1、在于他的变量是连续变量，空间大，状态复杂。

　　2、我们没有办法去向玩游戏一样免费的试错，我们的样本空间远远小，而且锅炉的状态是不断的变化的，一个礼拜之前的锅炉跟现在的锅炉可能已经完全不一样了，两年前的数据到今天可能就没有用了，所以这个问题更加难。

　　那非常的幸运，我们在前几个月取得了突破性的进展，在南京火电厂经过一个月的测试终于顺利达标，这是火电验收的场景。

　　我们准备了大量的数据以及视频数据，但是专家刚开始不太相信，因为这个问题实在太复杂了，所以当时要么开机现场测试，我们心里面都捏了一把汗，不过最后的效果达到了，效果非常好，这也是给了我们同行一个不小的惊喜。

　　这个在未来我们在中国的几十家电厂进行复制，现在我们在一家电厂取得成功，还是第一个阶段。如果我们能够在10家、20家取得成功，那这将是中国人工智能上非常浓墨重彩的一笔，对行业的产能升级，对科技的推动有着重大的价值，所以我以这个项目引以为荣。

　　第二个讲一下AI+空气质量，空气的问题大家都非常关注，因为我们每天都要呼吸，政府也很关注，这个话题已经谈了很长时间，政府在城市里面部署了很多的空气质量传感器，去监控每个地方的空气变化，我们都知道PM2.5如果到了500就爆表了，如果是50以下就是优，但是政府的资金是有限的，部署这样一个空气质量监测站点其实还是蛮贵的，特别是按照国家级标准的精度的要求，一个站点到百万级。

　　那我们政府不可能在整个城市的任何角落都去部署这样的站点，北京市也就只有35个站点，这已经是全国最多的站点，但是有一个问题大家可能没有认识到，这个城市的空气是非常不均匀的，也就是说我们这个地方的空气可能跟两公里以外的空气质量就差的很远，大家不要觉得奇怪，很正常，因为空气质量受很多复杂因素的影响，包括交通环境、拥堵状况、扩散条件，你这周边是有绿地、公园，还是有厂矿，这些因素都不是线性分布的，所以整个城市的空气是不可能均匀的。

　　我们看这个图里面，每一个图标表示一个空气质量站点，图片上的数字，500就爆表了，50以下是优。我们看到同一时间，不同时间的空气质量差很远，大家可能平时没有直观感受。很多时候你拿到手机APP都是过去24小时的均值，而不是实时的值。

　　那问题就来了，如果这个地方没有建空气质量站点，这个地方的空气质量毒数是多少呢？我们当前所在的位置，这个地方的空气质量毒数是多少？我们不得而知。我们不能简单依靠周边一个比较近的站点，来估算这个值，差距太大了。这在环保行业非常有这样强的需求。

　　我们用大数据和人工智能技术，结合了交通、气象、地理信息，学习了算法模型，根据这个地方的各类数据，去计算这个地方的空气质量，即便这个地方没有装空气质量传感器（这是非常重要的）。北京只有35个空气质量传感器，如果把北京划成1公里×1公里的格子，大概有2000多个格子。如果在每个格子里面布空气质量传感器，大概需要2000多个，一个成本是100多万，这个价值太大了。

　　而且，我们没有那么多人力、物力去维护这么多设备，我们也没有那么多用地部署这些设备，一个服务器占地挺大的，并不是像大家想的那么一个小盒子，那是家用的。真正空气质量站点，要占一个角落这么大的空间，这个价值就很明显了。

　　我们只用35个传感器，结合城市里面的数据，就能够把城市里面每一个平方公里的空气质量实时计算出来，不仅可以指导我们的出行、我们的决策、政府的决策，也能知道每一次空气质量从好变坏的过程中，哪里先变坏，哪里后变坏，从而知道污染源的传播路径，快速找到污染源。

　　所以，它的价值不光指导我们的决策，还能锁定污染源。下一步我们还要预测各个地方的空气质量，我们说的预测不是说明天北京有没有雾霾？这太简单了。我要天安门未来24小时怎么样，清华大学未来12小时怎么样，东直门未来48小时怎么样，是一个空气细粒度和时间细粒度预测，这个预测非常困难。因为每个地方空气质量都不一样，而且变化其实非常剧烈。而这种细粒度预测，才能真正去指导政府的决策。

　　从这上面，我们跟以前的方法进行比较，提升了多少呢？传统方法按照空气动力学和天气预报的方法，精度大概60%左右。我们通过大数据和人工智能的方法，结合了很多看似不相关或者弱相关数据，把精度足足提高了20%。60%的精度在行业里面20多年没有被突破，而我们现在把精度提高到80%，这个技术已经覆盖了中国300多个城市，不光是一个精准度提高，也是对政府决策、节约资金、指导人们生活的重要支持。

