王家耀院士谈AI与地信

　　1956年8月，约翰.麦卡锡、马文.闵斯基、克劳德.香农、艾伦.纽厄尔、赫伯特.西蒙等人聚在达特茅斯学院召开了一场长达两个月的学术会议，...

　　1956年8月，约翰.麦卡锡、马文.闵斯基、克劳德.香农、艾伦.纽厄尔、赫伯特.西蒙等人聚在达特茅斯学院召开了一场长达两个月的学术会议，主题是“用机器来模仿人类学习及其他方面的智能”，虽然没能达成共识，但为会议讨论的内容取了一个名字:“人工智能”。

　　时隔63年的今天，地图学与地理信息工程专家、中国工程院院士王家耀以“人工智能：地理信息产业高质量发展的核心驱动力”为题做了一场报告。在2019山东省地理信息产业大会间隙，王家耀院士向泰伯网谈起他对人工智能、地理信息以及智慧城市的看法。

　　“地理信息产业一定要走出去，不能完全依赖政府部门，要充分走向市场，适应市场需求，必须要用新理念、新思维、新方法，一切为了服务，要有大数据、互联网、人工智能思维。”

　　据中国地理信息产业协会副会长汤海介绍，目前大量地信单位集中在传统的测绘数据采集和处理方面，企业规模小而散，集中度不高。同时，产业收入80%以上来源于政府项目或政府投资拉动。

　　近几年的地信产业，越发感受到来自外部的压力。尤其是今年，冲击来的太过猛烈：阿里买了千方、建了时空数据云平台，华为拿到甲级测绘资质、“鸿蒙”系统兼顾自动驾驶，滴滴“顺手”就把车站、机场的三维建模给做了甚至有从业者对泰伯网表示，其所在的老牌地信公司遭遇了“20年来最差的形势”。

　　地理信息仍然以智慧城市、数字政府等To G为主， 但To G业务的智慧化要求正不断提高，竞争前所未有的激烈。

　　智慧城市建设中，有互联网企业BAT，原智能厂商华为，也有金融行业起家的平安，服务器存储出身的浪潮，甚至制造业起家的海信、海尔等也已入局。而人工智能，也是他们智慧城市解决方案中必不可少的元素。

　　AI企业也将智慧城市作为落地的最佳场景，政府订单是“AI四小龙”等初代人工智能企业的主要收入来源。无论商汤的深度学习超算平台“商汤超算中心”，旷视的城市级物联网操作系统，云的人脸感知智能公共服务，还是依图的AI视觉中枢，都是服务于智慧城市的AI解决方案。

　　根据北京清华大学发布的《中国人工智能发展报告2018》显示， 2017年全球人工智能投融资总规模达395亿美元，融资事件1208笔，其中中国的投融资总额达到277.1亿美元，融资事件369笔，分别占全球的70%和31%。

　　数据的对比是惊人的。根据北京市经济和信息化委员会发布的《北京人工智能产业发展(2018)》，截至2018年年底，全国人工智能企业4040家，拿到风险投资的公司仅有30%。剩下的70%，倒闭清算大概率只是时间问题。

　　CB Insights数据显示，2018年全年,近90%的人工智能公司处于亏损状态，10%赚钱的企业基本是技术提供商。而据IT桔子等数据源显示，2014年至2018年，中国人工智能领域共发生126起退出事件，数量仅为同时期的投资事件的1/20。其中，IPO退出占四成，回报仅为1.83倍。

　　即使是互联网老牌大厂百度，在选择All in 人工智能之后，也是压力重重。面对“烧钱”且变现路径超长的AI领域，百度不得不“以投入换增长”。2019年，百度研发投入突然加速，一季度研发支出为人民币42亿元（约合6.21亿美元），同比增长26%，二季度研发支出为47亿元，同比增长17%。

　　但王家耀院士也表示，目前智慧城市缺乏一个核心，各家有各家的平台，甚至一个城市有好几个“大脑”，各地、各部门不同的建设标准不仅造成重复建设、资源浪费，也使后期应用落地面临各种难题。

　　时空大数据，即基于统一的时空基准（空间参照系统、时间参照系统），活动（运动变化）于时间和空间中与位置直接（定位）或间接（空间分布）相关联的大数据。由时空框架数据（基础地理时空数据）和时空变化数据（通常说的“大数据”）融合而成。

