文章核心观点 - 时空AI是人工智能进入物理世界、发挥巨大产业价值的基础理论和关键技术，但其发展面临数据稀缺、模型能力弱、方案闭环难三大核心挑战 [1][4] - 城市计算可作为实现具身智能的方法论和计算框架，而具身智能将成为城市计算的核心组件，未来城市有望成为一个“巨大的具身智慧体” [3][35][36] - 时空AI的发展道路漫长且艰难，需要长期攻坚关键技术和基本理论，但其应用前景光明，在智能城市建设等领域已展现出巨大价值 [22][40] 时空AI的定义与重要性 - 时空AI是基于时间和空间维度观测，以带有时空属性的数据为主要描述，通过与物理世界动态交互和循环反馈，来感知、理解、影响和掌控物理世界中物体行为和自然现象的人工智能理论、机器学习方法和数据挖掘技术 [12] - 人工智能过往的成功主要集中在虚拟世界，但要发挥巨大的产业价值，必须进入物理世界，即问题和数据都来自并反馈于物理世界，如具身智能、无人驾驶、城市应急管理等 [3][6][7] 物理世界与虚拟世界的核心差异 - **空间约束**：包括江河、湖泊、海洋、山川、道路等无法穿越的实体 [15] - **物理规律**：包括力学规律、能量守恒定律、星际运行法则等 [16] - **物种行为**：包括动物迁徙、人类活动、生物繁衍等 [17] - **运行法则**：包括城市运行管理、交通管理规则、航空运输法则等 [18] - 这些差异叠加，使得物理世界的AI交互非常复杂，需要形成“观测-建模-反馈-执行”的完整闭环，并涉及大量人力因素 [19] 时空AI面临的三大挑战 - **数据稀缺体量小**：传感器不可能遍布任何地方，数据不能无时无刻获得，且采集成本高、周期长 [4][9][19] - **模型时空能力弱**：许多物理规律未知、观测方法有限、人为因素不确定，三者叠加导致时空AI建模非常困难 [4][22] - **智能方案闭环难**：需要完成从物理世界观测到数字信号，再经建模、人工修订反馈，最终执行回物理世界的完整闭环，过程复杂 [4][19] 时空AI的关键特性与解决思路 - **时间属性**：包含临近性、周期性、趋势性等特性，例如交通流量的相似性与变化趋势 [20] - **空间属性**：包括空间距离、空间层次及地理学第一定律等特性，例如城市从市到房间的空间层次感 [20] - 解决思路在于对观测数据中的时空属性进行提炼和理解，并将这些属性运用到AI模型中，以降低复杂度、提升效率 [20][22] - 即便许多规律未知，仍可通过在观测的时空数据与执行的时空动作之间建立映射，利用已知物理规律和时空数据特性来部分解决问题 [23] 时空AI的发展历程与阶段 - **第一阶段 (1960-1995) 时空经典模型**：基于少量人工采样数据和经典假设（如距离反比差值）进行简单统计，方法至今仍有部分应用 [26] - **第二阶段 (1995-2008) 时空模式发掘**：开始利用空间数据库技术进行时空关联规则和模式发掘（如商业网点分布），但初期未充分考虑时间特性 [27][28] - **第三阶段 (2009-2016) 时空经典机器学习**：通过经典机器学习模型结合时空特征工程解决实际问题，例如将城市空气质量预测精度从60%提升至80%以上 [29][30] - **第四阶段 (2016-2030) 时空大模型**：为解决复杂问题（如城市人流预测）提出了面向时空数据的深度学习模型，进入时空大模型阶段 [32][33] - **第五阶段 (2023-2035) 城市大模型**：强调跨域多源多模态数据融合与城市知识体系构建，是时空AI走向产业级应用的关键 [34][35] 时空AI的应用实践与价值 - **空气质量预测**：通过大数据和AI方法，将中国城市空气质量预测精度提升20%以上，帮助300多个城市节约了100多亿的污染治理费用 [30] - **城市人流与安全预测**：为解决外滩踩踏事件等公共安全问题，开发了时空图卷积模型，能预测区域间人流转入转出，实现源头治理 [32][33] - **智能城市建设（雄安案例）**：以城市计算理论为支撑，构建城市操作系统，整合消费、交通、政务、水电气热等实时数据，提供交通事故影响分析、绕行推荐、用电负荷分析、燃气管网异常预警与处置、景区安全管理等服务 [39][40] - 在雄安案例中，通过AI检测燃气管网异常并预警后，系统可调取物理摄像头验证，并派单给最近的工作人员处理，结果实时反馈形成管理闭环 [40] 时空AI的技术框架与成效 - 团队深耕时空AI领域二十年，形成的方法论包括：洞悉时空规律特性、设计时空AI建模方法（经典时空特征工程+经典机器学习 或 时空表征学习+时空深度学习）、提供时空AI机器学习框架 [24] - 应用该体系可将模型复杂度降低90%，算法精度提升20%，研发效率提升100% [24] 城市计算与具身智能的关系 - 城市计算可作为实现具身智能的方法论和计算框架，而具身智能可以成为城市计算整体中的一个核心部件 [35] - 具身智能并非特指人形机器人，而是所有AI与物理世界实体结合、能满足自我迭代演进特性的智能体，未来整个城市可成为一个巨大的具身智能体 [36][40]

