当前,全球汽车产业正在经历一场百年来未有之大变局。我常说,汽车革命的上半场是电动化,我们解决了动力的清洁化问题,中国已走在世界前列;而下半场则是智能化、网联化,其核心在于如何构建更好的“路”与“网”,在一个人、车、能源、环境构成的极端复杂系统中,找到那个全局最优解。电动汽车的新特证可以归纳为:传统汽车工程和能源工程及通讯工程的融合。电动机和电池是电动汽车的心脏,而其中的能流是双向的。操作系统和芯片是电动汽车的大脑。我们要用人工智能赋能优化这些新特征。将我提出的“四网四流”(能源网、信息网、交通网、人文网)融合的理论和实践落地。人、车、路、网深度融合、从智能汽车到智能交通、到智能城市、到智能社会。造福我们的子孙后代。
城市交通正是这样一个典型的复杂巨系统。作为“四网四流”交织的场景,交通拥堵从热力学角度看,本质上是一个系统的熵增过程——无序度增加,效率降低。红绿灯固定配时等传统的治理模式依赖局部经验或固定规则,这是一种静态、线性的控制,无法应对动态、非线性的现代交通网络。当我们在一个路口“绿灯放行”,可能会在下一个路口引发连锁拥堵。这种依靠人工调参或传统算法的模式,往往只能求得“局部最优”,难以突破系统效率的瓶颈。
近期,行业内涌现出以“智能体”为代表的新技术实践,试图打破这一僵局。例如在内蒙古鄂尔多斯、河南许昌等地,智能体技术开始深度介入城市信控体系。这引发了我对未来交通治理与人工智能深度融合的进一步思考:我们迫切需要一种能透视复杂系统、跨越物理与数字世界的“超级大脑”。
从“规则驱动”到“自我演化”的新范式
《孙子兵法》云:“上兵伐谋”。在现代科技语境下,“伐谋”意味着通过高维度的计算与推演,制定制胜策略。这也是当前AI技术在处理复杂产业问题时的演进方向——不再依赖死板的规则,而是追求自主迭代。
我们在鄂尔多斯伊金霍洛旗的交通治理中看到了这种趋势的雏形。面对新老城区跨河通勤的繁忙路口,传统的智能信控往往不能满足需求,一套优质方案的打磨需要耗费专家数周时间,且难以适应长期的交通需求变化。而引入了百度伐谋这类具有自我演化能力的智能体后,系统能够在原有SaaS信控算法优化降低13%车均延误的基础上,进一步挖掘出5%的效果空间。
这看似微小的5%,在工程学上却有着质的意义。它标志着AI正在从“辅助工具”向“自主寻优者”跨越。这种技术演进的趋势,也引起了AI产业界的共鸣,近期百度李彦宏在《人民日报》署名文章里提出了“内化AI能力,构建AI原生能力”的理念。当智能不再是外在的“插件”,而是内化为交通治理系统的“基因”时,这种技术就能展现出类似于生物界的“进化算法”的能力:它不是被动执行指令,而是7×24小时永不停歇地在虚拟空间推演、试错、学习,根据实时变化的车流与天气,动态调整全域路网配时。
这就是我常强调的:利用信息流来优化物质流。 以此类高阶智能体为抓手,我们将原本无序的交通数据,转化为有序的通行指令,从而精准指挥物理世界中的车辆流动,实现了从“规则驱动”到“自我演化”的质变。
能效优化与人本智能的共振
在“四网四流”的框架下,交通网与能源网、人文网是紧密耦合的。交通的效率,直接决定了能源的效率。一辆在拥堵中频繁启停的电动汽车,其能耗远高于匀速行驶,拥堵不仅浪费时间,更增加了电网负荷与碳排放。
因此,利用AI智能体找到路网通行的“全局最优解”,实际上也是在寻找社会能效的最优解。行业数据显示,智能信控带来的每一分钟延误降低,都对应着碳排放的实质性减少。
这种优化逻辑同样适用于能源领域,例如在复杂的电力工程或海上风电电缆布局中,通过类似的智能体技术优化路径,往往能大幅节省工期与成本。这印证了一个核心观点:能源流和物质流的优化,离不开信息流的顶层设计。
同时,科技的终极目的是服务于人。“伐谋”智能体代表的自我演化能力,构建了一种人机协同的新范式:人类专家定义目标:安全优先、效率优先;AI智能体处理海量数据并持续寻优。这种“人类定义目标、AI负责执行”的模式,是人文世界、信息世界与物理世界的完美融合。它将人类从繁琐的调参中解放出来,让我们专注于更宏观的战略规划。
不谋全局者,不足谋一域。站在国家战略的高度,我们需要更多中国科技企业投身其中,去打通数据孤岛,优化资源配置。通过AI原生能力的内化和智能体的自主寻优,我们不仅能让交通跑得更快、能耗用得更省,更能提升金融风控的精准性、优化能源系统的调度效率,进而重塑产业的运行逻辑与社会治理的效率。这,才是未来产业变革的真谛所在。