　　建立统一的共用（通用）时空大数据平台，在平台上融合水利、旅游、多规合一等各类专业数据，可以解决智慧城市缺乏统一时空大数据平台的问题。因此，必须建立国家大数据中心体系，一个地方（省）只能有一个大数据中心，一个城市只能有一个时空大数据中心，纵向贯通、横向互联。

　　但现在，这一工作还处于起步阶段。目前大型智慧城市项目基本被HATP等信息企业或互联网企业拿到，他们对时空大数据的了解还不够深入，因此在一些方案中，时空大数据仍未能发挥出应有的效果。

　　事实上，从政府部门到企业，多数项目主导者已经意识到时空大数据在智慧城市建设中的重要作用。正因如此，在智慧城市相关的业务领域中，人工智能产业与地理信息产业正在相互“纠缠”，有很多项目覆盖范围几乎是重叠的。所以人工智能和信息技术见长的信息、软件、互联网公司正在努力了解GIS（这也是地信产业感觉被“入侵”的原因），而地理信息企业也在业务中不断融入人工智能。

　　但有趣的是，尽管吃的是“同一块”蛋糕，双方对对方的领域理解似乎仍不够深入。仿佛隔着一道铁丝网，看得见、摸得到，但是深入交融却很难。

　　地信企业的不少业务中都融入了AI元素，努力打破地理信息的行业壁障。但对于部分智慧城市项目的甲方而言，这种智能的程度似乎还不够。有从业者对泰伯网表示：“我们对智慧城市的理解，能做到的事情，比起互联网企业还有很大差距。地理信息的确是智慧城市的构建基础，但最终还是要解决老百姓的生活问题，我们之前做的东西和大众没有直接关系，但巨头们早已深入民众生活的方方面面，出发点就不一样。” 目前市场上多数“GIS+AI”开发的产品，与需求方所期待的“完美”还有很大距离。

　　而跨行做GIS对其他企业来说也不是那么容易，即使通过人才引入等方式最终可以解决，但也需要很长一段时间。

　　华为在智慧城市建设中遇到了几个关于GIS的问题，就让他们相当头疼。比如在构建智慧城市整体方案时，华为发现各个部门给出的GIS底图，由于关注重点的不同，使用的数据体系各不相同，数据很难统一。此外，由于各个企业的技术引擎和数据标准不同，华为和GIS企业的合作也有一定困难。

　　类似的问题不仅出现在华为身上。合作共赢，是双方都在努力推进的方向，但许多问题似乎并不是单纯企业层面能够解决的。

　　王家耀院士表示，目前在行业与行业之间、部门与部门之间仍存在壁垒，形成了很多数据孤岛，这个问题必须要解决。

　　这并不是单纯的技术问题，更多需要扭转理念，思想理念问题如果解决不了就很难推进。此外，有些企业在投标智慧城市项目时拿出来的方案非常没有个性，城市与城市之间的设计都很相似，甚至直接把另一个城市的方案拿来套用，缺乏地方特色，不利于城市良性发展。

　　王家耀院士认为，智慧城市是个非常复杂的系统，要从顶层设计和分项目设计理清脉络，这需要比较长时间的调查研究过程，但必须要有决心和魄力去做，要有执行力贯彻上层政策。同时，业内也希望能有相关政策出台，牵头政产学研一体化，基于时空大数据平台做出最顶层设计，发布智慧城市的统一标准规范。

　　以1956年达特茅斯会议为起点，人工智能领域有过十几年的繁荣阶段，被称为“推理期”。这一时期出现了机器定理证明、四色定理、机器学习、模式识别四大成果，但定理证明不具普遍性加上自然语言理解的难关导致人工智能进入了第一次寒冬。

　　此后，人工智能进入“知识期”，大批利用计算机化的知识进行自动推理的专家系统涌现。1977年的第五届人工智能大会上“知识工程”这个全新领域出现，在其刺激下，日本、英国、西欧、美国和中国(863)计划陆续推出。大量的知识输入工作成为“知识期”继续发展的限制因素，直至机器学习概念的推出解决了这一问题，人工智能也转入“学习期”，机器学习成为人工智能的主流。

　　在王家耀院士看来，地理信息产业和人工智能产业的发展历程颇为类似，同样经历了三个阶段，只是稍微滞后一些。

　　我国自20世纪70年始计算机数字地图制图的试验，当时的难题是如何将已出版的纸质地图数字化和怎样用计算机控制的绘图机将数字地图绘在纸质载体上。20世纪80年代初到90年代中期的十余年间，出现了国内外地图制图专家系统研究热潮，一批国内外专家的研究成果涌现，处于“知识期”。

