分享
收藏
点赞
走向实际应用还需关注什么
10月19日，有机会参加了第二届综合交通运输大模型智能体创新应用大赛的决赛。本届大赛以“智领交通·慧见未来”为主题，设交通基础设施、智慧出行、智慧物流等十大赛道。1275件作品参赛，经过初赛、复赛评选，300件作品入围决赛，覆盖公路、铁路、水运、航空、邮政等领域。
一天下来，听到了不同团队的探索，开阔了视野，也引发了一些思考：大模型智能体正在走进交通业务，正在从能够展示、初步应用走向可靠使用、逐步推广。
结合个人认知和所接触的组别，有以下几点感受。这些观察仅来自有限的学习交流，不代表对全部参赛作品的判断。
1）应用导向鲜明。因为是创新应用大赛，众多作品面向一线业务，部分团队介绍了已在单位实际运行的成果及其成效。从介绍中可以感觉到，技术创新正在渗透进交通运输的不同环节。令人关注的不只是模型本身，更是它能否嵌入工作流程，帮助工作人员解决具体问题。
2）产学研用结合紧密。不少队伍由多个单位联合攻关，应用单位提出需求，科研和研发单位共同实施，产学研用密切结合，再通过使用反馈不断优化迭代。这种合作也意味着场景开放、业务知识与工程能力的结合，是成果逐步成熟的重要条件。
3）交通运输的广度令人感慨。本次大赛共10个主题，虽然只了解了小部分作品，仍接触到多种交通方式和不同业务，见识了当前各类形形色色的工作和相应的创新。有些方向与个人研究并不直接相关，却让人看到跨领域交流的价值：相似技术需要理解不同的业务约束，才能真正发挥作用。
4）技术路线丰富。大赛主题明确，聚焦大模型智能体，在具体实现上，针对不同的问题应用不同的具体技术，有针对性的实现了相应的功能，行业知识库、RAG、大模型微调、多智能体协同等，众多技术得到了相应的探索和应用。
目前来看，大模型还处于高速发展期，其成果日新月异。在交通运输领域，也需关注背后的需求和支撑。对交通运输这样与公众安全、日常运行紧密相关的领域，如下问题还需继续关注。
1）我们的数据是否已经准备好
经过十余年“大数据”的建设，数据环境已经有了很大的进展，但也还存在部分数据质量堪忧的状态，数据多不等于可直接用于大模型。数据的质量、完备性、时效性、标注口径和授权边界等等，都是需要关注的问题。我们为人工智能时代所做的数据准备工作的水平直接影响了未来大模型智能体的发展和应用，交通运输部今年开始实施交通运输行业高质量数据集建设"百数争先"创新行动，期待这项工作与真实业务深度结合，把数据治理变成长期责任，为应用场景创新提供助力。
2）应用研究到底是问题驱动还是技术驱动
所有作品通常都能指出业务问题，但在这些问题的解决中大模型的定位和作用到底是什么，也还有进一步辨析的空间。对知识理解、信息综合和交互辅助等，大模型有其先天的优势可以积极探索；对精确计算、约束优化和实时控制等，则应厘清大模型与专业算法各自承担什么。因此，探索时不妨追问：与现有系统、规则方法或专用模型相比，增加大模型后，究竟改善了什么？是否有“新瓶装旧酒”之嫌？真正的问题驱动，也包括选择更合适、更简单的方法。
3）目前已有工作成果的成熟度如何判断
现场演示、试点使用与稳定运行，宜有所区分。对已经应用的成果，除了展示成功案例，还宜明确测试范围、运行周期、失败情形及人工干预等情况。除报告回答准确率或生成速度，还应看误报漏报、处置时间、服务改善和综合成本等，说明收益来自模型、流程调整还是其他投入。对全国共性问题，还要检验跨地区、跨设备和异常条件下的可迁移性，推广应用可能不是简单复制。
4）安全边界和人的责任是否清楚
今年8月发布实施的《“人工智能+交通运输”应用安全指引》（GB/Z265—2026），使应用安全成为必须认真对待的议题。大模型、智能体的应用，需根据风险明确智能体能读取什么、调用什么、执行什么，防范错误生成和越权操作。同时对涉及调度、控制、审核等关键业务，应设置规则校验、人工确认与回退机制，并保存操作记录。人工智能可以提供分析和建议，专业判断和责任承担仍需落实到人。
喧嚣的活动之后，希望能沉淀下扎实的成果并得到恰当的应用。从赛场走向一线，需要持续打磨数据、方法和机制。期待今后看到更多经得起长期运行检验、能够改善交通服务和安全的成果，也期待大赛成为需求发现、经验交流和成果转化的持续平台。
成文于2026年10月19日晚 修订于2026年10月20日
未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明等材料，与我们联系，我们将及时沟通与处理。
好文章，需要你的鼓励
李瑞敏
特邀作者