阿里云大模型交通行业应用_从“零投入”到“高配置” 阿里云「大模型+交通」的确定性是什么

交通领域正积极引入大模型技术，与此同时，也遭遇了一系列挑战。阿里云在大模型研究上持续深耕，不断推进技术发展。本报告探讨了阿里云在充满变数的时代背景下对行业稳定性的深入思考，同时阐述了如何利用阿里云的智能计算能力和大模型技术来提高交通服务的质量，并展示了相关探索与实施经验。

阿里云在2009年正式成立，该公司致力于云计算与人工智能领域的科技创新，在亚太地区及全球云计算市场份额中，连续多年稳居第一和第三的位置。到了2023年，阿里云推出了名为“通义千问”的大规模模型。

技术正经历着持续的变革，行业从过去的数字交通阶段，逐步演进至智能交通，进而演变到现今的智慧交通，其概念也在持续演变。阿里云指出，在当前充满不确定性的时代背景下，交通运输基础设施实现数字化和转型升级的关键，在于提升出行者的体验以及构建可持续发展的商业模式。

过去众多行业中的建设项目，尽管投入了巨额资金，然而这些试点示范工程并未让出行者明显感受到收益，这成为了我们在发展过程中必须正视的问题。与此同时，我们坚信，每一项技术和创新都必须在特定场景或技术领域内拥有可持续的商业模式，唯有如此，才能充分激活交通数据资产的价值。

在2024年，阿里云对公路交通领域的解决方案进行了全方位的更新。依托云计算、大数据以及人工智能技术的强大支持，阿里能够向市场推出一系列能够灵活适应不同需求的“路网云服务”。

即便不进行新的基础设施投资，阿里云与高德合作，仅通过车辆网络数据，亦能提升出行体验。例如，它们可以提供C2C盲区预警和弯道预警服务，无需大规模设备建设，只要用户使用高德导航，便能够相互观察到对方的位置，在视野盲区、转弯会车等关键场景中，有效进行安全预警。

进一步而言，对“互联网出行”中的地理位置服务数据加以整合，能够为出行人士和管理层带来更为丰富的附加服务。比如，在广阔的路网范围内，这一举措有助于管理者实施交通疏导，并就高速服务区的管理措施提出建议。

更进一步，依托现有的开放云平台，将城市与公路上现有的传感器、信息发布等设施纳入其中，从而实现提供主动式管理服务以及进行路网级别的仿真推演等功能。

最终，在追求高端配置的道路上，诸如众多省份正致力于交通基础设施的升级改造，它们正规划建设路网级别、千公里规模的智慧高速公路。这些高速公路依托于新增的各类路侧设备所收集的车辆行驶轨迹数据，能够为驾驶者带来更加优质的驾驶体验。此前推出的车路协同高精度导航服务，阿里云与高能够接入配备在高级路段上的雷视融合、雷射融合等多样化传感器，并将路旁信息通过高德平台推送给终端用户，从而实现周遭环境全面感知、超远距离信息服务以及碰撞预警等多重功能。

通用人工智能，即AGI，被视为人工智能发展的新阶段，这一观点已成为普遍认同。自2022年年末至今，仅仅一年多的时间，众多现象级应用便应运而生，AI领域经历了巨大的变革。

人工智能将成为推动未来生产方式变革的核心力量，它将与众多行业，包括交通运输领域在内，实现全方位的深度结合，这一趋势是我们坚信无疑的。

阿里云在人工智能领域持续加大研发力度，自2017年起便着手开展基础性研究工作，并于2019年推出了具备万亿参数的多模态大型模型M6，2023年又推出了通义系列家族产品。以通义听悟产品为例，它能够捕捉并记录下会议期间每位与会者的发言内容，并自动生成会议纪要和待办事项清单，显著提高了会议和办公的效率。

如图中所示，目前通义基础模型已推出多个版本。这些版本的主要差异体现在参数规模上。模型参数的规模直接关系到推理速度，参数规模越大，推理性能越强。在众多主流测试集中，通义千问72B的表现已超过GPT-3.5，并与GPT-4相媲美，在开源模型领域处于领先地位。

除此之外，我们掌握了多模态信息解析以及多模态内容生成的技能。过去，在交通行业，诸如车牌识别、事件监控等应用，其应用范围十分有限，仅限于少数特定领域，无法对事件进行深入解读和分析。然而，凭借大模型的强大泛化能力，我们如今能够洞悉图片、视频等背后的深层逻辑，如同人类一般，能够全面理解交通事件的发生和演变过程，并且能够实现多模态信息的生成。