　　此后的十多年间，地图制图专家系统热潮已不存在，之前研究的制图专家在地图制图生产中基本未得到应用，原因在于“地图制图知识工程瓶颈”问题没有解决。好在进入21世纪以来，结合人工智能等新一代信息技术后出现了好的转机，学者取得了有代表性成果，企业也在尝试相关应用的研发，地理信息产业进入智能化发展阶段。

　　地理信息产业智能化的核心是“智能”，智能的核心是知识，而知识的核心是如何获得知识，知识就是地理信息产业智能化的力量源泉。从GIS工作流、服务链的角度看，知识涉及数据获取、存储管理、数据融合、数据分析、数据挖掘、可视化、知识决策支持等各个环节。

　　机器学习，是解决地信产业智能化中“知识工程瓶颈”问题的有效途径，二者结合将加速时空大数据产业化进程。

　　算法、数据和算力是人工智能发展的三大要素，随着智能感知技术的快速发展，时空大数据已出现爆炸式增长态势，为时空大数据产业化提供充足的数据支撑；随着计算机技术的快速发展，适应时空大数据产业化需求的计算能力已经完全具备；需要人们更加关注的是算法研究，特别需要加强多源异构时空大数据融合、分析、挖掘与知识发现、可视化等方面的算法研究。

　　从传统地理信息产业、数字地理信息产业到智慧地理信息产业，地信产业的发展潜力巨大。中国地理信息产业发展报告（2019）显示，我国地理信息产业2018年产值为5957亿元，同比增长率约为15%，潜力巨大。图像识别、语音识别、文字识别这些人工智能中已经相对成熟的技术，可以在地理信息产业的各个环节发挥巨大作用，也将为人工智能提供更丰富的商业场景。

　　王家耀院士表示，地信产业现在的服务场景是碎片化的，时空大数据还有极大潜力有待挖掘，与监管领域以及工业、农业等传统产业都可深度结合。目前许多应用仍然比较表面，模式也相对单调，随着地信与人工智能结合的不断深入，基于时空大数据平台，应用场景将更加具体。

　　产业若要长期高质量发展，必须主动“跨界融合”，运用人工智能的方法，智能感知、融合海量信息，才能实现从“狭义的地理信息产业”向“时空大数据产业”或“广义地理信息产业”的转型升级，优化整合产业链上游中游下游，形成规模效应。同时，地信产业必须摆脱对政府部门的依赖，要充分走向市场，适应市场需求，必须要做大手术，运用新理念、新思维、新方法，以服务为先。

　　钱学森先生早在1984年9月1日给戴汝为的信中就有精僻的分析，指出“外国人工智能工作，似乎急于求成，而基础理论工作不扎实。” 20世纪80年代，AI开始探索商业化，之后的30年里基础研究一度停滞不前，没有任何重大的概念进步。而以往积累的红利，正在逐步消耗殆尽。以机器视觉为例，神经网络算法在这一领域的潜力基本已经被开发殆尽，雷同的技术也让其渐成红海，企业竞争更加激烈且同质化。

　　就地图制图而论，它本是一种极具创造性的工作，是一个十分复杂的思维过程，逻辑思维（抽象思维）、形象思维、灵感思维并存，其中的基础理论、方法和技术问题，只有通过持久的、扎扎实实的研究工作才能逐步解决，不能完全交给人工智能。

　　人工智能将为解决地理信息的核心技术问题开启“加速度”，而地理信息产业也将成为人工智能最大的落地场景之一，或者至少可以一定程度上延缓泡沫的破裂，给基础研究留出更多的时间。

　　但前提是，要吸取以往产业发展的经验和教训，不可用短期的商业变革替代长期基础研究，否则人工智能和地理信息的“停滞”，仍可能再次“出现”。

　　第一时间获取位置服务与空间信息领域新鲜资讯、深度商业资本观察，请在微信公众账号中搜索「泰伯网」or「」，或用手机扫描左方二维码，即可获得泰伯网每日精华内容推送和最优搜索体验，并参与编辑活动。

　　泰伯智库是泰伯研究院的在线服务平台。泰伯研究院是中国领先的空间科技商业研究与咨询机构，主要从事政策与产业、投资与融资、技术趋势、行业应用、以及企业对标等方面的研究。联系电线。