自ChatGPT問世以來，大模型這一新興人工智能技術引起了社會的廣泛關注。大模型不僅可以模擬人類進行自然語言交流，還具備多模態能力，能夠完成語言交互、代碼生成、圖像生成等多種任務。與傳統的決策式人工智能相比，大模型或將成為人類強大的合作伙伴，提高生產效率并創造更多價值。過去數年，我國城市智慧化建設取得了長足發展，各地城市基本完成基礎信息化系統建設，并儲備豐富的城市數據。因此，智慧城市成為大模型理想的應用場景之一。但如何因地制宜的構建城市治理大模型，并將之用好、用透，切實服務城市治理場景，提升城市治理范式的現代化、科學化、智能化，是一個值得深思的課題。
大模型落地智慧城市的挑戰
順應著城市治理到城市“智”理的發展浪潮，人工智能已從萬千碎片化的小模型時代走向“百模千態”的大模型時代。伴隨著ChatGPT（美國OpenAI公司開發的人工智能聊天機器人程序）的面世，各類大模型智能涌現，逐漸成為人工智能技術的最新體現。
在智慧城市建設中，大模型更多是起到基礎設施的作用，大模型的能力要依靠場景去表達，同時大模型的價值要以輔助智慧城市各類參與者為核心。如何基于大模型這樣一種最新的人工智能手段為基底，打造智慧城市各項業務場景，賦能智慧城市各類參與者，已經成為新形勢下智慧城市建設亟待破題的關鍵。
（一）如何構建行業大模型，以智慧城市應用場景為驅動，推進行業精細化治理
通用大模型存在意圖理解能力弱、知識割裂離散、泛化適配能力差等特點。如何從“通用”走向“專業”，大模型需要在智慧城市應用場景上發揮出更大的價值。
通用大模型具有出色的泛化性能和通用知識，而針對特定行業或領域的需求，要結合特定的行業數據對通用大模型進行優化，以適應行業的特定需求和挑戰。大模型的特點是創造性的智能涌現，存在“不確定性”，而智慧城市需要的是“確定性”，如何揚長避短，充分利用大模型的優勢，控制大模型的“不確定性”帶來的負面價值是關鍵。
而恰恰是行業大模型充當著“行業專家”的角色，更專注于某個特定領域的知識和技能，具備更高的領域專業性和實用性，能夠解決智慧城市的“確定性”問題。
在智慧城市領域，如何結合智慧城市各細分領域的行業經驗和專業知識，在通用大模型的基礎上探索與打造各類智慧城市行業大模型，使其具備專業的知識問答、語言理解、文本生成、邏輯推理等能力，提升專業領域的場景應用效果，解決城市管理、基層治理、城市安全、民生訴求、法治政府等細分行業場景的痛點問題，賦能智慧城市新變革，已經成為大模型技術產品落地智慧城市應用不得不面對的一大挑戰。
（二）如何體現以人為本，基于大模型輔助智慧城市各類參與者
大模型的應用不是錦上添花，而是切切實實能夠落地并產生顯著價值。大模型賦能智慧城市的應用場景探索，要以精準識別行業痛點為原則，以提升城市治理效率為出發點，更要以輔助智慧城市的各類參與者為核心。
智慧城市的建設是一項復雜的工作，智慧城市的參與者包括城市管理、基層治理、城市安全、民生訴求、法治政府等領域相關的社會公眾、話務人員、城管人員、執法人員、網格員、基層參與者、各級領導等人員。每類應用場景普遍存在“范圍廣、事情多、人員少、效率低”等問題。
如何面向不同的智慧城市細分領域場景，運用大模型技術精準識別痛點難點，輔助多元參與主體高效開展工作？成為了構建新型智慧城市新格局的破題關鍵點。
在民生訴求方面，市民撥打熱線電話的趨勢逐年遞增。以2022年的數據為例，北京全年工單量7500萬件、上海2000萬件、廣州3206萬件、深圳1200萬件，針對民生訴求“電話占線”的痛點，通過大模型可賦能客服人員，讓熱線接的更快、分的更準、辦的更實，讓百姓訴求不占線，從而提升民生訴求工作成效、優化市民服務水平。
在法治政府方面，目前全國的法律、行政法規、地方性法規、部門規章加起來超過10萬部。不僅如此，執法機構和執法人員規模龐大，以天津市為例，全市執法機構2458個，執法人員達2.5萬。針對法治政府“精準執法”的痛點，通過大模型技術可服務執法人員，解決法律繁多記不住、用不準、法不好“依”的問題，讓執法更精準。
在基層治理方面，上面千條線，下面一根針，基層工作人員面臨著巨大的工作壓力。全國據不完全統計共有450萬名基層網格員?；鶎庸ぷ髡呙刻於夹枰_展基礎信息采集、為民服務、重點巡查、特殊人群走訪、社會治安輔助、生態環境巡查、矛盾糾紛調解、社區管理、隱患排查等工作，面臨著多種考核任務的壓力。針對基層治理“即可能用”的痛點，通過大模型可賦能基層工作者，切實為基層減負提質增效，讓基層工作者隨時隨地享受信息化帶來的便利，讓基層的線上化更加簡單。
