智慧城市管理新纪元：京东郑宇畅谈游戏化治理未来

12月12日，第八届GAIR全球人工智能与机器人大会在深圳开幕。作为观测AI技术演进与产业变迁的关键窗口，本届大会聚焦于一个核心议题：大模型技术如何从“破壁”走向“深耕”，创造真实可见的产业价值。

会上，京东集团副总裁、首席数据科学家郑宇教授进行了深度分享。他指出，人工智能过往的成就多集中于虚拟世界，而真正的产业价值必须落地于物理世界。基于此，他系统阐述了“时空AI”作为连接虚拟与物理世界桥梁的关键作用，并以雄安新区的实践为例，描绘了未来城市作为“巨型具身智能体”的蓝图。

01 何为时空AI？

“时空AI”这一概念，凝聚了我们团队近二十年的研究。为何现在将其作为明确议题提出？原因有二。

首先，AI要真正进入物理世界，必须理解“时空”这一基本框架，而现有算法在此存在明显瓶颈。其次，业界也在同步探索，例如李飞飞院士从视觉角度提出的“空间智能”概念。这表明，时空正成为AI攻克物理世界的前沿阵地。

那么，什么是时空AI？不妨审视AI当前的“主战场”。无论是大语言模型，还是文生图、图生文，其成功应用的数据和问题都集中在虚拟世界。这固然重要，但远远不够。

即便某些技术涉及物理世界感知，如VR游戏的体感设备、数字人的表情捕捉，其最终目的仍是优化虚拟体验。问题的起点和终点，依然在虚拟空间。

因此，一个共识正在形成：人工智能要释放巨大的产业价值，必须完成一次“跨界”——真正进入物理世界。这意味着，问题的发现、数据的采集、模型的构建乃至最终的决策反馈，都需在物理世界中形成闭环。无人驾驶、城市应急管理、具身智能，都是这条路径上的探索。

02 时空AI的三大挑战是什么？

理想虽丰满，道路却绝非坦途。AI进入物理世界，至少面临三重严峻挑战：

第一，数据稀缺且获取成本高。物理世界广袤无垠，传感器无法覆盖每个角落，数据也难以全天候无间断采集。更现实的问题是，部署和维护传感器的成本极高，周期漫长。

第二，领域知识壁垒与跨域融合难。解决物理世界的问题，往往需要深厚的行业知识积累。更棘手的是，单一领域的数据常常不足，需要融合交通、气象、能源等多源异构数据，这对模型的跨域理解能力提出了极高要求。

第三，模型缺乏时空感知与建模能力。现有的主流AI模型，无论是处理文本还是图像，其设计初衷并未充分考虑时间和空间属性。如何让模型学会理解“何时”、“何地”以及“如何变化”，是一个根本性的技术难点。

今天，我们重点剖析第三个挑战。无论是称为“空间智能”还是“时空AI”，其本质相通。区别仅在于感知手段（摄像头、遥感或地面传感器）和观测尺度不同，但感知对象都是这个自带时空属性的物理世界。

为此，我们尝试给出一个定义，供大家探讨：时空AI，是指基于时空维度的观测，以带有时空属性的数据为主要描述，通过与物理世界的动态交互和循环反馈，来感知、理解、影响乃至掌控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。

这个定义点明了物理世界与虚拟世界的根本差异，主要体现在四个方面：不可逾越的空间约束（如山川道路）、不可违背的物理规律（如能量守恒）、复杂多样的物种行为以及人为制定的运行法则（如交通规则）。这些差异，正是AI模型需要学习和建模的核心。

在物理世界中，我们习惯用“时间+空间”来定位一切。交互方式也更为复杂：从观测物理世界获取信号，到建模分析，再将结果反馈给人进行修订，最终执行决策作用于物理世界，形成一个包含“人”这一关键因素的闭环。人的参与和不确定性，使得整个交互过程异常复杂。

面对数据不完备的困境，我们的破题思路是：深度提炼和理解观测数据中的时空属性。

时间属性包括临近性（如今天早高峰与昨天早高峰的相似性）、周期性（如每周一的通勤模式）和趋势性（如随着季节变化，早高峰时间逐渐推迟）。

空间属性则更为丰富，包括空间距离、层次结构（如市、区、街道、楼栋的层级关系），以及地理学第一定律（即万物皆相关，相近的事物关联更紧密）。

将这些属性融入AI模型，能显著提升效率、降低复杂度。然而，即便掌握了时空特性，挑战依然存在：大量物理规律尚未被完全认知；观测手段有限导致数据缺失；以及无处不在的人为因素干扰。三者叠加，让时空AI的建模之路困难重重。

因此，对于AI在物理世界的应用，需要抱有清醒的认知。这绝非一蹴而就，不可能像某些新闻渲染的那样“日新月异”。底层理论的突破需要时间，可能需要数十年的持续投入。前途光明，但道路曲折。

