2021年12月11日，由雷峰網 & AI 掘金志主辦的第四屆中國人工智能安防峰會，在深圳正式召開。
本屆峰會以「數字城市的時代突圍」為主題，會上代表城市AIoT的14家標桿企業，為現場和線上觀眾，分享迎接數字城市的經營理念與技術應用方法論。
在下午場的演講環節上，灼識咨詢合伙人趙曉馬為峰會帶來了精彩演講
趙曉馬指出，從中國、美國、日本城市化發展歷程和特點看，改革開放40年以來，中國城市化進程速度世界領先。
各類智慧城市建設方案憑借其技術先進性、強感知能力、數據資源高效應用等特點可以解決大量城市現存問題。
與此同時，智慧城市以其數字化、綠色化的特點為“碳中和”目標實現助力。
但同樣不可忽視的是，在智慧社區、智慧商業等場景中，仍存在系統割裂、數據孤島、信息綜合利用程度低等問題。比如，割裂的單點解決方案，數據不打通，形成數據孤島。
這就要求智慧城市割裂的單點解決方案要逐步轉變為全場景，一站式的完整解決方案。
未來的城市將遵循以下規律：
從信息城市（以信息化為中心，互聯網驅動，強調各業務、各部門內部的數字化、信息化）到智慧城市（ 以應用場景為中心，AI、物聯網等技術驅動，強調各系統、各場景內部的智能化）到人本城市（以人為中心 ，城市新型需求驅動，強調全系統、全場景的融合協同）。
以下是趙曉馬演講全文，雷峰網AI掘金志作了不改變原意的整理與編輯：
中國智慧城市突破四萬億規模
談到城市一定對中國和美國進行對比，在城市層面中美最大的區別，是美國的城市化腳步已經持續近一百年，而中國只是在最近二三十年進入快速城市化，這個差別非常重要。
最近二三十年中國人口增長，技術大爆發，同時處于城市化快速推進階段，三個現象疊加后，對于整個城市的管理、如何成為服務型的城市以及城市如何變得更加智能，都是巨大的挑戰，也是巨大的機遇。
從投資或公司發展、融資的角度，挑戰和機遇并存。
中國的城市存在幾個特點。第一，集多功能在一身，比如中國特大的城市既是經濟中心，又是教育中心，又是科技中心，又是文化中心。在美國，有些城市是政治中心，有些城市是科技中心，有些城市是經濟金融中心，中國的城市是綜合性城市，人口遠多于美國任何單個超大型城市。
綜合性、超大型城市，在城市發展管理中面臨著流動人口管理、城市交通擁堵、消防安全隱患、居民健康挑戰、城市污染嚴重等問題。
其中最近熱門話題ESG，其概念是指，用數字賦能讓城市變得更加綠色和低碳，人類節能減排是勢在必行，ESG方向上有很多機遇。
其實梳理政策你們會發現，政策的頂層設計只講了一件事：如何把城市看成一個人。頂層設計中的城市大腦，相當于人的大腦。
數字化讓城市的數據得到沉淀。在過去10-20年沉淀的海量數據如何數字化，是城市智慧化的第一要素。應對場景是數字化之后的第二步，場景會帶來實際的需求。
第三是加強網絡的建設，需要建設一個人的神經或者血管般的網絡，進行數據、信息的傳達。
經過估算，智慧城市生態有4-5萬億市場規模。ESG的核心是低碳化、節能減排、數字化。ESG存在于各個賽道。
智能汽車、機器人等智能終端，智慧城市迎來更大風口
物聯網的時代到來已經是必然趨勢，智能汽車、機器人是兩個非常重要的物聯網節點，智能汽車是交通工具，也是人類新的工作、生活場景，是城市物聯網場景。機器人相較于汽車，更多具備服務功能或作業功能，它在收集場景數據、地理信息數據或者自學習能力上是不斷進化的。
智能汽車方向，自動駕駛是必然的趨勢。不管是要十年或者二十年實現，最終駕駛員不再有。
前期從L1到L3階段需要人不斷關注和干預，這個階段要投入大量技術研發、保證駕駛員在位，L4的時間節點到來的時間各說紛紜。
這個趨勢下面有兩個細分賽道，一個是新能源汽車，一個是Robotaxi，后者需要強大的運營能力和服務能力，到來的時間肯定晚于智能化或者有自動駕駛功能的新能源汽車。