政策核心内容 - 国家五部门发布《深化智慧城市发展 推进全域数字化转型行动计划》，旨在推进城市全域数字化转型 [1] - 政策总体要求到2027年底，数据赋能城市经济社会发展取得明显进展，建成50个以上全域数字化转型城市 [1] - 到2035年，目标涌现一批具有国际竞争力、全球影响力的现代化城市 [1] 具体发展目标 - 2027年目标包括“高效处置一件事”覆盖城市运行重点事件，“高效办成一件事”覆盖高频民生事项 [1] - 超大特大城市将率先建成智慧高效治理新体系，落地一批先进可用、自主可控城市大模型 [1][5] - 数字经济将成为城市发展新动能，在智慧高效治理、便捷普惠服务等重点领域取得突破性进展 [1] 产业融合方向 - 加快培育数据要素市场，推进数据产业与低空经济、无人驾驶、具身智能等数据密集型产业融合发展 [1][2] - 政策将城市作为“创新试验场”，为前沿产业开放和打造城市级应用场景 [2][3] - 通过构建融合创新生态，打破传统产业边界，催生跨产业聚变效应，例如低空经济与具身智能在物流调度上的结合 [4] 数据要素与基础设施建设 - 强调将数据作为核心生产要素，加快培育数据要素市场，打通数据壁垒以促进高效流通与汇聚 [3] - 推动智能化路侧基础设施和云控基础平台建设，提升车路协同水平，加速无人驾驶技术成熟 [3] - 政策提出建设推理算力、推动公共数据融合应用，以抓住技术窗口期 [7] 全域数字化转型内涵 - “全域数字化转型”指城市治理在横向上全面打通，通过统一数字基础设施实现业务协同和数据贯通 [5][6] - 强调城市功能的纵向深度融合，推动数字经济、数字治理、数字生活各领域全面数字化 [6] - 目标是让数字化像血液一样流遍城市每个角落，形成有机的“智慧生命体” [6] 城市大模型特点 - 城市大模型是专为城市治理打造的垂直领域大模型，区别于知识面广但缺乏深度的通用大模型 [6] - “先进可用”体现在能深度融合城市特有数据并提供精准场景化能力，如优化交通调度和预测人流 [6] - “自主可控”强调核心技术的安全性与自主性，确保城市运行数据的安全可靠，避免受制于人 [6] 政策层级关系 - 《行动计划》被视为将“十五五”规划建议在城市发展落地生根的“启动键”和“加速器” [2][7] - 与之前发布的《指导意见》形成“战略蓝图”与“战术手册”的关系，《行动计划》是行动深化和具体施工图 [7] - 政策设计体现了与“十五五”规划建议的战略协同，确保城市数字化转型与国家产业发展战略同频共振 [7]

政策核心与战略定位 - 国家发展改革委等五部门发布《深化智慧城市发展推进全域数字化转型行动计划》，旨在将“十五五”规划建议在城市发展层面落地 [1] - 该计划被视为产业与城市数字化转型深度融合的“启动键”和“加速器”，其深层信号显示未来产业发展将更依赖于智慧城市提供的最优发展环境 [1] - 计划与“十五五”规划建议高度重合，体现经过精心设计的战略协同 [1] 产业发展逻辑与核心路径 - 将城市作为“创新试验场”，为低空经济、无人驾驶、具身智能等前沿产业开放和打造城市级应用场景，例如通过推动智能化路侧基础设施提升车路协同水平 [2] - 将数据作为“核心生产要素”，加快培育数据要素市场以打通数据壁垒，促进高效流通，为数据密集型产业提供高质量数据喂养 [2] - 构建“融合创新生态”，打破传统产业边界，催生聚变效应，例如实现低空经济与具身智能的“空地一体化”物流调度，培育新质生产力 [3] 具体目标与关键指标 - 计划目标到2027年底建成50个以上全域数字化转型城市，超特大城市率先建成智慧高效治理新体系 [4] - 将落地一批先进可用、自主可控的城市大模型 [4] 全域数字化转型与城市大模型内涵 - “全域数字化转型”是质的飞跃，指通过统一数字基础设施实现城市治理横向全面打通和全过程业务协同，推动数字经济、治理、生活各领域全面数字化 [4] - 城市大模型是专为城市治理打造的垂直领域大模型，区别于知识面广但缺乏城市深度理解的通用大模型 [5] - “先进可用”体现在能深度融合城市特有数据并提供精准场景化能力，如模拟暴雨后积水点并优化救援路径 [5] - “自主可控”强调核心技术的安全性与自主性，确保城市运行数据安全可靠，避免核心模型受制于人 [5] 政策演进与技术窗口 - 《行动计划》与2024年发布的《指导意见》是“战术手册”与“战略蓝图”的关系，前者是行动深化和具体施工图，明确了更近期目标和更具体量化指标 [6] - 人工智能与数据要素市场化等技术的迅猛发展，为城市全域数字化转型提供了更成熟、更经济的工具，《行动计划》明确提出建设推理算力等以抓住技术窗口期 [6]