
作者 | 内参德勤
来源 | 智东西
根据联合国的预测, 从1950~2050年的100年内, 全球城市化率将翻番, 2050年将有68.4%的世界人口生活在城市。根据联合国的预测, 从1950~2050年的100年内, 全球城市化率将翻番, 2050年将有68.4%的世界人口生活在城市。而用先进的技术实现城市的可持续发展正成为众望所归的最佳解决方案,特别是被人工智能武装的智慧城市将引领城市的未来发展。
本期的智能内参,我们推荐德勤的研究报告《 超级智能城市2.0,人工智能引领新风向》,探讨全球以及中国的智慧城市发展状况和成功经验,分析目前中国26个城市的智慧城市发展现状,深入解读超级智能城市新风向。
全球城市化的进程依然以不可阻挡的趋势向前推进, 到2050年, 接近70%的世界人口将生活在城市。人口大国中国和印度所在的亚洲将成为全球城市化最快的地区。在城市急速扩张的过程中, 先进的技术将帮助城市实现可持续发展, 引领城市走向更美好的未来。
▲全球城市化趋势(%)
城市化的进程对城市经济、 资源利用、 生活质量、 时间成本以及可持续发展等多方面带来不同程度的影响, 而随着城市化以及人口的不断增加, 全球各地城市管理者面临日益严峻的挑战。
▲城市化带来的问题
为了应对城市化所带来的挑战, 在过去的十多年里, 各国大力投资建设智慧城市, 投入金额逐年升高, 预计将在未来五年内达到高峰, 由于拥有后发优势和巨大的发展潜力, 亚洲国家和地区在智慧城市建设上有更大的发挥余地。
▲全球“智慧城市” 投资金额图(十亿美元)
智慧城市正在帮助城市管理者应对挑战, 其在全球范围的部署给各城市带来了实际的效益, 包括GDP增长, 失业率降低, 生活质量以及安全健康提升。这使得城市管理者能够实现科学决策, 精细管理, 快速响应, 提升城市竞争力。
▲美洲城市智慧化情况
智慧城市解决方案市场日渐繁荣, 亚太地区市场的发展增速高于欧洲与美洲地区, 并逐渐实现弯道超车。亚太地区有其独特的国情和城市发展需求, 与欧美在智慧城市的重点建设项目上侧重不同。
▲亚太城市智慧化情况
无论是发达的欧美地区, 还是发展中的非洲和部分亚洲地区, 全球大多数的国家正在积极的投身于智慧城市的建设, 其中欧洲、 北美、 日韩等地区处于领先地位。中国也在积极进行智慧城市试点, 形成了多个智慧城市群。
▲全球在建智慧城市数量
▲全球在建智慧城市数量各国占比
智慧教育在全球智慧城市市场份额占比最大, 预测在2023年仍保持最高的市场份额, 智慧安防增长趋势明显。亚洲地区有较多的智能建筑项目, 水资源相对贫乏的中东和非洲有最多的智能水系统项目。
▲全球智慧城市市场份额(百万美元)
▲全球各地区在建智慧城市项目比例
中国智慧城市市场规模在最近几年均保持了30%以上的增长。智慧物流、 智慧建筑、 智慧政务领域占据了较大的市场份额, 智慧医疗等其他领域则表现出了较强的发展潜力。
▲中国智慧城市市场份额比例(2018)
▲中国未来智慧城市市场规模(万亿元)
中国政府于2012年启动智慧城市较大规模的试点, 并于2014年将智慧城市上升为国家战略, 2016年底确定了新型智慧城市的发展方向, 将建设新型智慧城市确认为国家工程。此后, 相关部委开始相应出台具体领域的细化政策。在这一过程中, 随着国家对智慧城市重视程度的加深, 主管单位和重点城市培育方式也相应发生变化。
▲中国智慧城市战略
随着智慧城市的认识逐渐升级, 智慧城市的定义逐渐得到发展, 新型智慧城市的内涵更丰富。
▲智慧城市定义进阶
▲从智慧城市向新型智慧城市演进
新型智慧城市战略提出后, 中国智慧城市试点和建设呈现出分级建设、 多点开花、 提质增效的发展趋势。在入选国家智慧城市试点的城市和地区中, 大多分布在环渤海沿岸和长三角城市群。
▲中国智慧城市试点地区分布
▲智慧城市试点地区数目
中国智慧城市的建设呈现因地制宜、 因城施策的发展局面;从区域分布来看呈现出由东部大城市向中西部地区城市推广的趋势, 即由点到面的趋势日益明显。
▲智慧城市样本分布
超级智能城市可从四方面进行评量: 第一, 政府的战略规划, 反映政府发展智慧城市的意愿;第二,是否有足够的技术基础支撑智慧城市建设;第三, 智慧城市理念已经渗透的领域, 反映发展的阶段性成果;第四, 城市是否拥有可持续的创新能力, 预示着未来智慧城市的发展前景。
超级智能城市评价指标体系的构建是为了从整体了解智慧城市的建设现状和未来发展前景, 通过德勤全球视角引导城市发现自身智慧城市建设的短板, 挖掘自身的潜力, 将智慧城市建设与自身需求相结合, 稳步提高智慧城市的发展水平, 让市民拥有更多的幸福感和获得感。
智慧城市发展的动态性要求指标体系也要不断调整, 今年的指标体系内部加入了人工智能这一新的评价项目。
▲超级智能城市评价模型
在四大维度之下, 我们对目前重点26个城市进行系统分析, 以求识别出目前智慧城市发展的现状, 以及这些城市距离理想中的超级智能城市还有多远。
▲超级智能城市样本分布
在超级智能城市得分排名中, 4个一线城市表现最好, 在四大核心领域均占领鳌头;13个二线发达城市势均力敌, 其他城市则尚有提升空间。
▲中国超级智能城市总排名