眼下前裝趨勢非常明確，不管是做激光雷達還是做攝像頭，前裝市場是必然選擇。
昨天有一位嘉賓說到他和車廠的合作不斷被車廠、主機廠按在地上摩擦，后裝慢慢會被替代掉，走得更前，和主流主機廠合作是未來的趨勢。
智能單車對于自動駕駛遠遠不夠，要做到人、車、路協同，就是需要一張網，最終實現自主駕駛，人成為相對自由的人，不能時時刻刻關注車和路上的狀態。
不只是通信網絡，自動駕駛現在還需要一張計算網絡，計算網絡能實現對智能汽車毫秒級的智能駕駛的支撐。
聰明的單車遠遠不夠，需要有智慧的路，未來在路端、在邊緣端會布置大量的激光雷達或者節點，用來存儲行駛過的車或者路況的信息。
要確保L4級別的自動駕駛毫秒級的運算操作，對芯片的算力要求非常高。
商用車行業的自動駕駛更加追求經濟回報。典型的物流場景，我們尋找優秀公司的方法論在于，是不是解決了行業中的痛點，或者能夠大的趨勢下堅持做好一件事情。
商用車的自動駕駛司機的成本在不斷提升，司機在駕駛過程中會產生失誤、疲勞等，物流行業競爭嚴重，司機超載或超時駕駛是常態，存在很多安全隱患。其次物流行業的內卷嚴重，運營成本一直居高不下，在長途的干線運輸場景，電動化、自動駕駛的卡車存在很大的潛力，市區內的快遞、物流配送，也會產生大量低速場景下的需求。
再談談機器人，今年很多機器人成長、融資步伐都非?？?，很重要的原因是人工智能技術成熟之后，算法、感知到決策都有了諸多結果。
對于服務型城市，最終要實現執行和服務的閉環，機器人作為能夠讓AI能力具體化的物聯網設備，是被AI、人工智能、云端的人工智能的技術賦能的。
機器人賽道，有些企業分三個階段走，第一階段是自己做機器人，把設備做好，交付給甲方或者工程商，這是必經階段，企業需要考慮機器人類型和賽道，比如是服務型機器人、工業型機器人、協作機器人、醫療機器人等。
第二階段機器人在場景中收集到大量數據（用戶數據、地圖或者場景的數據、運算操作的數據），這些數據沉淀后，成為AI更加智能化的重要數據來源和依據。第二階段是有一段很長的路，企業優秀與否也可以在第二階段見分曉。
第三階段與特斯拉發展的邏輯相似，在大眾認知里，特斯拉不僅僅是新能源車企業，更多是大數據企業，機器人企業也有這個現象，機器人最終將成長為具備自學習、自優化的物聯網的終端。
其實機器人企業可以幫助新生的物聯網設備公司變得更加聰明，以特斯拉提供的自動駕駛服務為例，某種意義上它可以開源賦能其他的企業。
打通城市底座，實現“人本城市”
城市的需求中，有大量設備、企業、物聯網終端，對于一個城市管理者來說，一個極大的挑戰是，面對海量應用、海量企業、海量服務、海量數據，到底要建多少網、多少中臺、多少平臺才能做好？這是目前很多智慧城市會面臨的問題。
將來在某些城市會逐步出現數據底座或者操作系統。
長期看，上一個時代是移動互聯網時代，現在正處于移動互聯網時代紅利頂峰的時期，手機的所有應用都生長在iOS平臺或者安卓平臺上。
下一個時代如果是物聯網時代，會不會出行類似iOS或者安卓的操作系統，能夠賦能基于開發IoT設備的企業，或者基于開發環境、應用環境、迭代升級環境以及沉淀的數據，提高企業的效率。
過去的智慧城市建設大多以信息為中心，或者以場景為中心，我們認為下一階段是以人為中心，以人為中心要考慮到作為服務型城市，需要有強大的中樞和底座。
未來的城市將遵循以下規律：
從信息城市（以信息化為中心，互聯網驅動，強調各業務、各部門內部的數字化、信息化）到智慧城市（ 以應用場景為中心，AI、物聯網等技術驅動，強調各系統、各場景內部的智能化）到人本城市（以人為中心 ，城市新型需求驅動，強調全系統、全場景的融合協同）。