在城市管理方面，全國目前有200多個地級市，接近400個縣級市，絕大多數城市無法有效借鑒先進城市的管理經驗，無法找到符合自身特點的管理方法。針對城市管理“優秀經驗復制難”的痛點，通過大模型可賦能城市管理人員，合理有序沉淀管理經驗，同時有效制定城市管理綜合評價方案，提升城市綜合測評水平，最終因地制宜地給出城市管理方向指引。
在城市停車方面，據公安部統計，截至2023年9月，全國機動車保有量達4.3億輛，機動車駕駛人5.2億人，然而停車場相關的基礎設施缺口卻達8000萬個。針對城市停車“停車貴、停車難”的痛點，通過大模型可賦能停車運營人員，切實緩解城市交通擁堵、解決城市停車難的問題，讓停車更便捷。
以上舉例只是智慧城市當中的幾個核心業務領域，總而言之，大模型在智慧城市當中的應用要能切切實實賦能智慧城市的各類參與者，而不只是個“花架子”。
大模型賦能智慧城市業務場景分析
面對不同智慧城市場景當中各類參與者的痛點及核心訴求，大模型的應用應結合行業經驗和專業知識，打造符合行業實際需求的場景應用新范式，賦能智慧城市高質量發展。
（一）大模型賦能民生訴求“優服務”
開展民生訴求工作是政府傾聽民眾聲音、打造“服務型”政府的重要手段。然而，如何有效解決“市民訴求雜、人力資源缺、運營成本高、數據分析弱、領導關注頻”等問題，成為了提升民生訴求工作成效、優化市民服務水平的關鍵。上述問題主要體現為各類熱線都歸并到12345，受理事項覆蓋廣，對話務員專業素養有著越來越高的要求；訴求工單量大，電話經常占線，話務員的情緒化容易影響市民的滿意度；需要大量的客服人員保障全天候接聽來電，但相關人員技能水平參差不齊；報告報表制作耗時耗力、分析決策建議不足；一把手領導每天關注的群體熱點事件但是無法精準識別等方面。
通過構建基于大模型的智能對話引擎，賦能政務熱線，由“數字人”自動、快速處理各類投訴和咨詢問題，解析政務熱線中的關鍵信息后生成問題工單，服務群眾供水供電、游商占道、住房公積金等方面的需求。相比于傳統人工客服和機器客服，大模型“數字人”的語義理解更為精準、意圖識別更為到位、應答話術更為靈活、市民服務更加人性。同時基于大模型能力，對民生訴求數據進行要素級提取、分析，引導式生成不同應用維度分析報告，有望整體革新民生訴求工作方式，更好服務市民。
（二）大模型賦能法治政府“強規范”
強化執法人員能力建設、素質提升，規范執法方式、執法流程，規范訊問筆錄流程、提高訊問筆錄效率是行政執法的關鍵。針對法治政府建設當中執法人員行政處罰工作存在：法律條文方面的執法依據記不住、筆錄問詢方面的筆錄制作不規范、自由裁量權方面的自由裁量運用不當、法制審核方面的法制審核人員力量薄弱等痛點難點堵點，通過城市治理行業大模型賦能，可幫助執法人員根據線索詳情智能識別違法行為，推薦相關案由及違則罰則，完成執法立案登記；智能推薦筆錄模板，一鍵填充執法文書內容，完成執法調查詢問筆錄；智能完成案件審核，實現自查自糾；智能推薦相關的自由裁量建議，輔助執法決定。
同時，可以嘗試探索基于大模型的數字人遠程訊問，基于大模型的能力支撐，可以有效規范訊問流程、提高訊問效率、避免直接與違法人員產生正面沖突，探索非現場執法的新方式。
（三）大模型賦能城市管理“優考評”
綜合評價工作的有效開展是城市管理業務的重要環節，涉及到是否能夠客觀、合理評估城市管理成效，是否能夠面向城市管理做出精準決策。然而，當前在城市綜合評價中依然存在著“評價方案制定難、評價指標設計難、決策建議形成難、優秀案例復制難”等痛點，阻礙了高質量、高格局地推進城市管理工作。具體體現為城市管理事項多、綜合評價標準復雜，各地城市因行政管理權責差異，個性化評價方案制定難；綜合評價指標依賴系統上報和現場考察，指標獲取主觀性影響大，評價標準難以落實，方案落地難；各地評價方案各自按需制訂，缺少經驗總結和沉淀，優秀案例復制難。
通過構建基于大模型的城市評價方案，可根據城市規模、評價目標、工作辦法，關注重點及相關配套機制，構建個性化評價方案；應用大模型賦能，進行智能化采集、智能化分析城市管理高發問題、高發區域，同時根據評價周期內采集數據，客觀評價城市管理情況，找出問題短板，生成決策建議。大模型的應用，可提升城市綜合測評水平，因地制宜給出城市管理方向指引，讓經驗被更好沉淀。
