很长时间以来，我们在常识中认为乡村是应该先于城市而生的。但事实上，越来越多的考古发现证明，人类创造城市这东西可能远比历史记载中更古老，也更疯狂。
从环地中海城邦到南亚次大陆，再到我们熟悉的黄河流域，众多上古遗址向世人表明，先民早就建造了功能完备、体系分工明确的城市聚落。相比于建造城市，人类真正一直头疼的事情是，认识城市。
毕竟城市这东西很麻烦，人多、路多、房子多，堆在一起简直一团乱麻。后来我们在计算机和大数据、ai技术到来之后，想了一个最新认识城市的办法：给城市安装智能。
相信大家都听过各种“智慧城市”“智能城市”等等项目，保不齐你的家乡就正在建设当中。但给城市安装智能，我们认识和掌控城市真的就很清楚容易了吗？
好像也不是。截至2017年底，国内已经启动建设和规划的“智慧城市”“城市大脑”相关项目已经超过500个，产业相关企业超过1000家。
在这个庞大的产业链上，又有着“智慧城市、未来城市、城市计算”等等名词和称谓，普通吃瓜群众很难分清他们的区别自不必提，跟不少业界人士一聊。得，其实他们也晕。
今天咱们来尝试遮住这些真真假假的“名头”，看看城市智能到底是怎么发展出来的，每一个阶段又都经历了什么样的变化。
这条线索搞清楚了，或许才能判断我们的城市到底需要什么？
数理建模型城市
其实用数学和运算的方式来推断城市走向，给城市发展提供依据，并不是近几年才发生的事情。就像很多计算机与智能相关命题的出现时间，都远远早于公众认识时间一样，城市的智能计算，也差不多是一门“爷爷级技术”。
早在上世纪60年代，美国一些高校就提出用数字技术帮助城市发展的概念。虽然当时还没有明确的城市+智能命题，但其通过数理方式给城市建模，分析城市的交通、人口、建筑与资源的未来走向，已经可以看做是“智能城市”的先驱。
当时芝加哥等一批城市采用了这类方案。但很快市政厅就发现，计算出来的城市数据千奇百怪，根本与实际不符。毕竟计算技术不达标的前提下，城市模型还停留在十分粗糙的阶段，很快这种想法就退出了历史舞台。
这时的城市智能还处在概念与设想阶段，但用数据+运算的方式带给城市智能，已经为几十年后的爆炸式发展奠定了基础。
数据可视型城市
2008年，已经在it企业服务领域摸爬滚打惯了的ibm，突然将橄榄枝伸向了城市政府与管理者，提出了著名的智慧星球计划。
ibm的方案中强调，城市基础建设不应该离开数据建设，通过数据来重新认识城市，能够避免管理混乱和资源浪费，从而帮助城市良性发展。在全球经济危机背景下，强调绿色与高效的智慧星球计划快速升温。2009年美国迪比克开始了世界上第一个智慧城市建设，将城市交通、水电、建筑等数据进行收集和整理。
在这之后ibm在巴西、加拿大等国家先后推出了类似项目。ibm的老对手微软也推出了类似的计划，命名为“城市计算”。
这种收集城市数据进行存档和可视化的技术，在2010年之后开始在中国生根发芽。很多企业视此为良机，借助国内各城市基础建设快速上马的机会，不断在国内市场推出“复制款”。我们今天看到国内绝大多数叫做“智慧城市”的项目都是如此，三大运营商、联想、神州、腾讯等企业都在为各地方政府提供类似服务。
作为大数据时代的经典解决方案之一，城市的数据可视化确实能够解决不少问题。比如提供决策依据，寻找城市发展规律等等。
但这种方案也有着显而易见的问题：这类方案收集到的数据绝大部分并没有实际用处，仅仅是“因为要数据，所以有数据”。毕竟一个城市每天真正生产的数据，用人工去读取一遍都不可能，更别说用人力来计算处理了。耗资巨万的智慧城市，也仅仅是帮助了决策者更好制定“想法”。换言之，城市居民真正能感受到的改变十分有限。
这种城市之智慧，属于“了解城市”，却无法“改变城市”的特定技术时期产物。毕竟“中看不中用”的智慧，不是城市发展的成就之际。
场景应用型城市
之后的变化，来自于我们熟悉的人工智能。
为什么很多城市的“智慧”缺乏应用价值？原因在于智能设备没有办法对收集来的数据进行自动反馈和处理。于是城市这个庞然大物就只有感知，没有动作。