以下内容将阐述大型模型在交通领域的实际运用。阿里云正与行业内的业主及合作伙伴一道，积极挖掘并试验各种潜在的应用场景。

首先，在视频多模态检索方面，过去的“小模型”虽已具备识别某些交通事故的能力，然而，它们常常会产生众多错误判断，且在准确区分相似事件上存在困难。

通过大量视频案例的输入学习，借助大模型强大的泛化能力，我们能够全面理解事件从发生到结束的整个过程，并作出较为精确的判断。这种快速的事件解读能力，有助于管理者进行初步筛选，从而提高事件处理的效率和精确度。

二是涉及管理决策智能体的应用。此类场景主要服务于企业和政府部门，以实现智能辅助决策。在过去的指挥中心调度工作中，我们需审视收费站排队状况、周边路网拥堵演变趋势等多方面信息以支撑决策，通常需要操作熟练的工作人员进行一系列操作，方能有效展示关键信息。

目前，我们正与业主方共同研究如何运用大型模型进行语义分析，并学习交通数据库中的定义及其语义架构。在深入理解系统数据的基础上，我们仅需通过简单的语言交流，便能自动生成图表和图像，从而为科学决策提供有力支持。

第三点，是关于交通感知能力的增强。以往在智慧高速公路上对行驶轨迹进行恢复时，常常遇到一个棘手的问题，那就是在车流量较大的路段，由于车辆之间的遮挡现象较为严重，导致在轨迹恢复过程中会丢失大量数据，进而引发轨迹恢复的不精确现象。

借助视频大模型的技术优势，我们得以精确恢复被遮挡的车辆行驶轨迹；借助轨迹预测技术，我们能够精确恢复重点桥梁、隧道以及高速公路上的车辆行驶轨迹。

第四点，实现交通静态数据的迅速构建。过去，人们普遍采用专业车辆来采集高精度地图数据，随后通过半自动或人工方式完成拼接。如今，阿里云与高德共同推出的“云镜”服务，依托无人机获取的图像与视频资料，借助大模型技术实现自动拼接，不仅生成速度快、精度高，而且成本相对较低。

AGI标志着工程训练领域的重大进展，它需要跨越“模型创新”、“工程落地”以及“产业商用”这三个关键步骤，以推动AGI的发展。

在人工智能迅猛进步且充满变数的当下，阿里云坚信行业在迎接通用人工智能（AGI）的浪潮中，能够明确把握的几条发展道路。

首先，体现在智能化应用方面。借助大模型所具备的基模功能，对现有应用进行智能化水平的提升。

第二点，是关于模型行业的专业化。目前，众多企业正致力于打造自家的独有大模型。为此，阿里云愿意分享我们的基础模型技术以及大模型训练的公共平台，以助力企业构建他们自己的专用大模型。

第三，注重智能化与普及化相结合。展望未来，我们将见证业务和商业模式的多样化发展，而作为开放性平台的AGI，能够有效推动新兴业态的革新，并为开拓新的业务疆域提供助力。

阿里云在与行业伙伴开展大模型合作时，主要推出了两种合作方式。首先，是公共云Token调用模式，其中阿里云负责提供基础大模型和底层算力支持，而在特定场景下，客户负责模型的微调和应用开发。其次，是公共云独占实例模式，阿里云不仅支持开源大模型的部署，还能助力行业伙伴构建Agent并进行应用集成开发。

最后，我要向大家介绍阿里云的强大模型服务系统——百炼，这个平台能够为大模型开发者以及企业用户带来更为全面和完善的解决方案。

大模型在各类应用场景中需处理两方面任务。首先，模型需掌握特定行业的知识体系，因为基础模型仅拥有基础的理解和推理能力；其次，在交通等具体行业，模型还需学习专业知识，比如交通信号控制、交通组织优化等方面。

二是当大型模型与特定应用场景相融合时，必须确保相关工具能够有效辅助，以更优质地服务于终端消费者，例如上文所述的自动制作图表、视频等功能。

百炼平台能够提供从模型部署至开发工具、应用工具链以及智能体API等全方位的能力支持，并依托大模型技术，致力于垂直行业和细分领域的应用场景开发。

在当前这个充满变数的时代背景中，阿里云对于自身在交通领域的角色定位十分明确，我们致力于专注于云计算、大数据以及人工智能领域的发展，全力以赴履行云计算企业应尽的责任，为相关行业提供坚实的支持。

在AI引领的这场生产力变革中，我们热切期望与业界同仁携手，针对公共交通领域开展深度的创新与合作，以拓宽大型模型在交通领域的应用场景和功能。