难道因为困难就止步不前吗？当然不是。我们完全可以在现有认知框架内，先解决一部分问题。

核心思路是：在观测到的时空数据与需要执行的时空动作（如开关红绿灯、调度车辆）之间，建立有效的映射关系。即便无法知晓所有规律，但充分利用已知的物理约束和时空数据特性，依然可以构建出更精准、更简洁的模型，让AI更好地理解世界。

沿着“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里，逐步构建起一套方法论体系：首先是洞悉时空规律特性；其次是设计两类建模方法——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。实践表明，这套体系能将模型复杂度降低90%，算法精度提升20%，研发效率翻倍。

03 时空AI已走过五大阶段

回顾时空AI的发展，大致经历了五个标志性阶段：

第一阶段（1960-1995）：时空经典模型。依赖人工采样和简单统计假设（如距离反比加权），方法虽经典但精度有限。

第二阶段（1995-2008）：时空模式发掘。开始利用空间数据库技术，发现物体轨迹中的移动模式或商业选址的关联规则（如麦当劳与肯德基常相邻）。我们团队在2017年提出了首个面向时空数据专用的机器学习算法框架。

第三阶段（2009-2016）：时空经典机器学习。一个典型案例是城市空气质量预测。2016年，面对全国性雾霾，传统物理模型预测精度仅60%。我们通过融合大数据与AI，引入本地排放、外部扩散及二次化学反应等行业知识，将精度提升至80%以上。这项技术后来应用于全国300多个城市，累计节约治理费用超百亿元，并于2024年获得SIGKDD时间检验奖。这个突破的背后，除了扎实的行业知识，还有一点“念念不忘，必有回响”的坚持——关键思路竟是在梦中获得的灵感。

第四阶段（2016-2030）：时空大模型。深度学习并非万能，但在处理空间跨度大、因素复杂、数据量巨大的问题时优势明显。以上海外滩踩踏事件的反思为例，传统图模型难以刻画全城区域间动态的、远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，进而发展出时空图卷积网络，能精准预测区域间人流的转入转出，为源头治理提供了可能。这项工作，我们又攻坚了六年。

第五阶段（2023-2035）：城市大模型。单一模型无法解决复杂的城市问题。这一阶段的核心是跨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、时空轨迹等异构数据。这与常见的“单域多模态”（如机器人融合自身多种传感器数据）有本质不同。城市治理需要主动思考：所需数据在哪？为何能与现有数据融合？如何融合？这极其复杂，却是真实世界的常态。

在此基础上，需要构建“城市知识体系”，将数据转化为可用的知识。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、感知与行动紧密耦合、并能与环境持续交互、自我演进。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，整个城市就是一个“巨大的具身智能体”。这里要澄清一个概念：具身智能不等于人形机器人，任何能与物理实体结合、具备感知-行动闭环能力的AI系统，都属于具身智能范畴。

这个超级智能体如何运转？底层是城市感知网络，实现即时决策与广域融合。中层是自动化数据治理体系，处理结构化、非结构化、时空数据。再往上，是针对三类数据专门优化的分析模型与大模型（而非简单套用LLM）。顶层则是友好的人机交互界面和各类智能体（Agent），调用下层能力服务城市运行。决策执行后，效果反馈回物理世界，形成持续优化闭环。

04 雄安新区正在成为智能城市“新样本”

这套理论在哪里落地实践？答案是雄安新区。

雄安智能城市的建设，正是以城市计算理论为支撑，以“城市操作系统”为平台展开的。从构想到初见成效，我们走了十六年。这恰恰说明，做成一件大事，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，需要长期的耐心与支持。

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、水电气热等全量实时数据。系统能实时分析处理，提供精准服务。例如，当A点发生交通事故，系统可瞬间判断影响范围，并为周边车辆规划最优绕行路线。

在水电气热等城市生命线管理上，系统通过分析各区域用电负荷，能智能制定电价策略引导错峰用电，并预测负载变化实现配电设施自动化扩容，防患于未然。燃气管网中，AI算法能提前预警异常，自动调取周边摄像头核实，并派单给最近的工作人员处置，结果实时反馈回数字孪生系统，形成管理闭环——“就像玩游戏一样管理城市”。

从全域人流量监测、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，将城市变成一个能够“快思考”与“慢思考”结合的、真正的“具身智能”体。

时空AI，正为人工智能深入物理世界提供关键的基础理论与技术支撑。这条路，前途光明但道路漫长，工作艰巨。尤其在当今时代背景下，科技领域的竞赛已然展开。未来十年，这场“科技战争”的结果至关重要。最后，借一首诗词与大家共勉：“多少事，从来急；天地转，光阴迫。一万年太久，只争朝夕！”