人工智能技术带来的机器视觉、多模态传感技术，以及通过算法进行反馈计算，正在让情况好转。
比如说路况的红绿灯和摄像头，假如只是让摄像头拍照和监控，那么城市本身的体验并不会提高。但如果摄像头记录的数据回传给系统，系统可以依据车流量主动调节红绿灯时间长短，那么城市交通效率显然就会提高。这种依据数据主动进行城市调节的技术，正在让城市智能从重数据向重应用方向改变。
今天能看到很多这类案例开始在我们身边的城市里扎根。比如最早阿里云在广州的互联网信号灯项目，以及滴滴进行的“ai+交通”计划，就是在交通场景中通过ai感知和计算能力，来提高交通效率。
再比如bat纷纷布局的智慧机场项目，是根据对机场进出航班的数据监控，来智能调节停机坪和跑道使用情况，从而提高机场运作效率，提高乘客体验。
类似的场景在城市中还有很多，但场景应用型的城市智能也并非没有问题。核心一点就是，这类智能方案只能聚焦小的场景，解决局部问题。但城市毕竟是一个整体，规避城市的大流量和复杂结构来谈城市智能，只能是一种权宜之计。
场景应用性技术难以满足城市发展长期需要，也难以从宏观上进行城市智能自动化。
智能大脑型城市
设想一下，假如我们想要让智能来处理更大的城市问题，需要什么条件？
比如市民中心修在哪里对交通带来的压力最小；比如流感疫情爆发，城市提前预测并调配医疗资源相应；比如电动车被偷了，如何能在10分钟内找到嫌疑犯；比如，城市公共资源如何弹性应对奥运会这样的冲击，快速给出智能策略。
在技术层面来说，这些设想当然是可以的。但前提是整个城市必须有统一的数据传输和处理中枢。它负责收集全城各个领域的数据，然后集中进行运算和分析，给出最佳解决方案。
阿里云的et城市大脑已经开始了这个层级的尝试。从在杭州的实验，到各个城市的复制和普及，et城市大脑的特质是它并非一个单场景解决方案，而是整体考虑，进行全域数据收集和自动处理的智能系统。
城市就像一个超大硬件，大脑则让这个硬件变成了智能硬件。前不久，两会上科技部部长万钢在讨论人工智能时，重点提到了et城市大脑，将其作为中国ai技术的代表之一。
其实et城市大脑也不单纯是使用了ai技术，而是用ai的感知方式，加上大规模数据传输能力与运算，再反向生成城市智能的主动服务。从而让整体智能指挥各系统协同运作，达到管理者、机器智能、城市空间的结合。
这样做的好处是显而易见的，比如可以通过大规模协同智能，调动城市诸多细节去解决一件事。比如实时给救护车形成一条高速通道。长远来看，给城市安装大脑的意义在于可以将城市的智能水平不断拓展和提高，越来越多的传感装置、算法和解决方案进入后，城市会越来越聪明。积少成多才有可能达到量变，比如我们一直希望的城市可以不再限行。
这种解决方案目前来看具有足够的前瞻性，但问题是准入门槛非常高，需要在计算体系、ai技术、数据感知与处理技术等多个领域满足城市大脑的需求，是名副其实的“重型科技”。所以目前世界上也只有阿里云提出并成功实践了城市大脑这个概念。
回看整个城市智能的发展，可以说是经历了“让城市有想法”—“让城市会说话”—“让城市手脚能动”的三个阶段。但在手脚能动这个阶段，很多人都尝试把手和脚捆到一起产生协同。这显然是不成立的。手和脚之间，需要大脑的协同，城市智能开始进入“让城市有大脑”这个新阶段。
需要警惕的是，在城市智能快速发展的十年中，城市面临的难题也在野蛮生长。超大型城市、空气污染、生产资源濒临枯竭，智能化的脚步并不足以抵消或解决城市面临的困境。
而与此同时，ai技术的发展，城市数据的叠层累计，包括自动驾驶和无人设施，都在成为城市智能的推助剂。但传感器、分布式智能体数量的爆炸与城市大脑计算力的发展不匹配，很可能会导致畸形发展，“四肢发达，头脑简单”，从而 “四肢失调”。究竟城市大脑能否跑过城市“城市头疼”，可能是未来十年人类的命运共同旋律之一。
而在给城市加上大脑以后，下一步城市智能还能如何升级，也是个有意思的问题。对普通人而言，可能更希望的是能够切实感受到城市智能，甚至可以随时呼唤城市智能的服务。
在城市大脑之后，能不能打造出“城市的毛细血管”，好像是一个巨大的脑洞。