政府須加快推進“人工智能+交通運輸”相關技術指南、標準規范建設，盡快明確人工智能輔助決策的法律效力與責任邊界。

　　來源丨中國交通報

　　今年的政府工作報告提出，持續推進“人工智能+”行動。這一決定在意料之中。年初以來，人工智能領域可謂熱鬧非凡。DeepSeek橫空出世，各大科技企業、垂直行業動作頻頻，一個又一個模型推出，一項又一項應用的誕生，讓我們看到人工智能更加趨于“好用”。

　　河北省秦皇島市交通運輸局在交通運輸安全生產與應急管理系統部署DeepSeek大模型；山東高速集團搭建“DeepSeek交通大模型+企業管理小模型+路橋運營小模型”平臺……交通運輸點多、線長、面廣，有豐富的場景、海量的數據，是人工智能發展的新型重要領域。當前，交通運輸部門運用這一獨特的優勢搶抓機遇，推動人工智能在交通運輸率先突破，為搶占全球發展戰略制高點貢獻交通力量。

　　業內研究人士在接受本報采訪時表示，離用好人工智能，交通運輸行業還有很多工作需要做，例如如何遴選模型落地“小切口”；如何構建私有化知識庫及高質量數據集；如何進行私有化訓練；如何生成垂直領域的優質智能體應用，以及如何推動模型的持續訓練和迭代升級等一系列問題。

　　在DeepSeek之前，人工智能早已融入交通運輸行業。在基礎設施方面，大模型等AI技術讓基礎設施病害檢測、大型設備故障預測等更加精準、高效；在載運工具與裝備方面，催生出自動駕駛汽車、智能船舶、智能高鐵、智慧碼頭、無人機、無人倉等新形態裝備；在行業治理方面，提升了交通流預測、交通管控和運行調度的科學化和精細化水平。

　　人工智能在這些場景發揮重要作用，離不開數據做支撐。數據是人工智能發展的關鍵基石與戰略要素，高質量、高可信、精標注的數據是人工智能生成高質量內容的重要保障。交通運輸部規劃研究院基礎所副所長李琳琳認為，應加快推動“人工智能+交通運輸”高質量數據集建設。

　　北京市人工智能發展起步早、基礎好，全產業鏈布局成效顯著。去年7月，《北京市推動“人工智能+”行動計劃（2024—2025年）》將交通領域列為重點應用方向，明確自動駕駛、智慧物流等應用場景的發展目標。北京市交通委員會相關負責人表示，今年北京交通將推進基礎設施建設與數據共享，加大交通基礎設施智慧化升級改造力度，推動交通數據跨部門、跨地區共享，為人工智能賦能交通運輸提供沃土。

　　人工智能爆火之后，AI幻覺成了大家關注的新問題。AI幻覺是指大語言模型編造它認為是真實存在的甚至看起來合理或可信的錯誤信息。研究人員將這種情況主要歸咎于數據缺陷。

　　廣西計算中心有限責任公司總工程師楊程表示，只有構建基于本地規范架構的私域知識庫體系，而不是全網數據，用戶才能夠得到更精準、更深入的回答，AI才能成為更懂使用者的“專家”。

　　“為更好使用人工智能，我們打造廣西交投數據中臺，構建了一套完整的數據治理體系，涵蓋數據的梳理、采集、存儲、管理和應用等全流程環節。”楊程說，通過推進320多億條數據上云，經過清洗和建模，形成了通行費收入、經營管理等18個數據域。目前，廣西高速公路部門利用“大模型+大數據”，開展短時車流預測，能夠提前30分鐘精準預測路網“堵點”。

　　“但普遍來看，行業內數據治理與共享機制尚未成熟，數據分散且缺乏統一標準與共享平臺，導致人工智能模型難以獲得全局性數據支撐。”江蘇蘇州交投集團科創中心經理袁希一建議，應當建立國家級或省級交通數據中臺，統一標準實現數據確權與安全共享。

　　今年2月，由蘇州交投集團聯合創建的蘇州市人工智能創新應用實驗室（智慧公路）已經啟動，匯聚蘇州交投本部和子公司10余個多源異構數據系統，擁有400余類10億余條數據資源。實驗室旨在匯聚海量交通數據，形成交通語料庫與高質量數據集，支撐人工智能應用構建。

　　人工智能很“能”，但也有很多不能。特別是在交通運輸行業，大模型部署完后，什么可以干，干得怎么樣，場景的適配和優化很重要。交通運輸部規劃研究院信息所總工程師李柏丹說，行業部門需要深度剖析業務問題和實際應用需求，而不是為了接入而接入，明確哪些應用場景可以通過大模型實現優化和創新，哪些通過輕量化部署就可以解決關鍵問題。

　　除了需求分析，用好人工智能還需要對大模型進行垂直領域的優化和微調。同濟大學交通運輸工程學院副教授沈煜認為，交通運輸行業要以業務流程等為驅動，有計劃地實現AI與核心業務場景的深度融合，使用行業的垂直領域數據對模型進行微調，讓模型學習到領域特定的知識和模式，適應行業的特點和需求。

　　年初以來，江蘇、海南、四川、安徽、山東省交通運輸廳等單位紛紛完成DeepSeek大模型本地化部署。其中，山東省交通運輸廳依托在建的“山東省交通運輸智慧大腦”項目，通過百度智能云千帆大模型平臺接入DeepSeek大模型，適配實際業務需求，初步打造了“全景駕駛艙數字人”“交通智搜”等核心能力。

　　百度智能云交通業務總監劉斌介紹，“全景駕駛艙數字人”利用“深度”混合大模型實現面向自然語音的“問策”“問數”和“問答”等交互范式，通過“智能講解”、運行監測“智能問數”等功能，可提升工作效率。

　　除大語言模型外，廣西計算中心有限責任公司研發的災毀視覺感知大模型成功入選交通運輸部示范案例。楊程介紹，針對邊坡塌方、橋梁坍塌、道路結冰等不同場景，通過多模態大模型實現時序動態邏輯識別，不僅能夠低成本輔助結構物健康監測，還能進行實時監測與災情分析。同時，初步研發的高速公路災毀視覺感知大模型，能夠對邊坡、橋梁等結構物垮塌進行實時監測，并提供詳細的災毀情況文字分析，為后續的救援和修復工作提供了重要依據。

　　DeepSeek之所以爆火，一是開源，二是降低了技術門檻。但也因此具有兩面性——開源帶來了更多安全風險，也可能印證技術革新大幅提高效率，資源消耗不減反增的“杰文斯悖論”。華為昇騰計算業務副總裁郝圣偉說：“以前用的開源模型參數規模可能是70B，把一個模型訓練起來幾十張推理卡就夠了，而671B的DeepSeek做一個二次后訓練則需要幾百張卡。”換句話說，把DeepSeek訓練成垂直大模型的成本也許更高，而這種差距很可能是數百萬元。

　　無論如何，擁抱AI已是大勢所趨。業內專家普遍認為，相關部門須加快推進“人工智能+交通運輸”相關技術指南、標準規范建設，盡快明確人工智能輔助決策的法律效力與責任邊界，讓人工智能更好適配核心場景。

　　記者了解到交通運輸部正在加快出臺“人工智能+交通運輸”實施意見，將從技術供給、場景賦能、要素保障、生態產業等方面對未來5年工作謀篇布局，為新業態健康發展提供制度保障。