▲在四大核心领域领先的超级智能城市
整体来看, 智能城市的发展与经济发展水平呈现正相关的关系, 但也不乏智能城市发展落后于经济发展水平的情况, 特别是在一些新晋发展的城市表现明显。但也有城市在追求经济增长的同时, 积极的开展智能城市的规划和建设。
▲超级智能城市指标得分与地区人均生产总值GDP的关系(万元人民币)(万元)
一线城市的智能城市发展水平已经大幅度领先于于其他城市, 特别在创新水平上, 其他城市表现出了明显的劣势, 不利于可持续的智能城市建设。此外, 所有城市之间在智能城市应用领域表现出的参差不齐较严重。
▲超级智能城市四大领域平均分数
核心的战略层面:城市整体在线政府服务得到改善, 第一梯队城市不仅规划完善, 且政策执行和资金支持均比较到位, 第二梯队城市规划相对比较完善但执行力尚待提高, 第三梯队城市缺少长期和完善的城市规划。
▲战略维度排名
在基础的技术领域:由于发达城市经济实力雄厚且产业链完善, 技术水平整体好于后进城市。在国家政策的推动和各类企业的积极参与下, 后进城市也在借助新科技的发展趋势提升自身的技术水平, 技术基础是普遍优势。
▲分领域排名-技术维度
领域的渗透清晰地反映出了二线城市在发展智能城市方面正在加速追赶一线城市, 在多领域提高市民生活质量。
▲分领域排名-领域渗透
智能城市强调创新作为源动力:城市全体创新能力差距较大, 长三角、 珠三角等经济增长极创新能力领先全国, 中西部地区依靠政策加速形成创新优势和吸引人才, 多数城市缺少人才储备, 创新产业链尚待完善。
▲分领域排名-创新维度
▲聚焦深圳:依靠本地科技企业打造全方位智能城市
▲深圳智慧城市建设总体框架
▲聚焦上海:智能应用全面开花, 政府主导下的智能化转型之路
▲聚焦杭州:顶层设计与产业链相融合, 打造惠民服务城市
▲聚焦宁波:智能医疗先导城市
▲聚焦厦门:活用各类资源, 走在智能城市建设的前列
人工智能赋能智慧城市, 为智能城市提供新动能。
人工智能城市产业链包括基础层加上核心技术层, 然后再加上垂直应用。垂直领域细分为产品和应用智能系统。实时感知、 高速传输、 自主学习、 自主决策、 自主协同、 自动优化、 自主控制。这七大特征是互相关联缺一不可的, 未来超级智能城市需要完全具备这些特征。
▲人工智能从底层到终端赋能智慧城市
物联网、 云计算技术正在改善智能城市建设:物联网平台链接各类终端和资源。
物联网、 云计算技术正在改善智能城市建设:云计算技术实现城市数据实时联通、 融合和存储。
物联网、 云计算技术正在改善智能城市建设:政企合作建设数据中心推动智慧城市建设。
以人为本, 注重市民参与, 从智慧城市向智慧社会转变。 十九大报告中提出了智慧社会的概念, 是对“新型智慧城市” 的理念深化和范围拓展, 强调基于智慧城市使市民拥有更多的获得感、 幸福感, 再一次强调了智慧城市的发展要注重以人为本, 强调市民在智慧城市建设过程中的参与行为。
▲从“新型智慧城市” 评价系统变化, 看以人为本的重要性演进
为了实现顺畅的市民参与, 可以通过“短、 中、 长” 期的三步走战略, 积极借鉴国外的发展经验, 借助大数据、 电子政务等科技手段的途径, 以技术为跳板, 最终实现“新型智慧城市” 中的市民参与, 创设良好的市民体验。
▲借助数字技术完成市民参与的三段进阶
城市本身特色在智慧城市的建设中得到体现, 因地制宜发展智慧城市成为趋势。
多模式发展:五类模式各有千秋, 不同的城市应根据自身的特点进行合理化选择。
智能城市建设五大运营模式均存在其典型案例, 这些案例将为参与方日后的建设与运营提供借鉴意义。
将数据安全纳入智慧城市发展战略:对数据安全的要求越来越高, 从传输、 存储、 管理等多环节着手数据风险规避。
将数据安全纳入智慧城市发展战略:主动防范数据风险, 并进行持续监管。
面对众多挑战之下, 当今城市管理者若想要突破传统智慧城市的禁锢, 且逐步转变升级成为” 超级智能城市” , 需要在建设过程中思考九个能力维度框架。同时, 需要与自身城市实际需求相结合, 以打造更高质量的幸福社会为目标。
▲超级智城市能力框架
超级智能城市对自己的目标有清晰的认识, 并拥有实现其目标的战略规划。一个清晰的视野需要有明确的远景作为技术推动的有效配对。
打造超级智能城市所需要具备的要素:
打造超级智能城市的“行动四部曲” : 智能城市不是昙花一现, 而是逐年累月发展起来的。在这段发展历程中, 城市从早期成熟阶段发展到完全成熟发展阶段。成熟度模型用于评估当前的成熟度, 并为期望成熟度设定目标。
全球范围来看,城市化的进程对城市经济、资源利用、生活质量、时间成本以及可持续发展等多方面带来不同程度的影响,而随着城镇化以及人口增加不断加重,全球各地城市管理者面临日益严峻的挑战。为了应对城市化所带来的严峻挑战,在过去的十多年里,我国不断大力投入建设智慧城市, 随着智慧城市的认识逐渐升级, 智慧城市的定义逐渐得到发展, 新型智慧城市的内涵更丰富。 现在,我国智慧城市试点和建设呈现出分级建设、 多点开花、 提质增效的发展趋势。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15