春节期间,上海南京路步行街人头攒动,游人如织,在百年历史建筑南京大楼的三楼,一位顾客被窗外的繁华景象所吸引,打开窗户,将手机探出窗外拍照,但他可能不知道这一举动将对楼下来往的人群带来高空坠物风险隐患,同时南京大楼数字孪生系统也第一时间检测到开窗行为所带来的隐患,自动向店内保安手环告警,此时整座大楼的数字生命体征也产生了影响。当保安前往现场处置后,数字孪生系统随即显示窗户关闭,大楼生命体征恢复至健康状态。这是上海以一栋楼为城市最小管理单元,对城市数字化治理转型的最新探索与创新实践。
这次重要探索与实践成果在2月25日的上海城市最小管理单元数字治理成果发布会上正式对外阐述并演示。本次发布不仅是上海进一步探索夯实街镇村居等基层的精细化管理水平,也是城市智能体在上海落地的首个创新场景;多方代表共同参与了本次发布仪式,宣布未来将携手打造100个上海城市智能体创新场景,发展100个城市数字化转型伙伴,从城市数字化治理切入,带动经济与生活数字化,全面推动城市数字化转型。
— 发布仪式新闻照片 —
“城有千万楼,楼是最小城”。截至目前,上海市有600多万辆动车、480万栋建筑物,4.75万幢高层建筑,24万台电梯等,这些都是城市运行管理中的最小单元。作为全国“一网统管”建设的引领者,上海一直在积极探索城市数字化转型下的数字治理新理念与新方法。如何让更多政府管理资源和社会资源有效集成、共享、融合,是摆在上海推进数字化治理面前的首要问题。
在上海市城运中心的指导下,黄浦区与华为联合创新,选取南京大楼作为城市数字治理最小管理单元进行试点,基于城市智能体参考架构,融合华为云、大数据、AI、边缘计算、5G等多种先进技术,共同打造了1:1“活”的大楼数字孪生。该系统在静态建模基础上,通过叠加多维实时动态数据,支持以生命体、有机体这样的视角对大楼进行感知和管理,并且构建了系统化的数字生命体征,实现城市运行管理的实时预判、实时发现、实时处置。
黄浦区高楼林立、商业繁荣、人口密集,作为特大城市的中心区域,城市治理工作面临新挑战、新机遇。本次创新实践通过解剖楼宇这个城市最小管理单元,优化闭环管理机制,积极探索政府与市场主体有机联动的城市数字治理新道路。例如,春节期间的南京大楼顾客盈门,黄浦区城运中心感知到客流量已达中高风险等级,随即发布大客流预警,同时向南京大楼数字孪生系统发送配套处置通知。店内安保经理通过手环收到消息,立即组织安保人员,配合启动客流管控预案。安保经理落实相关处置后,向区城运平台反馈形成闭环。这呈现出了政府和市场主体之间上下贯通、相互联动的协同工作模式,实践了从岗位责任闭环、市场主体闭环、城运闭环、应急处置闭环到两网融合闭环的“五级闭环”管理新机制。
作为城市最小管理单元,南京大楼的市场主体既是本次创新实践的实践者也是受益者,通过大楼数字孪生系统解决了市场管理的日常需求,提升自身管理水平,并在城市治理中发挥积极作用,实现社会利益与市场利益的双赢。例如,消防安全是市场主体管理的重中之重,南京大楼内部有众多会议室、电梯间等封闭区域,存在由吸烟、线路老化等引起的消防隐患,通过数字孪生系统能及时识别并产生告警,利用手环通知店内保安前往现场处置。南京大楼作为南京路步行街的重要商铺,也承担着门前管理责任,包括维护市容市貌,制止共享单车违停、堆物等,如今大楼数字孪生系统能智能识别这些场景并推送告警给保安,以便第一时间处理,完成闭环。
基于城市智能体建设,使用数字化、智能化的手段支持城市运行管理活动中的各级主体责任层层压实,从而实现城市数字化转型下的精细化管理新模式。在这种创新模式下,实现从一栋楼到一条街、一个区、一座城,真正做到“人民城市人民建,人民城市为人民”的重要理念,谱写新时代人民城市建设的新篇章,向世界展现“中国之治”新境界。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。