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
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。