闪马智能彭垚：让城市变智能，是件很摇滚的事

整理 | 宫雪
编辑 | 靖宇

在闪马智能，同事都称呼创始人彭垚为「土土」。

这个称呼透着一丝萌感，但实际上，彭垚是个摇滚迷，用自己最爱的美国独立乐队闪马（Sparklehorse）来给公司命名。

彭垚所理解的摇滚精神，是勇气、爱与和平，在不断迭代自我认知的同时，解决社会问题，「Move Fast，Live Consciously」（行动迅猛，深度思考）。

闪马智能的前身，是一个图片视频深度学习的实验室。经过几年的人才储备和技术深化，2019 年，新一代 AI 中台公司——闪马智能成立，专注于视频智能分析和时空数据管理。

成立两年多时间，去到全国 200 多个城市，布设 200 多套系统，训练 300 多个交通模型，彭垚说闪马智能已经成长为行业准独角兽，背后的支撑是工程经济学。

在他看来，我们的城市现在还不够「智慧」，还有很多场景有待升级。

在由 OPPO 独家冠名赞助的极客公园创新大会上，彭垚分享了软迭代对智慧城市工程化升级的价值。

城市和交通是我们日常生活中最熟悉的场景，但「智慧城市」或「智慧交通」，听上去却有些距离感和年代感。

那么，想象一下这个日常画面：一位狂赶时间送餐的外卖小哥骑着电动车一路飞奔，或插缝穿行，甚至闯了红灯。

想避免这种情况，除了加强安全培训和规则约束之外，是否还有更人性化、智能化的解决办法？

「AI+摄像头」就能办到。在城市摄像头利旧项目中，闪马智能为遍布城市的已有摄像头配置了一套 AI 平台系统，依靠软件算法对外卖骑手的行为和道路交通状态进行实时感知和分析，并向外卖服务商提出更合理的送餐路径规划。

让城市变智能，不意味着破坏「旧世界」，把原有的基础设施都翻新一遍。AI 技术赋予城市软迭代能力，可以极大利用已有资源，比硬迭代更高效也更省钱。

科技对社会的推动，未必都如巨浪般迅猛急速，也可能是一段漫长持久的进程。与时下最火的元宇宙系列相比，智慧城市、智慧交通显然是陈旧的。但想要技术追得上概念，正需要一群人投入足够长的时间日拱一卒，让概念成为现实。

这件事挺「摇滚」的。

以下是彭垚的演讲实录：

**01 **摇滚吧！程序员

我是一名程序员，也是一个摇滚迷。公司的名字「闪马」最早来源于美国独立乐队闪马（Sparklehorse）。

我所理解的「摇滚精神」，是勇气、爱与和平。勇气是一种批判精神，是不断迭代自我认知的过程。而爱与和平是要解决社会真正存在的问题，从城市的角度出发，进而对整个地球有所贡献。

智慧城市是一个老话题。我一直在思考，哪些事情可以持续不断地做下去。

答案是交通和通讯，这两件事在人类社会永无止境，因为人类对速度的追求永无止境。

从这个角度来说，智慧城市依旧是一件有意思的事情。通过软迭代，可以对城市交通管理进行一次全新的工程化升级。

*02 我们的城市还不够智慧*

2005 年 7 月 7 日，伦敦发生了一桩恐怖事件，四起发生在公共交通工具上的爆炸事件造成了五十余名乘客遇难、七百多人受伤，城市公共交通系统陷入了很长时间的瘫痪。

伦敦七七爆炸案对中国产生了启示作用。2006 年，中国开始构建「平安城市」，最重要的目的是预先发现整个城市中可能存在的危险因素。各个城市开始布设很多摄像头，这是中国第一轮智慧城市建设。

到 2016 年，以「AI 四小龙」为首的人工智能企业开始构建「雪亮工程」，除了在道路上布设摄像头之外，还在电影院、饭店、小区等场所的门口布设人脸相机。这样做的主要目的是抓捕逃犯，更细致地识别和分析一些违法犯罪行为。

尽管城市的硬件在不断更新，但目前为止还不能算作「智慧城市」，只能称作「平安城市」——违法犯罪已经无处遁形，但整个城市并没有真正「智慧」起来。

讲一个传统交通工程的故事。早先，一位同济大学的教授研究城市中哪些路口需要设置左转灯，他去了很多路口，亲自站在那里数，一辆车过去就按一下计数器。

得到统计数据后，他做了一套数理统计方法，提出什么样的道路需要左转灯来控制流量。这就是传统交通工程中设计信号灯的方法。

这种基础的数理统计可以决定道路的建设宽度，但无法对真正的交通运行情况拥有感性认知。

闪马智能参加 2021 上海国际交通工程、智能交通技术与设施展览会

闪马智能利用 AI 算法构建了一套全路程智能感知计算系统，能真正知道城市道路上各种各样的变化，改变了传统的交通工程，推动交通智慧化管理升级。

**03 **软迭代省钱又高效

在城市的工程化升级过程中，「软迭代」非常重要。这不是从 1.0 到 2.0，而是从 1.1 到 1.2，小步快跑，快速跟进。

城市原有的摄像头已经基本无死角，重新布设是一种浪费。就像伊隆·马斯克回收火箭一样，每一次火箭发射升空后不能回收的话，几千万美金就没了。

闪马智能决定为原有摄像头配置一套 AI 平台系统，用软件算法去赋能，无需将旧摄像头全部换新重布便可实现全路程感知，省钱又高效。这就是工程经济学。

摄像头想要感知不同的角度、场景，以及机动车、非机动车、行人等不同个体的行为，需要非常庞大的模型数量和内容。这背后是一套完整的、工业化的工程体系，而不是像传统的 AI 算法那样，一个人管理几台机器，训练几种模型。

闪马智能构建了 ATOM 深度学习平台，能够更快训练各种交通模型，包括个体的各种交通行为及路面整体设计，及时发现整个城市中各种各样的实时交通状态。

具体来说，全路程感知可以了解道路的整体情况，掌握所有路口实时发生的车辆变化。对所有车型建模之后，摄像头可以同步看到这些车辆的行驶状态，实时发现违法违规行为，第一时间处理交通事故，总结常见的违法行为类型，挽救更多生命。

基于这个数字底座，可以衍生出各种各样的内容。比如，获取交通违法车辆在每个时间段的行驶路线、车型、车牌信息，跟踪车辆在夜间或雨天场景下的状态，记录整条路上的交通实时状态等。

一个城市最重要的是人和信息的流动性，城市发展变化速度的快慢取决于此。交通是一个城市的基础设施，对交通的全路程感知可以成为一个城市数据感知的基础，理解整个城市的流动性规则。

根据人和信息流动性的不同规则，可以将整个城市划分为五大空间：道路交通空间、工作学习空间、生活娱乐空间、城市环境空间、互联网信息空间。对五大空间进行整体的数据感知，关注人和信息流动性的变化情况，致力于发现并解决问题。

在创业的两年多时间内，闪马智能去了全国 200 多个城市，布设了 200 多套系统，训练了 300 多个模型，用人工智能算法去更新一个城市，让城市空间管理变得更智能。

闪马智能的底色是工程师文化，以问题驱动为导向，发现城市存在的社会问题，利用工程经济学去解决问题。相比「存量」，我们更看重「动量」、更看重个人的成长性思维，通过数据反馈更新自我认知，实现认知进化，更深刻地理解城市和社会。

工程师的使命是每天迭代，慢慢地解决社会问题，通过日拱一卒地积累，奔向星辰大海。

本文为极客公园原创文章，转载请联系极客君微信 geekparker