（四）大模型賦能基層治理“減負擔”
通過充分應用城市治理行業大模型賦能基層治理，實現OCR+大模型式的語義理解：將圖片直接生成文字，自動完成語義信息提取，抗干擾能力更強，信息填報精度更高；可基于引導詞進行低代碼表單構建，快速構建采集填報表單和數據管理系統，無需定制開發，更為敏捷地響應基層需求；可基于引導詞進行低代碼數據分析，快速構建可視化數據大屏，動態展示數據采集結果，更為高效地支撐領導決策。跨越模版的鍵值對（表單）提取、低代碼體系的組件化結合，將基于大模型賦能，更好為基層減負、為服務增效。
（五）大模型賦能城市停車“提效率”
通過構建基于大模型的智能停車對話引擎和管理引擎，對歷史停車數據進行動態分析，識別停車高峰時段和高峰區域；對人員停車需求進行精準研判，智能推薦最優停車方案。最終以“數字人”的形象，面向不同用戶進行交互式、引導式地提供精準停車指引服務?；诖竽Ｐ偷脑浦蛋嗍遥梢杂行嵘＼噲龉芾硇?、優化停車資源分配、明顯提高車位利用率，并避免車輛亂停放造成交通擁堵和安全隱患的情況出現。
大模型時代智慧城市發展路徑展望
智慧城市的核心在于各類實戰管用的應用場景打造，大模型時代下智慧城市的發展路徑，我們認為從場景構建方法論、場景分類以及場景落地三個方面上進行演進。
（一）大模型推進智慧城市發展的四大關鍵原則
在場景構建方法論上，要緊扣數據定義行業、業務驅動應用、技術提升產品、應用服務場景四大核心關鍵點為支撐，推進各類應用場景的打造。
數據定義行業。沉淀智慧城市行業數據要素資產，構建更專業的行業知識庫，為大模型提供更強大的數據支持。
業務驅動應用。順應技術發展趨勢，緊密結合業務需求，驅動各細分行業產品和服務的重構，推進智慧城市各行業流程創新和模式優化。
技術提升產品。保持技術敏感，跟進算力、算法、模型迭代趨勢、強化產品安全性和用戶隱私保護，持續投入大模型應用研究。
應用服務場景。加強與政府部門、大模型廠商等各方合作，共同推進大模型場景的落地和應用，實現智慧城市的高質量發展。
（二）大模型賦能智慧城市的四大場景分類
在應用場景選擇上，大模型正在成為智慧城市高質量發展新的推動力，大模型時代下智慧城市的發展應當積極探索基于行業大模型的服務優化類場景、風險預警類場景、經驗學習類場景以及決策支持類場景的打造與應用。
服務優化類場景。通過大模型與業務流程結合，優化原有業務流程，提升服務的效率和質量。如工單派遣處置流程、行政執法流程、基層信息采集服務等。
風險預警類場景。通過對智慧城市各領域數據的實時監測和分析，生成各類業務預警模型，提高風險預警能力和應對建議。如輿情數據分析預警、燃氣安全預警、生命線缺陷研判等。
經驗學習類場景。通過對智慧城市各業務領域案例學習，構建大模型知識庫，形成知識沉淀，將經驗進行復制推廣。如城市綜合評價、共享單車治理、矛調糾紛、執法辦案等。
決策支持類場景。通過大模型數據挖掘和分析、結合低代碼，構建決策建議快速響應和及時更新模式。如應急指揮調度、城市秩序管理建議等。
（三）大模型應用場景務實落地的三大核心抓手
在核心技術支撐上，針對大模型賦能城市治理現代化的應用場景探索實踐，智慧城市的行業大模型要緊密結合專業的知識庫、微調的模型參數以及海量的引導詞為支撐開展應用場景的構建。
行業知識庫。行業數據是體現行業和通用區別的源頭。大模型在智慧城市當中的應用，應當以細分行業為出發點，以行業領域數據為基礎構件行業知識庫，通過海量行業知識樣本的梳理，為大模型訓練夯實基礎。
大模型微調。靈活選擇大模型底座，專注行業模型微調，通過監督微調（SFT）、獎勵模型（RW）、強化學習（PPO）等方式進行強反饋學習。提升大模型微調效率，降低訓練成本，可以基于Lora微調技術，實現行業大模型低成本、高效率迭代。
引導詞服務?；跇I務理解提供規范的引導詞服務。引導詞（Prompt）是一段用于激活人工智能模型的文本，用來引導模型生成相關的自然語言文本?；趐rompt來引導模型生成我們想要的自然語言文本，這樣能夠更加精準和高效地獲取我們所需的信息。通過制定引導詞模板，提供引導詞管理與優化服務，讓“智能涌現”產生社會價值。
大模型的有效利用，給智慧城市發展帶來了新的治理范式和機會。充分利用智慧城市的行業大模型人工智能新優勢，打造務實、可落地、高成效的智慧城市各類應用場景，推動智慧城市的管理手段、管理模式、管理理念創新，讓城市治理更聰明、更智慧、更簡單！