　　所以，我也为我们这样一个技术感到骄傲和自豪！

　　现在中国很多地方，你们上我们系统可以看，任何地方覆盖率变化情况都会看到。

　　讲完了垂直方案，我们开始讲综合解决方案，重点挑两个出来讲：一个是信用，一个是我们的智能小镇。

　　信用是现在国家非常关心的一个问题，习大大多次强调人无信则不立，信用可以减少很多的社会矛盾，而信用可以分成，居民的信用、企业的信用和政府的信用。

　　这里面我们提供信用的基础信息平台，我们也提供各种信用的算法模型和评分模型。我们来看一系列的案例。

　　第一个是以个人信用为代表，我们在宿迁做的一个信用体系，宿迁有基础分，那我们是通过宿迁的各种数据再结合京东的数据，对每一个人的信用进行评分，这个评分的模型是一个智能化的模型，不是一个简单的加减分规则，以前的很多信用评分都是依靠一个简单的加分规则，比如说我献血了加5分，我违约了扣5分。

　　这样的规则其实很不合理，因为信用一定是要跟场景相关的，我们去跟借一辆共享单车时候的信用和我们去贷款买车时候的信用，他应该考虑的因素不同，而且即便是同一因素，他的权重也应该有所不同。

　　我们去租金一辆共享单车的时候，我们有没有房产信息其实并不重要，但是你去贷款买车的时候你又没有房产信息就很重要了，所以不能简单的依靠一个加减分数的规则来解决信用分数。

　　现在我们在授权用这样一套人工智能方法，结合了很多的数据源，为每一个老百姓打出了综合信用分以及是跟场景相关的行业信用分，这样的话就可以去支持各个行业的服务。

　　然后，我们把这信用分数开放出来，开放出来给各个地方去查询，给各个行业机构去调用，去支撑各个行业，所以还是发挥了我们的平台作用和我们操作系统的作用，我们把它变成一个模块放到平台里面，可以让政府和各个合作伙伴去调用。

　　现在到目前宿迁的信用分已经被几十个部门委办局在调用，宿迁的借阅、宿迁的自行车停靠，都在参考这个信用分数。

　　第二部分，企业的信用。这个图是福州市企业信用分布，每一个柱子代表一个企业，柱子高度表示企业信用风险，红色表示高风险企业。

　　我们考虑企业的经营记录、司法记录、创新能力、名字变更次数等等来综合计算信用分数。但这些数据到底谁更重要，谁更不重要，以前没有办法定。要么就一样重要拍脑袋，都是1/5，实际很不合理。

　　这边我们用大数据和人工智能技术，去学习这些数据的权重，得到一个很合理的信用分数，这是第一点，基于大数据和人工智能来决定数据的权重，得到一个非常可靠和精准的信用分数，跟你的应用场景直接挂钩。

　　第二，我们可以预测某些企业的信用分数，我们特别希望预测，而不是当事情发生之后再告诉这个企业信用不好。通知是有效的，如果能够防患于未然，这样能大大降低政府的治理成本。

　　我们发现某个企业，提前两个月判断，这个企业可能会出现信用风险。结果两个月之后，果然出现了大批司机操作违规，这从数据里面能看出来。

　　所以，预测比我们的单点感知要更重要。到底什么原因导致信用出现问题，可能在某个城市的某个区块，某一类企业成批量出现问题，这是某个城市建筑行业，在某个区成批量出现问题。后面发现可能是这个区域的某种政策有漏洞，所以建筑行业成批量去钻这个漏洞，政府知道这个原因之后，可以更加精准、有效去堵这个漏洞，治理这个信用问题。

　　我们不光能动态、合理计算信用分数，计算数据权重，我们还可以预测企业信用风险，告诉政府为什么会有这样的信用风险，这是跟别人不一样的地方。

　　宿迁利用我们数据计算能力，利用算法模块，结合政府的数据、京东的数据和银行的数据，跟我们民丰银行共同打造了诚信贷的产品，这个产品核心思想集大家所长，集各个数据的优势，在保证数据安全的情况下，利用数据网关、联合建模技术，来识别信用好的中小微企业，给中小微企业提供精准贷款，这是国家要落实、扶持中小微企业很重要的环节。

　　以前银行想做，因为数据不全，没有办法辨识哪些是好企业，哪些是坏企业，所以资金坏账率会变得比较高。现在有了这样的技术和数据，我们能够更好帮助政府帮扶企业。

　　所以，从最开始的感知识别到预测，到最后跟银行业务的结合，帮助政府完成对中小微企业的帮助，降低资金的坏账率、银行的坏账率，而企业又能得到极大的发展，这就是一个便民的活动。

　　再讲一个综合解决方案，智能小镇。因为这话题实在是太热了，本来我今天都不打算讲，但是因为有很多同行们都跟我反馈说你一定要讲这个话题，因为智能小镇现在在全国各地都在盖，早期的智能小镇更多是通过一些地产的形式去变现，但是一味的依靠地产形式变现的话，我相信这个路子也很难再走下去了。

　　所谓智能小镇一定要有智能，那何为智能，智能从何而来，怎么智能，我们定义了一个七步法，七步的路径。

　　我们用一个例子给大家看怎么来完成这七步，最后达到一个真正意义上的智能小镇，用智能来拉伸小镇的价值，从这个价值里面获取利润而不是简单的依靠基础设施建设和地产的变现。

