾选“比例缩放”避免变形。使用“裁剪”工具框选区域以改变有效显示尺寸。利用“导出”功能可生成指定尺寸的副本而不影响原图。
航天计算技术正迎来一次里程碑式的升级。美国国家航空航天局（NASA）近日联合美国微芯科技公司（Microchip），正式启动了名为“高性能航天计算”的研发项目。该项目的核心目标，是研制一款片上系统（SoC），其运算性能预计将达到当前航天专用处理器的百倍以上。 根据NASA的规划，这款高性能航天芯片将
在银河麒麟系统上，若游戏或图形应用出现卡顿、帧率低或崩溃，可能是未开启Vulkan硬件加速。针对不同显卡，可采取相应方法启用。对于AMD或Intel集成显卡，可通过终端安装并验证mesa-vulkan-drivers包；对于已安装NVIDIA专有驱动的用户，需确保系统正确加载VulkanICD文件。操作主要适用于银河麒麟桌面操作系统V10及后续版本。
在银河麒麟操作系统上构建高效数值计算与数据分析平台，Julia语言凭借其脚本语言的易用性与编译语言的高性能，成为科学计算领域的理想选择。若您已完成麒麟系统的基础配置，但发现Julia环境尚未就绪，这通常是由于系统未预装或缺少关键依赖库所致。本文将系统梳理在银河麒麟OS上安装Julia语言的几种主流方
Mac连接多显示器后，需在系统设置的“显示器”选项中调整逻辑排列以匹配物理布局。拖动屏幕缩略图对齐实际位置，关闭“镜像显示器”以启用独立排列与分屏功能。可设定主显示器并进行微调，通过快捷键或拖拽窗口实现流畅分屏操作。