2025年全球數(shù)字經(jīng)濟大會上，北京市聯(lián)合40余個國際伙伴城市成立全球數(shù)字經(jīng)濟城市聯(lián)盟，圍繞數(shù)字基建、跨境數(shù)據(jù)治理等議題，搭建跨國協(xié)同平臺，助力全球城市發(fā)展。作為大會東道主，北京市在智慧城市建設領域持續(xù)深耕，眾多人工智能賦能行業(yè)發(fā)展的創(chuàng)新實踐競相涌現(xiàn)。其中，多模態(tài)大模型在北京市經(jīng)開區(qū)城市治理場景中的首次應用在尤為矚目，百度智能云“視頻大模型全域智能訓練賦能城市治理”案例成功獲評“北京市人工智能賦能行業(yè)發(fā)展典型案例”，展示了技術創(chuàng)新與城市治理的深度融合。

多模態(tài)大模型助力城市治理由人治向智治轉(zhuǎn)變

當前城市治理中，“治理問題多、服務人員少、管理成本高”的痛點普遍存在，成為阻礙城市治理體系邁向更高水平的現(xiàn)實瓶頸。北京市經(jīng)開區(qū)作為城市治理與科技創(chuàng)新的前沿陣地，在賦能城市治理民生服務領域成效顯著。

針對轄區(qū)內(nèi)各委辦局對城市智能化治理的共性需求，2024年北京經(jīng)開區(qū)營商環(huán)境建設局作為北京市智慧城市場景創(chuàng)新需求清單（第一批）場景開放單位，開放城市治理場景需求，期望建設基于大模型技術的城市影像視頻智能分析場景，重點攻關大體量視頻綜合分析技術突破及工程化應用，并率先在城市治理事件領域開展技術應用試點驗證。

百度智能云作為場景承接單位，率先將視覺多模態(tài)大模型技術應用到城市治理場景中，通過視頻感知體系和算法倉的“軟硬解耦”架構，構建起基于多模態(tài)大模型的視頻解析中臺，實現(xiàn)了城市治理智能應用技術新突破。

北京市經(jīng)開區(qū)依托百度智能云泛政多模態(tài)大模型構建起全流程智能化治理平臺，通過精準算法分析，提取四千余種城市治理要素的結構化數(shù)據(jù)，將視頻轉(zhuǎn)化為動態(tài)事件流與數(shù)據(jù)流，實現(xiàn)城市治理問題的智能發(fā)現(xiàn)預警，自動立案追蹤，案件審核結案，賦能城市治理問題處置提效，為城市治理從人工主導轉(zhuǎn)向智能輔助研判提供技術支撐。

目前，該平臺已接入北京市經(jīng)開區(qū)全域視頻，實現(xiàn)了對亦莊區(qū)域內(nèi)百余種城市治理場景的全天候巡檢，事件預警信息對接經(jīng)開區(qū)治理鏈平臺，治理問題智能流轉(zhuǎn)，輔助城市管理相關部門進行城市治理精細化、常態(tài)化、智能化監(jiān)管。平臺上線以來在多個場景中展現(xiàn)出實戰(zhàn)能力。

4月，全球首個人形機器人半程馬拉松賽事在北京市經(jīng)開區(qū)舉行，平臺在大型活動保障中發(fā)揮了關鍵輔助作用。工作人員利用少量樣本圖片，快速訓練出“鐵馬倒伏”等臨時特殊算法，隨后對沿線七百多路攝像頭進行靈活配置，成功實現(xiàn)了對重點區(qū)域的智能監(jiān)控。這一舉措有效輔助了保障人力的精準調(diào)配，確保了活動期間各項秩序井然，為這次活動的順利舉辦提供了堅實的技術支持。

6月，北京全市進入汛期。在防汛應急響應工作中，面對上千路視頻防汛點位，平臺能夠?qū)崿F(xiàn)分鐘級檢索，迅速識別并篩選出積水點位，還能根據(jù)積水程度進行分級預警。預警信息通過京辦系統(tǒng)及時推送至城管部門，為相關部門快速開展應急處置工作提供了精準依據(jù)，大幅提升了防汛應急響應效率，為城市安全度汛筑牢了科技防線。

針對城市管理中的諸多頑疾，平臺在社會治理攻堅方面表現(xiàn)優(yōu)異。面對黑車整治、無照游商、沿街晾曬等頻發(fā)問題，平臺中定制了五十余種視頻識別算法，實現(xiàn)全域全天候智能巡檢。自上線以來，平臺已輔助政府部門累計辦結典型事件百余起，顯著提升了非現(xiàn)場監(jiān)管效能。

在城市部件巡檢工作中，平臺同樣表現(xiàn)出色。通過在全區(qū)重點點位部署視頻算法，并結合移動巡檢設備，平臺針對道路開挖、道路遺撒、樹木倒伏等事件進行智能巡檢，實現(xiàn)了城市基礎設施全天候、全覆蓋監(jiān)測，為城市基礎設施的安全穩(wěn)定運行提供了可靠保障。

應用大模型進行非現(xiàn)場執(zhí)法成為城市治理新趨勢

隨著大模型與行業(yè)數(shù)據(jù)的深度融合，視覺智能技術將在政務等領域持續(xù)釋放價值，推動城市治理邁向更精準、更高效的新高度。百度智能云泛政多模態(tài)大模型，支持零樣本執(zhí)法任務定義、指令式視頻調(diào)閱、智能化告警分析功能賦能非現(xiàn)場執(zhí)法管理工作，正驅(qū)動城市治理從人工巡查轉(zhuǎn)向智能視覺研判。

相比傳統(tǒng)“小模型”的一事一模型，百度泛政多模態(tài)大模型場景覆蓋面廣、理解力強、訓練成本低。新場景能力拓展的開發(fā)周期可縮短70%、節(jié)省50%以上標注人力，提升場景拓展效率，快速響應客戶定制化場景需求。面向城市中的高頻事件，大模型識別準確率在90%以上。此外，泛政多模態(tài)大模型支持將大參數(shù)量模型蒸餾至小參數(shù)量模型，滿足不同頻次、性價比需求。

據(jù)悉，百度智能云泛政多模態(tài)大模型已在北京市、內(nèi)蒙古鄂爾多斯等數(shù)十個城市的城市治理場景中落地，其多模態(tài)感知與智能執(zhí)法輔助能力正深度重塑城市治理邏輯。這種非現(xiàn)場執(zhí)法模式的普及，破解了傳統(tǒng)城市治理中“人力不足、取證困難”等業(yè)務難題。隨著大模型對復雜場景的理解能力持續(xù)進化，未來城市治理將逐步邁向更高效、更精準的新階段。

（百度供圖）