　　第一步：总体规划。

　　好，这是第一个环节，做好整体布局，大家如果有一定的辨识度的话可以看出这个地图其实是现在全国人民非常关注的一个地方的地图，其实我们就在参与这边的智能小镇的规划和建设。

　　第二步：对路网进行规划。你做总体布局之后，第一步上来要对路网进行格局的规划。

　　第三步：基础设施。做完了路网规划之后就开始要布基础设施了，基础设施我们重点强调智联，除了简单的传感器，还要使传感器之间形成物联网，物联网还要跟应用技术结合，做到真正的智联。

　　第四步：智能的城市操作系统。公共基础设施做完之后，这个时候就应该是智能的城市操作系统进去了，这边我们叫做智能中枢或者叫小镇的智能中枢，这是我们领导给我们起的名字，叫做小镇的智能中枢，这个智能中枢并不是说小镇干完之后再去设计规划，而是在建的第一天，从我们第一步的时候就已经做了整体的规划，因为如果你没有留好你的一些机房，你的智能灯钢，你的电源都没留好的话，你后期再去做已经不太可能。

　　所以，现在就要叠加我们的智能城市的操作系统进入这个小镇，这也是把小镇的价值拔高的一个很关键的因素。

　　在这小镇的操作系统上我们会搭建大量的智能应用。

　　做完一切之后，都离不开产业的规划和发展。如果小镇只有房子、只有人，没有产业规划也是不行的。因此我们京东会把产业结合到智能小镇内部。

　　下面是我们的宜居，各种商业设施、智能场景，上面是我们各种赋能，商业植入，包括我们的电商、物流、外部合作伙伴，一起来共建我们的京东产业生态，以及京东的赋能生态，形成一个与宜居居住+产业赋能相结合的智能小镇。

　　这里面会提供各种帮扶（资金帮扶、企业贷款帮扶、物流帮扶、电商帮扶）等，形成一个真正以智能城市、智能小镇操作系统为基础的生态。

　　智能城市APP，这是我们提出来比较新的概念。大家觉得每个城市都有APP，没有什么了不起的。可能以前城市APP更多是政务系统本身，或者是某些企业打造了生活服务的APP，我们要打造集政务服务、生活服务、企业服务于一体的一站式智能城市APP，我们在宿迁做了第一期试运行，已经上线。

　　现在整合了40多项政务服务、京东服务，未来平台要开放出来，给更多合作伙伴接入。现在已经有买电影票，未来有送外卖各种服务，一切围绕以人为本、以城市生活为本，不光只是有住房公积金查询、违章停车查询、缴纳罚款等一系列政务服务，还会有生活便民服务、快递服务、外卖服务等等，这是一个平台级产品，是一个以智能城市生活为中心的的平台级产品。

　　我们6月份把功能变成150个，那个时候就会有极大的功能，并且很丰富，就会有很多人在用这个产品。现在我们在景区导览、智慧文旅、智能公交、智能政务都已经整合了非常多的服务。

　　我们讲完了这么多产品，讲完了我们的定位，其实我们还有一条产学研一体化，这可能也是我们的优势，估计你们在很多的合作伙伴大会上面和产品大会上面很难听到这样的东西，我们成立了京东智能城市研究员，高文院士也是我们的学术委员会委员，昨天我们刚刚召开了第一届的智能城市学术委员会，我们很荣幸的聘请到中国工程院潘云鹤院士和中国工程院高文院士，中国工程院吴澄院士，中国工程院陈纯院士，中国工程院李伯虎院士和浙江大学庄越挺院长来担任我们的学术委员会的委员和主任。

　　我们为什么要做这样一个研究院呢？其实要落到产学研一体化。我们刚才讲过单纯依靠企业和学校，都很难培养出这样的复合型人才。一定是学校跟企业共建，用真实的数据和项目，去喂养这个人才，这样人才出来之后，才能真正解决智能城市的一系列难题。

　　目前我们在南京、成都有分院，跟中国10多所高校建立起联合培养、定向培养、联合授课，一起打造学科建设的体制。所以，我们有强大的人才梯队和背景，我们也得到了学术圈各位老师的支持，再次表示感谢！

　　我们不光只是做了一些产品，我们产品一定要有技术含量。一方面要落地，一方面要顶天，叫顶天立地。我们学术成果，在国际上受到认可。刚刚讲的很多产品，都在国际顶尖会上发表了论文，同时有大量专利，所以产学研一体化，也是很核心的特点。

　　最后总结一下，我们到底是什么？这里有一张图反映了各个智能城市的参与者定位。

　　第一，我们不是脑，不是中枢，不是去控制这个城市。

　　第二，我们也不是云，不是基础设施，我们也不是PC机。

　　第三，我们不是系统集成，我们不是硬件提供商。

　　那我们是什么？我们是城市操作系统，我们是智能城市的数字基石。

　　谢谢大家！

给楼主点动力吧，已有 0 个人对这内容打赏，关于打赏说明.

收藏好内容，方便下次查阅，淘宝网店估价.

内容违规投诉举报请联系在线客服QQ：278336453